- المشاهدات: 27
- الردود: 1
الفرق بين النموذج مفتوح المصدر ومفتوح الأوزان: دليل عملي
هل يكفي أن تتمكن من تنزيل نموذج ذكاء اصطناعي وتشغيله على جهازك لكي يصبح «مفتوح المصدر»؟
أهلاً بك في منتديات شباب الرافدين؛ الإجابة المختصرة هي: لا. فقد تكون أوزان النموذج متاحة، بينما تبقى بيانات التدريب وكوده ووصفة بنائه مغلقة. وفهم هذا الفرق ليس نقاشاً لغوياً فحسب، بل خطوة ضرورية قبل اعتماد نموذج في مشروع تجاري أو بحث علمي أو نظام يتعامل مع بيانات حساسة. ستتعرف هنا إلى الفرق بين النموذج مفتوح المصدر والنموذج مفتوح الأوزان، ثم تحصل على قائمة فحص عملية تساعدك على تصنيف أي نموذج بنفسك.
أهلاً بك في منتديات شباب الرافدين؛ الإجابة المختصرة هي: لا. فقد تكون أوزان النموذج متاحة، بينما تبقى بيانات التدريب وكوده ووصفة بنائه مغلقة. وفهم هذا الفرق ليس نقاشاً لغوياً فحسب، بل خطوة ضرورية قبل اعتماد نموذج في مشروع تجاري أو بحث علمي أو نظام يتعامل مع بيانات حساسة. ستتعرف هنا إلى الفرق بين النموذج مفتوح المصدر والنموذج مفتوح الأوزان، ثم تحصل على قائمة فحص عملية تساعدك على تصنيف أي نموذج بنفسك.
الفرق باختصار: المنتج النهائي أم وصفة البناء؟
النموذج مفتوح الأوزان (Open-Weight Model) يتيح لك عادةً تنزيل القيم الرقمية التي تعلّمها النموذج بعد التدريب، وتشغيله محلياً، وقد يسمح لك بتخصيصه أو إجراء الضبط الدقيق عليه. لكنه لا يضمن وحده إتاحة كود التدريب أو تفاصيل البيانات أو الخطوات الكاملة التي أنتجت تلك الأوزان.
أما النموذج مفتوح المصدر (Open-Source AI) بالمعنى الأشمل، فيمنحك المواد اللازمة لاستخدام النظام ودراسته وتعديله ومشاركته، بما يشمل الأوزان وكود التشغيل وكود التدريب ومعلومات كافية عن بيانات التدريب، تحت شروط قانونية مفتوحة.
ويؤكد تعريف مبادرة المصدر المفتوح (OSI) أن الأوزان وحدها ليست بديلاً عن الكود ومعلومات البيانات التي اشتُقت منها. [[1]]
يمكن تشبيه الفرق بجهاز إلكتروني: النموذج مفتوح الأوزان يشبه جهازاً جاهزاً يمكنك فتحه وتعديل بعض أجزائه، بينما النموذج مفتوح المصدر يشبه حصولك أيضاً على المخططات الهندسية، وقائمة المكوّنات، وأدوات التصنيع، وتعليمات التجميع.
أما النموذج مفتوح المصدر (Open-Source AI) بالمعنى الأشمل، فيمنحك المواد اللازمة لاستخدام النظام ودراسته وتعديله ومشاركته، بما يشمل الأوزان وكود التشغيل وكود التدريب ومعلومات كافية عن بيانات التدريب، تحت شروط قانونية مفتوحة.
ويؤكد تعريف مبادرة المصدر المفتوح (OSI) أن الأوزان وحدها ليست بديلاً عن الكود ومعلومات البيانات التي اشتُقت منها. [[1]]
يمكن تشبيه الفرق بجهاز إلكتروني: النموذج مفتوح الأوزان يشبه جهازاً جاهزاً يمكنك فتحه وتعديل بعض أجزائه، بينما النموذج مفتوح المصدر يشبه حصولك أيضاً على المخططات الهندسية، وقائمة المكوّنات، وأدوات التصنيع، وتعليمات التجميع.
ما أوزان النموذج وكيف تتكوّن؟
الأوزان هي المعرفة العددية التي اكتسبها النموذج
أوزان النموذج (Model Weights) هي أعداد داخل الشبكة العصبية تتغير أثناء التدريب. عندما يقرأ النموذج أمثلة كثيرة، تعدّل خوارزمية التدريب هذه القيم تدريجياً لتقليل الأخطاء وتحسين قدرته على توقّع الكلمات أو تصنيف الصور أو تنفيذ المهمة المطلوبة.
الأوزان لا تحتوي عادةً على جمل مرتبة مثل قاعدة بيانات، ولا تمثل شفرة برمجية يقرأها الإنسان بسهولة. إنها ملايين أو مليارات القيم الموزعة داخل طبقات النموذج، ويتحدد السلوك النهائي من تفاعلها مع المعمارية وكود الاستدلال وطريقة معالجة المدخلات.
وتعرّف وثيقة مجموعة السبع الأوزان بأنها المعلمات العددية المتعلَّمة التي ينتجها تدريب نموذج الذكاء الاصطناعي. كما تميّز بين الأوزان وكود النشر وكود التدريب والبيانات، لأن كل عنصر منها يكشف جانباً مختلفاً من طريقة بناء النظام. [[3]]
لماذا لا تكشف الأوزان وحدها طريقة البناء؟
عند تنزيل ملف أوزان، تستطيع تشغيل النتيجة التي انتهى إليها التدريب، لكنك قد لا تعرف بدقة أي بيانات استُخدمت، وكيف نُظفت، وما العينات التي حُذفت، وما ترتيب مراحل التدريب، وما إعدادات المحسّن، وما الاختبارات التي قادت إلى النسخة النهائية.
لهذا تشبه الأوزان أحياناً الملف التنفيذي في البرامج التقليدية: هو مفيد للتشغيل، لكنه لا يمنحك بالضرورة المصدر المفضل لإعادة بناء المنتج أو فهم جميع قراراته الداخلية. وتبدأ هنا الحدود الحقيقية لمصطلح «مفتوح الأوزان».
أوزان النموذج (Model Weights) هي أعداد داخل الشبكة العصبية تتغير أثناء التدريب. عندما يقرأ النموذج أمثلة كثيرة، تعدّل خوارزمية التدريب هذه القيم تدريجياً لتقليل الأخطاء وتحسين قدرته على توقّع الكلمات أو تصنيف الصور أو تنفيذ المهمة المطلوبة.
الأوزان لا تحتوي عادةً على جمل مرتبة مثل قاعدة بيانات، ولا تمثل شفرة برمجية يقرأها الإنسان بسهولة. إنها ملايين أو مليارات القيم الموزعة داخل طبقات النموذج، ويتحدد السلوك النهائي من تفاعلها مع المعمارية وكود الاستدلال وطريقة معالجة المدخلات.
وتعرّف وثيقة مجموعة السبع الأوزان بأنها المعلمات العددية المتعلَّمة التي ينتجها تدريب نموذج الذكاء الاصطناعي. كما تميّز بين الأوزان وكود النشر وكود التدريب والبيانات، لأن كل عنصر منها يكشف جانباً مختلفاً من طريقة بناء النظام. [[3]]
لماذا لا تكشف الأوزان وحدها طريقة البناء؟
عند تنزيل ملف أوزان، تستطيع تشغيل النتيجة التي انتهى إليها التدريب، لكنك قد لا تعرف بدقة أي بيانات استُخدمت، وكيف نُظفت، وما العينات التي حُذفت، وما ترتيب مراحل التدريب، وما إعدادات المحسّن، وما الاختبارات التي قادت إلى النسخة النهائية.
لهذا تشبه الأوزان أحياناً الملف التنفيذي في البرامج التقليدية: هو مفيد للتشغيل، لكنه لا يمنحك بالضرورة المصدر المفضل لإعادة بناء المنتج أو فهم جميع قراراته الداخلية. وتبدأ هنا الحدود الحقيقية لمصطلح «مفتوح الأوزان».
ما هو النموذج مفتوح الأوزان؟
في الاستخدام الشائع، النموذج مفتوح الأوزان هو نموذج تنشر الجهة المطورة أوزانه المدرّبة ليتمكن الآخرون من تنزيلها وتشغيلها.
وغالباً ما تأتي الحزمة مع كود للاستدلال، وملفات إعداد، ومجزّئ لغوي (Tokenizer)، وبطاقة نموذج تشرح القدرات والقيود.
قد يمنحك ذلك فوائد عملية كبيرة، منها:
وغالباً ما تأتي الحزمة مع كود للاستدلال، وملفات إعداد، ومجزّئ لغوي (Tokenizer)، وبطاقة نموذج تشرح القدرات والقيود.
قد يمنحك ذلك فوائد عملية كبيرة، منها:
- تشغيل النموذج على جهازك أو خادمك بدلاً من إرسال البيانات إلى واجهة سحابية.
- إجراء الضبط الدقيق (Fine-Tuning) لتكييفه مع مجال أو لغة أو أسلوب محدد.
- اختبار النموذج بأدوات مستقلة وقياس أدائه في بيئتك الفعلية.
- التحكم في سرعة الاستجابة والبنية التحتية وتكلفة الاستدلال.
- بناء نسخة مشتقة، إذا كان الترخيص يسمح بذلك.
مع ذلك، قد تبقى عناصر مهمة غير منشورة: بيانات التدريب، وكود تجهيز البيانات، ووصفة التدريب الكاملة، وسجلات التجارب، ونقاط الفحص الوسيطة (Intermediate Checkpoints).
وترى OSI أن هذا النقص يحد من القدرة على إعادة إنتاج عملية التطوير أو معرفة موضع دخول انحياز أو خطأ إلى النموذج. [[2]]
والترخيص هنا حاسم. فوجود ملف الأوزان على الإنترنت لا يخبرك وحده بما إذا كان مسموحاً استخدامه تجارياً أو إعادة توزيعه أو تشغيله في كل دولة أو تطبيقه في كل غرض.
وترى OSI أن هذا النقص يحد من القدرة على إعادة إنتاج عملية التطوير أو معرفة موضع دخول انحياز أو خطأ إلى النموذج. [[2]]
والترخيص هنا حاسم. فوجود ملف الأوزان على الإنترنت لا يخبرك وحده بما إذا كان مسموحاً استخدامه تجارياً أو إعادة توزيعه أو تشغيله في كل دولة أو تطبيقه في كل غرض.
ما النموذج مفتوح المصدر وفق تعريف OSI؟
أربع حريات أساسية
يربط تعريف الذكاء الاصطناعي مفتوح المصدر بين الانفتاح وإتاحة الحريات العملية، لا بمجرد إمكانية التنزيل.
والحريات الأربع هي:
يربط تعريف الذكاء الاصطناعي مفتوح المصدر بين الانفتاح وإتاحة الحريات العملية، لا بمجرد إمكانية التنزيل.
والحريات الأربع هي:
- استخدام النظام لأي غرض.
- دراسة طريقة عمل النظام وفهم كيفية إنتاج نتائجه.
- تعديل النظام وتغيير سلوكه أو مخرجاته.
- مشاركة النظام الأصلي أو النسخة المعدلة مع الآخرين.
توضح مبادرة المصدر المفتوح أن ممارسة هذه الحريات تحتاج إلى الوصول إلى الصيغة المفضلة لإجراء التعديلات، وليس إلى نسخة نهائية يصعب تتبع طريقة إنتاجها. [[2]]
وفي أنظمة الذكاء الاصطناعي لا تكفي شفرة تشغيل بسيطة، لأن سلوك النموذج نتاج تفاعل البيانات والمعمارية والتدريب والمعلمات.
ما المواد التي ينبغي إتاحتها؟
يحدد تعريف OSI ثلاثة محاور رئيسية:
وفي أنظمة الذكاء الاصطناعي لا تكفي شفرة تشغيل بسيطة، لأن سلوك النموذج نتاج تفاعل البيانات والمعمارية والتدريب والمعلمات.
ما المواد التي ينبغي إتاحتها؟
يحدد تعريف OSI ثلاثة محاور رئيسية:
- معلومات البيانات: وصف كافٍ لمصادر بيانات التدريب ونطاقها وخصائصها وطرق جمعها واختيارها ووسمها وتنظيفها وتصفيتها، مع بيان البيانات المتاحة وكيفية الحصول عليها.
- الكود: الشفرة المستخدمة في معالجة البيانات وتدريب النظام والتحقق منه واختباره وتشغيله، بما في ذلك المعمارية والمجزّئات والإعدادات المهمة.
- المعلمات: الأوزان والإعدادات اللازمة، وقد تشمل نقاط فحص من مراحل وسيطة وحالة المحسّن عندما تكون مهمة للتعديل وإعادة البناء.
لا يشترط التعريف دائماً نشر كل نسخة خام من بيانات التدريب عندما يمنع القانون أو الواقع التقني ذلك، لكنه يطلب معلومات تفصيلية تمكّن صاحب الخبرة من بناء نظام مكافئ إلى حد كبير.
مقارنة مباشرة بين مفتوح المصدر ومفتوح الأوزان
إتاحة الأوزان
- مفتوح الأوزان: الأوزان منشورة، وهذا هو العنصر الأساسي في التسمية.
- مفتوح المصدر: الأوزان منشورة ضمن حزمة أوسع من المواد المفتوحة.
التشغيل المحلي
- مفتوح الأوزان: ممكن غالباً إذا توافرت العتاد والبرمجيات المتوافقة.
- مفتوح المصدر: ممكن أيضاً، مع قدرة أكبر على فحص مكوّنات التشغيل وتعديلها.
كود التدريب ومعالجة البيانات
- مفتوح الأوزان: قد يكون غائباً أو متاحاً بصورة جزئية.
- مفتوح المصدر: ينبغي أن يكون متاحاً بما يوضح كيفية اشتقاق الأوزان.
بيانات التدريب وشفافيتها
- مفتوح الأوزان: قد تقتصر المعلومات على وصف عام أو لا تتوافر تفاصيل كافية.
- مفتوح المصدر: يلزم نشر البيانات الممكنة ومعلومات تفصيلية عما يتعذر نشره.
إعادة الإنتاج العلمي
- مفتوح الأوزان: يمكنك إعادة تشغيل النموذج، لكن قد لا تستطيع إعادة تدريبه من الصفر بالطريقة نفسها.
- مفتوح المصدر: يهدف إلى تمكين الدراسة وإعادة البناء والتعديل بدرجة أعمق، مع بقاء تكلفة الحوسبة عائقاً عملياً محتملاً.
حرية الاستخدام التجاري وإعادة التوزيع
- مفتوح الأوزان: تتحدد بالترخيص؛ فقد تكون واسعة أو مقيّدة.
- مفتوح المصدر: يجب أن يكون الترخيص مفتوحاً ويسمح بالاستخدام والتعديل وإعادة التوزيع دون قيود تمييزية.
وهكذا فإن السؤال الصحيح ليس: «هل أستطيع تنزيل النموذج؟» بل: «ما الذي نُشر تحديداً، وتحت أي ترخيص، وهل تكفي المواد لفهم طريقة البناء وتعديلها؟»
الانفتاح طيف وليس تصنيفاً ثنائياً
في عام 2026 قدّمت مجموعة السبع رؤية غير ملزمة تؤكد أن انفتاح الذكاء الاصطناعي طيف متعدد الدرجات، وأن استخدام كلمة «مفتوح» وحدها قد يخفي فروقاً مهمة.
واقترحت الوثيقة أربعة مستويات مرتبة من الأكثر إلى الأقل انفتاحاً. [[3]]
واقترحت الوثيقة أربعة مستويات مرتبة من الأكثر إلى الأقل انفتاحاً. [[3]]
- ذكاء اصطناعي مفتوح المصدر مع بيانات مفتوحة: الأوزان وكود النشر وكود التدريب وبيانات التدريب الكاملة متاحة مجاناً تحت ترخيص مفتوح.
- ذكاء اصطناعي مفتوح المصدر: الأوزان وكود النشر وكود التدريب متاحة تحت ترخيص مفتوح، مع نشر البيانات كاملة متى أمكن، أو توفير معلومات تفصيلية عندما يتعذر ذلك قانونياً أو تقنياً.
- ذكاء اصطناعي مفتوح الأوزان: الأوزان وكود النشر متاحان مجاناً تحت ترخيص مفتوح المصدر.
- ذكاء اصطناعي متاح الأوزان (Weights-Available AI): الأوزان وكود النشر متاحان، لكن الترخيص يتضمن قيوداً تجارية أو جغرافية أو مرتبطة بحالات الاستخدام.
هذا التفصيل يحل مشكلة شائعة: بعض الناس يسمون كل نموذج قابل للتنزيل «مفتوح الأوزان»، بينما تقترح وثيقة G7 حجز هذا الوصف للأوزان المنشورة تحت ترخيص مفتوح، واستخدام «متاح الأوزان» عندما توجد قيود.
لذلك من الأفضل دائماً ذكر العناصر المنشورة والترخيص المستخدم بدلاً من الاعتماد على الملصق وحده.
أمثلة عملية: كيف نصنّف نماذج معروفة؟
Olmo 3 مثال على الانفتاح الممتد عبر دورة التطوير
يقدّم معهد Allen للذكاء الاصطناعي عائلة Olmo 3 بوصفها نماذج مفتوحة بالكامل؛ إذ ينشر البيانات والكود والأوزان ومسارات التطوير ونقاط الفحص، مع إمكانية تتبع مراحل النموذج إلى قرارات التدريب والبيانات. [[4]]
وهذا يجعله مثالاً مناسباً لفهم الفرق بين نشر «نقطة النهاية» ونشر دورة بناء النموذج كاملة.
الفائدة هنا ليست نظرية فقط. يستطيع الباحث دراسة مرحلة بعينها، أو تبديل وصفة التدريب اللاحق، أو مقارنة نقاط الفحص، بدلاً من الاقتصار على ضبط النسخة النهائية.
وهذا يجعله مثالاً مناسباً لفهم الفرق بين نشر «نقطة النهاية» ونشر دورة بناء النموذج كاملة.
الفائدة هنا ليست نظرية فقط. يستطيع الباحث دراسة مرحلة بعينها، أو تبديل وصفة التدريب اللاحق، أو مقارنة نقاط الفحص، بدلاً من الاقتصار على ضبط النسخة النهائية.
gpt-oss مثال واضح على نموذج مفتوح الأوزان
وصفت OpenAI نموذجي gpt-oss-120b و gpt-oss-20b صراحة بأنهما مفتوحا الأوزان، ونشرتهما تحت ترخيص Apache 2.0 مع إمكانية التنزيل والتخصيص والتشغيل على بنية المستخدم. [[5]]
وفي المقابل لم تقدمهما الشركة باعتبارهما كشفاً كاملاً عن بيانات ما قبل التدريب والوصفة الداخلية الكاملة، ولذلك تكون تسمية «مفتوح الأوزان» أدق من «مفتوح المصدر بالكامل».
هذا المثال يوضح أن النموذج قد يملك ترخيصاً مرناً جداً ويمنح المطور استقلالاً تشغيلياً واسعاً، لكنه يظل مختلفاً عن مشروع ينشر جميع المواد اللازمة لتتبع التدريب وإعادة بنائه.
وفي المقابل لم تقدمهما الشركة باعتبارهما كشفاً كاملاً عن بيانات ما قبل التدريب والوصفة الداخلية الكاملة، ولذلك تكون تسمية «مفتوح الأوزان» أدق من «مفتوح المصدر بالكامل».
هذا المثال يوضح أن النموذج قد يملك ترخيصاً مرناً جداً ويمنح المطور استقلالاً تشغيلياً واسعاً، لكنه يظل مختلفاً عن مشروع ينشر جميع المواد اللازمة لتتبع التدريب وإعادة بنائه.
Llama: أوزان متاحة مع ترخيص مجتمعي وشروط خاصة
تنشر Meta أوزان Llama وتتيح استخدامها وتعديلها وإعادة توزيعها وفق رخصة Llama المجتمعية، لكنها تفرض التزامات وشروطاً، منها متطلبات الإسناد وسياسة الاستخدام.
كما تتطلب رخصة Llama 3.1 الحصول على ترخيص منفصل لبعض الجهات التي يتجاوز عدد مستخدمي منتجاتها 700 مليون مستخدم نشط شهرياً. [[6]]
لهذا لا ينبغي أن نستنتج التصنيف من عبارة «مفتوح المصدر» التسويقية وحدها. الأدق أن نقول إن أوزان Llama متاحة تحت ترخيص مجتمعي مخصص، ثم نقرأ شروط الإصدار المستخدم قبل إدخاله في منتج.
ويمكنك مراجعة التعريف السابق بـ نموذج Llama 3.1 في منتديات شباب الرافدين مع تطبيق هذا التمييز الأحدث على وصفه.
كما تتطلب رخصة Llama 3.1 الحصول على ترخيص منفصل لبعض الجهات التي يتجاوز عدد مستخدمي منتجاتها 700 مليون مستخدم نشط شهرياً. [[6]]
لهذا لا ينبغي أن نستنتج التصنيف من عبارة «مفتوح المصدر» التسويقية وحدها. الأدق أن نقول إن أوزان Llama متاحة تحت ترخيص مجتمعي مخصص، ثم نقرأ شروط الإصدار المستخدم قبل إدخاله في منتج.
ويمكنك مراجعة التعريف السابق بـ نموذج Llama 3.1 في منتديات شباب الرافدين مع تطبيق هذا التمييز الأحدث على وصفه.
DeepSeek-R1: ترخيص مرن لا يعني نشر مسار التدريب كاملاً
يذكر المستودع الرسمي لـ DeepSeek-R1 أن الكود الموجود فيه وأوزان النموذج منشورة تحت رخصة MIT، مع السماح بالاستخدام التجاري والتعديلات والأعمال المشتقة. [[7]]
كما ينشر المستودع وصفاً للمعمارية وخط التدريب وورقة تقنية، لكن ذلك لا يعني تلقائياً إتاحة مجموعة التدريب الكاملة وكل الأدوات والسجلات اللازمة لإعادة إنشاء النموذج من الصفر.
وعليه، يمكن وصف DeepSeek-R1 بأنه نموذج ذو أوزان مفتوحة وترخيص مرن، مع ضرورة تحديد معنى «المصدر المفتوح» عند استخدامه.
وللتعرف إلى النموذج نفسه، راجع موضوع DeepSeek-R1 في منتديات شباب الرافدين ثم افصل بين تقييم قدراته وتقييم درجة انفتاحه.
كما ينشر المستودع وصفاً للمعمارية وخط التدريب وورقة تقنية، لكن ذلك لا يعني تلقائياً إتاحة مجموعة التدريب الكاملة وكل الأدوات والسجلات اللازمة لإعادة إنشاء النموذج من الصفر.
وعليه، يمكن وصف DeepSeek-R1 بأنه نموذج ذو أوزان مفتوحة وترخيص مرن، مع ضرورة تحديد معنى «المصدر المفتوح» عند استخدامه.
وللتعرف إلى النموذج نفسه، راجع موضوع DeepSeek-R1 في منتديات شباب الرافدين ثم افصل بين تقييم قدراته وتقييم درجة انفتاحه.
لماذا يهمك معرفة الفرق؟
١. الخصوصية والسيادة على البيانات
يسمح تشغيل نموذج قابل للتنزيل داخل خادم المؤسسة بإبقاء المدخلات محلياً، وهذا قد يقلل الحاجة إلى إرسالها إلى مزود خارجي.
لكن الخصوصية لا تتحقق تلقائياً؛ فما زلت تحتاج إلى ضبط السجلات والصلاحيات والتحديثات ومصادر الحزم وحماية الخادم.
لكن الخصوصية لا تتحقق تلقائياً؛ فما زلت تحتاج إلى ضبط السجلات والصلاحيات والتحديثات ومصادر الحزم وحماية الخادم.
٢. التخصيص والسيطرة التقنية
الأوزان المتاحة تمنحك مساحة واسعة للضبط الدقيق والضغط والكمّ (Quantization) ودمج النموذج في تطبيقات خاصة.
أما الانفتاح الأشمل فيضيف القدرة على تغيير مراحل أعمق من التدريب وفهم أثر البيانات والإعدادات في السلوك.
أما الانفتاح الأشمل فيضيف القدرة على تغيير مراحل أعمق من التدريب وفهم أثر البيانات والإعدادات في السلوك.
٣. التدقيق العلمي والأمني
يمكن اختبار أي نموذج من الخارج، لكن تقييم مصدر الانحياز أو إعادة إنتاج نتيجة بحثية يصبح أصعب عندما تكون بيانات التدريب وكوده مخفيين.
لذلك تفيد النماذج المفتوحة بالكامل الجامعات والجهات التي تحتاج إلى تتبع القرارات، لا مجرد قياس المخرجات.
لذلك تفيد النماذج المفتوحة بالكامل الجامعات والجهات التي تحتاج إلى تتبع القرارات، لا مجرد قياس المخرجات.
٤. المخاطر القانونية والتجارية
الترخيص قد يحدد هل يجوز لك بيع منتج مبني على النموذج، أو إعادة توزيع الأوزان المعدلة، أو استخدام المخرجات في تدريب نموذج آخر، أو العمل في قطاع أو دولة معينة.
ولهذا يجب أن يراجع فريقك الترخيص الفعلي لكل إصدار، لا اسم عائلة النموذج فقط.
ولهذا يجب أن يراجع فريقك الترخيص الفعلي لكل إصدار، لا اسم عائلة النموذج فقط.
كيف تتحقق من درجة انفتاح أي نموذج؟
استخدم قائمة الفحص التالية قبل تنزيل النموذج أو إضافته إلى مشروع:
- حدّد الجهة والنسخة: لا تكتفِ باسم العائلة؛ فالترخيص والملفات قد يختلفان بين إصدار وآخر وبين النموذج الأساسي والنسخة المشتقة.
- افتح الترخيص الرسمي: ابحث عن حقوق الاستخدام والتعديل وإعادة التوزيع والاستخدام التجاري، وأي قيود جغرافية أو مرتبطة بحالات الاستخدام.
- تحقق من الأوزان: هل الأوزان الأصلية متاحة، أم توجد فقط نسخ مضغوطة أو مشتقة أنشأها طرف ثالث؟
- ابحث عن كود التشغيل: تأكد من وجود كود النشر أو الاستدلال والتعليمات والاعتماديات اللازمة لتشغيل النموذج بصورة مستقرة.
- ابحث عن كود التدريب: هل نُشرت سكربتات التدريب ومعالجة البيانات والإعدادات والمجزّئ والاختبارات، أم توجد ورقة تصف العملية دون تنفيذ كامل؟
- راجع شفافية البيانات: هل تعرف مصادر البيانات وطرق التنظيف والتصفية والوسم؟ وهل توجد قائمة بالبيانات المتاحة ومعلومات عما تعذر نشره؟
- تحقق من قابلية إعادة الإنتاج: هل توجد نقاط فحص وسجلات ووصفات كافية لتكرار مرحلة من التدريب أو مقارنة نتائجك بالنسخة الأصلية؟
- اختر التسمية الدقيقة: مفتوح المصدر، مفتوح الأوزان، متاح الأوزان بقيود، أم نموذج مغلق عبر API فقط.
لا توجد فائدة من انتقاء ملصق جذاب إذا كانت إجابات الأسئلة السابقة غامضة. أما عندما توثّق كل عنصر، فيصبح القرار التقني والقانوني أسهل بكثير.
أخطاء شائعة يجب تجنبها
- اعتبار المجاني مفتوح المصدر: الخدمة المجانية قد تظل مغلقة تماماً ولا تمنحك الأوزان أو الكود.
- الخلط بين التنزيل والانفتاح الكامل: تنزيل الأوزان يثبت إتاحتها، لكنه لا يثبت إتاحة بيانات التدريب وكوده.
- تجاهل الترخيص: ملفات النموذج لا تلغي الشروط القانونية المرافقة لها.
- الخلط بين كود الاستدلال وكود التدريب: الأول يشغّل النموذج، والثاني يوضح كيف صُنعت أوزانه.
- افتراض أن الورقة التقنية تكفي لإعادة الإنتاج: الوصف العلمي مهم، لكنه قد لا يتضمن جميع التفاصيل والبيانات والسكربتات اللازمة.
- استخدام كلمة «مفتوح» دون صفة: اذكر دائماً ما إذا كنت تقصد الأوزان أو الكود أو البيانات أو الترخيص.
الأسئلة الشائعة حول الفرق بين النموذج مفتوح المصدر والنموذج مفتوح الأوزان
س: هل كل نموذج مفتوح الأوزان مجاني؟
ج: قد تكون الأوزان متاحة للتنزيل دون مقابل، لكن التشغيل يحتاج إلى عتاد وكهرباء وتخزين وصيانة. كما قد يفرض مزود استضافة أو واجهة جاهزة رسوماً، وقد يتضمن الترخيص شروطاً للاستخدام رغم مجانية التنزيل.
س: هل يمكن استخدام النموذج مفتوح الأوزان تجارياً؟
ج: ليس دائماً. الإجابة موجودة في الترخيص. تراخيص مثل Apache 2.0 و MIT تسمح عادةً باستخدام تجاري واسع مع الالتزام بشروطها، بينما قد تضع تراخيص مخصصة حدوداً على حجم المستخدمين أو القطاع أو المنطقة أو طريقة إعادة التوزيع.
س: هل Llama مفتوح المصدر فعلاً؟
ج: تنشر Meta أوزان Llama وكوداً ومواد مساعدة، لكنها تستخدم رخصة مجتمعية مخصصة تتضمن شروطاً وليست رخصة مفتوحة تقليدية معتمدة بلا قيود. لذلك من الأدق وصف الإصدار وملفاته وترخيصه بدلاً من إطلاق حكم عام على العائلة كلها.
س: هل إتاحة الأوزان تكفي لتدقيق النموذج؟
ج: تسمح باختبارات داخلية وتشغيل محلي وتحليل للسلوك، لكنها لا تكفي وحدها لفهم مصدر كل انحياز أو إعادة إنتاج التدريب. يحتاج التدقيق الأعمق إلى معلومات البيانات وكود المعالجة والتدريب والسجلات ونقاط الفحص.
س: ما الفرق بين مفتوح الأوزان ومتاح الأوزان؟
ج: في الاستعمال العام قد يتداخل المصطلحان، لكن تصنيف G7 لعام 2026 يقترح أن «مفتوح الأوزان» يعني نشر الأوزان وكود التشغيل تحت ترخيص مفتوح، بينما «متاح الأوزان» يعني نشرهما تحت ترخيص يتضمن قيوداً تجارية أو جغرافية أو مرتبطة بالاستخدام.
س: هل أستطيع إعادة تدريب نموذج مفتوح الأوزان من الصفر؟
ج: تستطيع تقنياً إنشاء نموذج مشابه إذا عرفت المعمارية وامتلكت البيانات والكود والحوسبة، لكن الأوزان وحدها لا توفر هذه العناصر. غالباً يكون التخصيص أو التدريب اللاحق ممكناً، بينما إعادة بناء النسخة الأصلية بدقة قد تكون غير ممكنة.
خلاصة القول
الفرق بين النموذج مفتوح المصدر والنموذج مفتوح الأوزان هو الفرق بين امتلاك النتيجة المدرّبة وامتلاك المواد التي تشرح كيف صُنعت تلك النتيجة وتسمح بتعديلها على مستوى أعمق.
الأوزان المفتوحة مفيدة جداً للتشغيل المحلي والتخصيص والاستقلال عن الواجهات المغلقة، لكنها لا تمنح تلقائياً شفافية البيانات أو قابلية إعادة إنتاج التدريب.
قبل اختيار أي نموذج، افحص أربعة أشياء: الملفات المتاحة، وكود التدريب، ومعلومات البيانات، والترخيص. عندها ستستبدل الوصف التسويقي بحكم تقني دقيق يناسب مشروعك.
ما النموذج الذي ترغب في تصنيفه وفق هذه المعايير؟ شاركنا رأيك هنا في التعليقات.
دمتم بود!
الأوزان المفتوحة مفيدة جداً للتشغيل المحلي والتخصيص والاستقلال عن الواجهات المغلقة، لكنها لا تمنح تلقائياً شفافية البيانات أو قابلية إعادة إنتاج التدريب.
قبل اختيار أي نموذج، افحص أربعة أشياء: الملفات المتاحة، وكود التدريب، ومعلومات البيانات، والترخيص. عندها ستستبدل الوصف التسويقي بحكم تقني دقيق يناسب مشروعك.
ما النموذج الذي ترغب في تصنيفه وفق هذه المعايير؟ شاركنا رأيك هنا في التعليقات.
دمتم بود!
