选择开源大模型时，大家通常关注效果、速度和硬件需求，却很少有人认真读许可证。“开源”两个字并不等于“可以随便商用”。 不同模型的许可证差异很大：有的采用传统的宽松开源许可证，有的是厂商自定义的社区许可证，附带用户规模限制、用途限制或其他义务。一旦在产品中使用了不合规的模型，后续的整改和法律风险可能代价高昂。（本文不构成法律意见，重要决策请咨询专业律师。）

常见的许可证类型

宽松的开源许可证

例如 Apache 2.0、MIT 等传统软件许可证。允许商业使用、修改和再分发，主要义务是保留版权声明和许可证文本，Apache 2.0 还包含专利授权条款。采用这类许可证的模型，商用限制最少。

厂商自定义的社区许可证

很多知名的开放模型采用厂商自行起草的许可证。常见的附加条款包括：

  • 用户规模限制：当产品的月活跃用户超过一定数量时，需要另行向模型厂商申请授权；
  • 可接受使用政策：禁止将模型用于特定领域或用途，例如违法活动、某些高风险场景；
  • 命名与标注要求：基于该模型开发的衍生模型需要在名称中包含原模型名称，或在产品中注明“基于某模型构建”；
  • 限制用于训练其他模型：部分许可证限制使用模型输出来训练与其竞争的模型。

非商用许可证

部分模型仅允许研究或非商业用途，例如采用知识共享非商业许可或厂商声明仅供研究使用。这类模型不能直接用于商业产品。

商用前需要核查的关键问题

1. 是否允许商业使用

最基本也最重要的问题。注意区分模型权重的许可证和代码的许可证，二者可能不同。

2. 是否有用户规模或收入门槛

确认你的产品当前和可预见的规模是否会触发额外授权要求。

3. 使用限制清单

逐条阅读可接受使用政策，确认你的应用场景不在禁止之列。

4. 衍生模型的义务

如果你对模型进行了微调并要分发或提供服务，需要了解是否必须使用相同的许可证、是否需要在名称中标注原模型、是否需要公开修改内容。

5. 输出内容的使用

模型生成的内容归谁所有、是否有使用限制，特别是用于训练其他模型时。

6. 训练数据的来源

部分模型的训练数据来源存在争议，可能带来间接的法律风险。了解模型发布方对训练数据的说明，相关讨论见 AI 与版权。

7. 许可证是否会变更

确认你使用的具体版本对应的许可证条款。厂商可能在后续版本中修改许可证，但通常不会追溯影响已发布的版本。

企业的管理建议

  1. 建立模型准入清单：由法务和技术共同审核，列出公司批准使用的模型及其许可证要点；
  2. 记录使用情况：在项目文档中记录所用模型的名称、版本、许可证和用途；
  3. 定期复查：产品规模增长或业务范围变化时，重新评估是否仍满足许可证条件；
  4. 关注衍生链条：使用社区微调版本时，既要看微调版本的许可证，也要看其基础模型的许可证；
  5. 保留合规证据：保存下载时的许可证文本副本。

与“开源”定义的关系

很多所谓的“开源模型”只开放了权重，并未开放训练数据和训练代码，许可证也可能附带开源软件定义所不允许的限制。因此业内常用“开放权重”来更准确地描述这类模型，详细区分见开放权重≠开源。

小结

开源大模型的许可证从完全宽松到严格限制不等，用户规模门槛、使用限制和衍生义务是最需要关注的条款。商用前认真核查许可证、建立模型准入清单并定期复查，能有效避免法律风险。更全面的开源模型选型思路可参考开源大模型生态 2026。