مدل های متن باز؛ کیمی و دیپ سیک و کوئن

وقتی درباره یک مدل می گوییم متن باز، دقیقا چه چیزی باز است

سه چیز کاملا متفاوت در فارسی «متن باز» نامیده می شوند و تا از هم جدا نشوند بقیه این صفحه معنا ندارد. اول وزن باز: عددهای آموخته مدل به شکل چند ده فایل قابل دانلود منتشر شده اند و شما می توانید همان فایل ها را روی سخت افزار خودتان بار کنید. دوم متن باز به معنای نرم افزاری اش، یعنی کد آموزش و داده آموزش هم منتشر باشد و مجوز هم یکی از مجوزهای شناخته شده مثل Apache 2.0 یا MIT باشد. سوم چیزی که اصلا باز نیست ولی مدام با این دو اشتباه گرفته می شود: مدلی که فقط از راه API فروخته می شود و قیمتش پایین است.

تقریبا همه مدل هایی که در این درس نام می بریم فقط در دسته اول اند. وزن ها هست، داده آموزش نیست، و در چند مورد مجوز هم اصلا یک مجوز استاندارد نیست بلکه متنی است که خود سازنده نوشته و اسمش را روی نام مدل خودش گذاشته. فاصله بین «می توانم دانلودش کنم» و «می توانم هر کاری با آن بکنم» دقیقا همان جایی است که یک پروژه تجاری گیر می کند، معمولا وقتی که کار تمام شده است.

موضع ما این است: بپرسید «این مخزن، امروز، با چه مجوزی» و نه «این شرکت متن باز است یا نه». سوال دوم جواب ندارد. یک سازنده می تواند مدل کوچکش را با Apache 2.0 بدهد و مدل پرچمدارش را با یک مجوز شرطی، و دقیقا همین کار را هم می کند.

کدام مدل ها را واقعا می شود دانلود کرد

جدول زیر را در ۱۵ شهریور ۱۴۰۵ برابر با ۶ سپتامبر ۲۰۲۶ مستقیم از مخزن خود سازنده روی هاگینگ فیس خواندیم. ستون مجوز همان چیزی است که در کارت مدل ثبت شده، نه چیزی که در خبرها نوشته شده.

دو چیز در این جدول دیدنی است. اول اینکه دو ردیف اول و دوم از یک شرکت اند و مجوزشان یکی نیست؛ همین را در ستون کوئن هم می بینید، جایی که مدل ۲۷ میلیاردی Apache 2.0 است و مدل پرچمدار نیست. دوم اینکه بزرگ ترین مدل های این فهرست همان هایی هستند که مجوز شرطی دارند. این تصادف نیست: شرط ها را برای همان مدلی می نویسند که ارزش تجاری اش بیشتر است.

یک نکته درباره اسم ها که در فهرست های فارسی مدام جا می افتد: نامی که در لیدربورد می بینید همیشه نام مدل نیست. «کیمی کی۳ مکس» و «جیالام ۵.۲ مکس» در مستندات سازنده مدل جدا نیستند و max سطح تلاش استدلال است. برای همین دنبال مخزن بگردید و نه دنبال اسمی که در جدول رتبه بندی نوشته شده.

مجوز را چطور بخوانیم؛ سه شرطی که شبیه هم اند

سه مجوز اختصاصی این فهرست را کنار هم گذاشتیم و متن هر سه را خواندیم. ساختارشان تقریبا یکی است: اول یک اجازه بسیار باز به سبک MIT، بعد دو شرط که فقط از یک آستانه درآمدی به بالا فعال می شوند، و در آخر تصریح اینکه استفاده داخلی از این شرط ها معاف است.

در مجوز کیمی کی۳ شرط اول این است: اگر کسب و کار شما «مدل به عنوان سرویس» باشد، یعنی به شخص ثالثی اجازه بدهید روی ورودی و پارامترها کنترل معنادار داشته باشد، و درآمد مجموع شما در هر دوازده ماه پیوسته از بیست میلیون دلار بگذرد، باید پیش از هر استفاده تجاری با مونشات قرارداد جدا ببندید. شرط دوم می گوید محصولی که بیش از صد میلیون کاربر فعال ماهانه یا بیش از بیست میلیون دلار درآمد ماهانه دارد باید نام Kimi K3 را روی رابط کاربری اش نشان بدهد. بند چهارم هم صریح می گوید هیچ کدام از این دو به استفاده داخلی مربوط نیست.

مجوز جیالام ۵.۳ همان قالب را دارد با یک آستانه بسیار بالاتر: ده میلیارد دلار درآمد در دوازده ماه، و به جای قرارداد، عبور از یک بازبینی امنیتی زد.ای. مجوز کوئن ۳.۸ مکس آستانه پنجاه میلیون دلار می گذارد و یک دسته دوم هم اضافه می کند به نام «دستیار کاری هوش مصنوعی»، یعنی محصول مستقلی که اساسا برای کدنویسی یا کار اداری ساخته شده باشد.

حالا نتیجه عملی، و اینجا جایی است که بیشتر متن های فارسی یا می ترسانند یا ساده سازی می کنند. برای یک شرکت ایرانی با چند ده کارمند، هر سه آستانه بالا بی ربط اند. اگر شما مدل را روی سرور خودتان اجرا کنید تا کار خودتان یا کار مشتری تان را انجام بدهید، عملا با یک مجوز شبیه MIT طرف اید. مجوزی که واقعا گاز می گیرد جای دیگری است: CC BY-NC. آن یکی استفاده تجاری را در هر اندازه ای ممنوع می کند و روی مدل هایی نشسته که کسی انتظارش را ندارد، مثل مدل ترجمه چندزبانه آیا اکسپنس ۳۲بی از کوهیر. اگر آن را داخل یک پروژه مشتری بگذارید، اندازه شرکتتان اهمیتی ندارد.

کارت مدل را قبل از ساختن روی آن بخوانید

کارت مدل همان صفحه اول مخزن است و پنج چیز در آن هست که در پانزده دقیقه خوانده می شوند و بعدا چند هفته کار را نجات می دهند. اول فایل LICENSE خود مخزن، نه برچسبی که بالای صفحه نشسته. برچسب برای سه مدل این فهرست فقط other است و متن واقعی داخل فایل است. دوم اینکه اصلا فایل وزن هست یا نه: مخزنی که فایل safetensors ندارد یک صفحه توضیح است و نه یک مدل قابل اجرا.

سوم تعداد پارامتر، که تعیین می کند این مدل روی چه چیزی بالا می آید و در بخش بعد به آن می رسیم. چهارم اینکه نسخه base است یا instruct: نسخه پایه دستور نمی گیرد و اگر انتظار جواب یک چت بات را از آن داشته باشید فکر می کنید مدل خراب است. پنجم تاریخ آخرین تغییر مخزن، چون همان طور که در جدول بالا دیدید مجوز بین دو نسخه عوض می شود.

و یک تله که مخصوص کارهای واقعی است: بازنشرهای فشرده شده. جامعه معمولا نسخه های چهار بیتی و هشت بیتی مدل ها را در مخزن های خودش می گذارد و همان ها هستند که روی سخت افزار معمولی جا می شوند. آن مخزن ها همیشه مجوز مخزن اصلی را ندارند و بعضی هایشان اصلا مجوزی ثبت نکرده اند. اگر روی یکی از آنها بسازید، چیزی که تحویل مشتری می دهید مجوزش نامعلوم است. راهنمای خود هاگینگ فیس درباره مجوز مخزن ها می گوید مجوز روی هر مخزن جدا اعلام می شود، و همین یک جمله کل ماجراست.

وزن باز یعنی فهرست کشور دیگر معنا ندارد

این یک واقعیت معماری است و نه یک راه دور زدن. یک API حساب کاربری دارد، حساب کاربری کشور دارد، کشور در فهرست کشورهای پشتیبانی شده هست یا نیست، و پرداخت هم کارت می خواهد. یک فایل وزن هیچ کدام از اینها را ندارد: چند فایل است که روی ماشینی که خودتان انتخاب کرده اید بار می شود. برای همین سوال «آیا این مدل از ایران کار می کند» درباره وزن باز اصلا سوال درستی نیست. سوال درست این است که آن ماشین کجاست و چقدر حافظه دارد.

ما در این سایت راه دور زدن محدودیت نمی نویسیم و اکانت هم نمی فروشیم؛ همان چیزی که در صفحه هوش مصنوعی از ایران نوشته ایم. آنچه اینجا می گوییم فقط این است که وزن باز یک لایه دسترسی دیگر است، نه یک ترفند. و دو محدودیت صادقانه اش را هم می گوییم: برای دانلود کردن باید به مخزن برسید، و برای اجرا باید سخت افزار داشته باشید.

سخت افزار همان جایی است که بیشتر بحث های خوش بینانه تمام می شود. یک قاعده سرانگشتی که خودتان می توانید حساب کنید: در دقت ۱۶ بیتی هر پارامتر دو بایت جا می گیرد. برای مدل ۲۷.۸ میلیارد پارامتری کوئن یعنی حدود ۵۵ گیگابایت فقط برای وزن ها، پیش از هر چیز دیگری. برای جیالام ۵.۳ با ۷۵۳ میلیارد پارامتر یعنی حدود یک و نیم ترابایت. نسخه های فشرده شده جامعه این عدد را چند برابر کم می کنند و همان ها هستند که اجرای محلی را ممکن می کنند، ولی ما هیچ کدام را روی سخت افزار خودمان اجرا نکرده ایم و عددی از خودمان نمی گوییم.

پس نتیجه صادقانه این است: مدل های کوچک این خانواده ها روی یک سرور اجاره ای معمولی قابل اجرا هستند، و مدل های پرچمدار همان فهرست نیستند. کسی که می گوید دیپ سیک متن باز است پس می توانید رایگان اجرایش کنید، احتمالا هیچ وقت ۱.۶۵ تریلیون پارامتر را جایی بار نکرده.

برای کار واقعی کدام را برداریم

سه حالت هست و جواب هر کدام فرق می کند. اگر فقط می خواهید ارزان تر از یک مدل درجه یک جواب بگیرید و اجرای محلی برایتان موضوع نیست، وزن باز اصلا به دردتان نمی خورد: همین مدل ها را از API خودشان بخرید و به عدد مقایسه ای نگاه کنید. اگر داده ای دارید که نباید از سرور شما بیرون برود، آن وقت وزن باز تنها مسیر است و باید از مدل کوچک شروع کنید و نه از پرچمدار. و اگر می خواهید مدل را داخل محصولی بگذارید که به مشتری می فروشید، اول مجوز را بخوانید و بعد کد بزنید.

ما اینجا نمی گوییم کدام مدل بهتر است، چون آن جواب هفته به هفته عوض می شود و جایش این صفحه نیست. جایش بخش مرجع هوش مصنوعی همین سایت است که هر ردیفش تاریخ خواندن و منبع دارد؛ چیزی که این درس به شما می دهد این است که وقتی آن جدول را می خوانید بدانید ستون مجوز یعنی چه.

یک مرز هم بگذاریم: تمام این بحث درباره مدل های زبانی است. مدل های تصویر و صدا مجوزهای متفاوت و گاهی سخت گیرتر دارند، و مدل هایی که خروجی شان مستقیم به دست مشتری می رسد سوال دیگری هم دارند که در درس های دیگر همین مسیر آمده: خروجی مدل، از نظر حقوقی، مال کیست.