Pesos oberts no vol dir barra lliure

El que descarregues són nombres

Un model d'IA té tres peces: l'arquitectura, que és el disseny de la xarxa; els paràmetres, entre els quals hi ha els pesos, i el codi d'inferència, que és el programa que el fa funcionar. L'arquitectura s'assembla al plànol d'un edifici buit; els pesos són el que l'entrenament hi ha anat escrivint a dins.

Entrenar és la part cara: consisteix a ajustar aquests nombres una vegada i una altra amb quantitats enormes de dades fins que el model respon bé. Qui descarrega els pesos aprofita aquesta feina sense haver-la de repetir.

La mida varia moltíssim: els quatre models publicats el 15 d'octubre van d'uns quants milions de paràmetres a més de 800.000 milions, i això decideix en quina màquina hi caben.

L'OSI posa el llistó

Per a l'OSI, els pesos oberts són els pesos i els biaixos finals d'una xarxa ja entrenada, els valors que determinen com interpreta el model allò que rep i què retorna. Compartir-los amb una llicència aprovada per l'OSI permet que altres ajustin, adaptin o despleguin el model.

Però només n'és una part. Uns pesos oberts no inclouen el codi d'entrenament, ni les dades, ni el detall de com es van netejar i equilibrar. Sense aquestes peces, adverteix l'OSI, es veu l'estat final del model, però és difícil reproduir-lo, auditar-lo o entendre com es va entrenar.

La comparació més senzilla és la d'un pastís. Els pesos són el pastís acabat: el pots menjar, tallar o tornar a decorar, però sense la recepta ni la llista d'ingredients no saps com s'ha fet ni en pots coure un altre d'igual.

Pesos oberts no és codi obert

L'Open Source AI Definition 1.0 fixa quatre llibertats: fer servir el sistema per a qualsevol finalitat i sense demanar permís, estudiar com funciona, modificar-lo per a qualsevol finalitat i compartir-lo, amb canvis o sense. Per exercir-les cal tenir el que la definició anomena la forma preferida per fer-hi modificacions.

En un sistema d'aprenentatge automàtic, aquesta forma inclou, amb termes aprovats per l'OSI, informació sobre les dades prou detallada perquè una persona experta construeixi un sistema substancialment equivalent, el codi complet d'entrenament i d'execució, i els paràmetres. I val per a cada peça per separat: uns pesos només són de codi obert si vénen amb la informació sobre les dades i el codi que els van produir.

Amb aquest llistó al davant, la primera llibertat ja fa la destria. Una llicència que veta usos concrets o obliga a demanar permís a partir de certa facturació no deixa fer servir el model per a qualsevol finalitat sense preguntar. I tampoc no n'hi ha prou amb una llicència permissiva: hi faltarien la informació sobre les dades i el codi.

Per a què serveix tenir-los a casa

Tenir els pesos permet executar el model en les teves pròpies màquines, sense enviar dades a ningú. Black Forest Labs és un laboratori d'IA per a imatge amb seus a Friburg (Alemanya) i San Francisco; la seva darrera ronda, una sèrie B de 300 milions de dòlars el desembre de 2025, la van coliderar Salesforce Ventures i Anjney Midha (AMP), amb a16z, General Catalyst i la mateixa Nvidia entre els inversors. Del seu FLUX 3 Image Klein en diu que els equips amb requisits de sobirania de dades o de desplegament local el poden avaluar i adaptar en la seva pròpia infraestructura.

Mistral AI, l'empresa europea d'IA fundada el 2023, es finança amb capital privat: el setembre de 2026 va anunciar una sèrie D de 3.000 milions d'euros liderada per Samsung Electronics, amb una valoració de més de 21.000 milions després de la ronda. Amb Timestral, la seva família de models per preveure sèries temporals, va més lluny: diu que el pot desplegar en el maquinari del client, incloses xarxes aïllades d'internet.

La segona utilitat és adaptar-los. Black Forest Labs publica una versió base de Klein precisament per a l'ajust fi, LoRA i la recerca, i la llicència de Muse Spark Open, de Meta, permet expressament ajustar el model, crear-ne derivats, destil·lar-lo i fusionar-lo.

El límit és el maquinari: la taula va d'una targeta gràfica domèstica a un servidor amb centenars de gigabytes de memòria. Per això Muse també s'ofereix per API a través de proveïdors externs.

Quatre llicències, quatre lletres petites

La més permissiva és OpenMDW, la llicència de Nemotron 3.5 Super VL, el model de Nvidia que entén text, imatges i vídeo. La van presentar el 2025 la Linux Foundation, organització sense ànim de lucre que acull projectes oberts, i la PyTorch Foundation, que custodia la biblioteca d'aprenentatge automàtic PyTorch dins de la mateixa Linux Foundation. Permet fer servir, modificar i redistribuir sense restriccions, inclou permís sobre les patents que contingui el model i no imposa res sobre els resultats; a canvi, qui presenti una demanda al·legant que el model infringeix patents o drets d'autor perd la llicència, tret que respongui a una demanda prèvia contra ell.

A l'altre extrem hi ha la FLUX Kommunity License: per defecte, ús no comercial, i només qui compleix el llindar de facturació pot aprofitar comercialment les imatges que genera. A més, ningú no pot fer servir el model ni els seus resultats per millorar un competidor de FLUX.

Al mig, Meta i Mistral parteixen de la redacció de la llicència MIT, una de les més obertes del programari, i hi afegeixen condicions: Meta, una política d'ús i un avís obligatori en el producte; Mistral, un límit de facturació que deixa fora les empreses grans.

El llindar no es mesura igual a totes

Muse i Timestral coincideixen en la xifra i poca cosa més. Muse suma els ingressos de dotze mesos seguits, filials incloses, i només compten si ofereixes el model com a servei, és a dir, si dones accés a tercers per API perquè en rebin els resultats. L'ús intern, la recerca i les funcions d'un producte propi queden fora d'aquesta clàusula.

Timestral mira el mes anterior i la facturació consolidada de la teva empresa o de la que et dona feina. Si se supera, no hi ha cap dret sobre el model ni sobre els seus derivats, sigui quin sigui l'ús; només queda demanar a Mistral una llicència comercial, que concedeix a criteri seu, o fer servir el seu núvol.

FLUX Kommunity mesura ingressos anualitzats i la seva excepció només cobreix la generació comercial de resultats: la fitxa avisa que no és un permís general per ajustar el model amb finalitats comercials ni per distribuir-lo. OpenMDW no té llindar.

Cinc preguntes abans de descarregar

Llegir una llicència de model costa menys amb les preguntes preparades. Aquestes cinc ordenen la lectura; si hi ha diners o clients pel mig, mana el text complet i, si cal, algú que en sàpiga de dret.

Primera: permet l'ús comercial, i de què? No és el mateix vendre el que genera el model que vendre el model, ajustar-lo per a un client o redistribuir-lo.

Segona: hi ha llindar d'ingressos i com es mesura? Per any o per mes, amb filials o sense, comptant la teva empresa o la que et dona feina, i per a qualsevol ús o només per oferir el model com a servei.

Tercera: obliga a atribuir? Algunes demanen incloure la llicència en cada còpia; d'altres, un avís visible en el teu producte, com el «Built with Muse Spark Open» de Meta.

Quarta: quins usos prohibeix i a qui no s'adreça? Les llistes inclouen usos militars, vigilància o biometria, i Muse Spark Open no està pensat per a menors d'edat.

Cinquena: què passa amb el que generes i amb el que hi construeixes a sobre? Meta no reclama la propietat dels resultats, però considera derivat qualsevol model entrenat amb aquests resultats; FLUX veta fer-los servir per millorar un competidor, i OpenMDW no hi imposa res.

Un cas d'exemple: una botiga en línia

Un cas inventat per practicar: una botiga en línia de ceràmica de València, amb deu empleats i una facturació equivalent a 2 milions de dòlars l'any, vol fotos de producte, un assistent al web i una previsió de comandes. No hi ha mesuraments al darrere, només la lectura de les llicències.

Per a les fotos encaixa FLUX 3 Image Klein: la botiga factura per sota del llindar anual, així que pot fer servir comercialment les imatges que generi, amb les condicions de la llicència. Si volgués ajustar el model amb el seu catàleg amb finalitats comercials, la fitxa adverteix que l'excepció no ho cobreix per si sola. I aquestes fotos no poden servir per entrenar un generador d'imatges propi.

Per a l'assistent, Muse Spark Open demana 700 GB de memòria gràfica, fora de l'abast d'una botiga, i per API caldria llegir a més les condicions del proveïdor. Si l'executés en els seus servidors, la clàusula dels 20 milions, tal com està redactada, no sembla que l'afecti: un assistent al seu propi web és una funció del seu producte, no un servei de model; sí que hauria de mostrar l'avís de Meta i complir la política d'ús, que adverteix que el model no està pensat per a menors de 18 anys. Nemotron 3.5 Super VL, amb OpenMDW, no li posaria límits d'ús, però la seva versió NVFP4 demana com a mínim una DGX Spark o una GPU de centre de dades com l'H200, segons la fitxa de Nvidia.

La previsió de comandes és el més senzill: Timestral funciona en una CPU de servidor i la botiga és molt lluny del llindar mensual, de manera que n'hi hauria prou amb conservar l'avís d'atribució a les còpies. Però si demà la comprés un grup que factura més de 20 milions de dòlars al mes, podria perdre els drets sobre el model i sobre el que hi hagi construït: la llicència compta la facturació consolidada, i caldria comprovar si passa a comptar la del grup.