هوش مصنوعی متن‌باز: مفهوم واقعی «باز بودن» در Llama

شرکت Meta وزن‌های آموزش‌دیده Llama را همراه با شرایط استفاده مشخص منتشر کرده است. درباره این‌که آیا این لایسنس کاملاً متن‌باز است یا خیر، اینجا بخوانید.

8 دقیقه مطالعهبه‌روزرسانی شد

An open box sharing yarn threads with spools around it

Llama اغلب به‌عنوان «هوش مصنوعی متن‌باز» شناخته می‌شود. اما تعریف دقیق‌تر، جزئیات بیشتری دارد: Meta وزن‌های آموزش‌دیده را به‌صورت عمومی منتشر می‌کند تا بتوانید مدل را دریافت کرده و در هر جایی که مایلید اجرا کنید، اما این کار تنها تحت مجوزی با شرایط مشخص امکان‌پذیر است. این‌که آیا این رویکرد واقعاً متن‌باز محسوب می‌شود یا خیر، محل بحث است. در این راهنما به توضیح اصطلاحات، امکاناتی که وزن‌های باز فراهم می‌کنند، شرایط مجوز Llama، و جایگاه Llama در میان مدل‌های باز در اواخر سال ۲۰۲۶ می‌پردازیم.

یک مدل هوش مصنوعی از چه بخش‌هایی تشکیل شده است؟

  • معماری و کد: طراحی شبکه و نرم‌افزاری که مدل را آموزش داده و اجرا می‌کند.
  • وزن‌ها (پارامترها): میلیاردها عددی که در طول آموزش یاد گرفته می‌شوند. این وزن‌ها در واقع حامل اطلاعات و «دانش» مدل هستند و پرهزینه‌ترین بخش در فرایند تولید به‌شمار می‌روند.
  • داده‌های آموزشی: متن‌ها، کدها و تصاویری که مدل از روی آن‌ها آموزش دیده است.
  • مستندات: به‌ویژه برگه مشخصات مدل (model card)، که کاربردهای در نظر گرفته‌شده، زبان‌ها، محدودیت‌ها و ارزیابی‌ها را شرح می‌دهد.

اصطلاح «باز» ممکن است به هر یک از این بخش‌ها اشاره داشته باشد و ابهام دقیقاً از همین‌جا آغاز می‌شود.

مدل‌های بسته، وزن‌های باز و متن‌باز

مدل‌های بسته (Closed) صرفاً به‌صورت سرویس در دسترس هستند: شما درخواست‌های خود را به سرورهای شرکت ارسال می‌کنید و هرگز خود فایل‌های مدل را دریافت نمی‌کنید. مدل‌های با وزن باز (Open-weight) به شما اجازه می‌دهند وزن‌ها را دانلود کرده و آن‌ها را روی سخت‌افزار خود یا از طریق هر ارائه‌دهندهٔ دلخواهی اجرا کنید. متن‌باز (Open source) در مفهوم سنتی نرم‌افزار، معنای گسترده‌تری دارد: مجوزی که به هر فردی امکان می‌دهد از اثر برای هر هدفی استفاده کند، آن را بررسی کند، تغییر دهد و به اشتراک بگذارد؛ بدون تبعیض میان افراد یا حوزه‌های کاری.

در سال ۲۰۲۴، پیشگامان متن‌باز (OSI) که متولی تعریف متن‌باز است، «تعریف هوش مصنوعی متن‌باز نسخه ۱.۰» را منتشر کرد. این سند علاوه‌بر آزادی‌های مذکور، دسترسی به کدهای آموزش مدل و اطلاعات کافی درباره داده‌های آموزشی جهت بازتولید سیستمی مشابه را الزامی می‌داند. OSI رسماً اعلام کرده است که مجوزهای Llama شرکت Meta متن‌باز نیستند و به شرایط تجاری ویژه برای شرکت‌های بسیار بزرگ و محدودیت‌های خط‌مشی استفادهٔ قابل قبول اشاره کرده است. با این حال، Meta مدت‌هاست Llama را متن‌باز معرفی می‌کند.

بنابراین دقیق‌ترین توصیف کوتاه این است: Llama خانواده‌ای از مدل‌های با وزن باز است که تحت مجوز اختصاصی کامیونیتی Meta منتشر شده است.

مجوز کامیونیتی Llama به زبان ساده

هر نسل از Llama مجوز خاص خود را دارد؛ توافق‌نامهٔ مجوز کامیونیتی Llama 4 از ۵ آوریل ۲۰۲۵ اجرایی شد. نکات اصلی آن عبارتند از:

  • شما یک مجوز رایگان و جهانی برای استفاده، کپی، تغییر و توزیع مدل‌ها و همچنین ساخت آثار مشتق‌شده دریافت می‌کنید.
  • اگر Llama را توزیع کنید، یا محصول یا سرویسی ارائه دهید که شامل آن باشد، باید نسخه‌ای از مجوز را همراه آن قرار دهید و عبارت "Built with Llama" را به‌طور برجسته نمایش دهید. دلیل نمایش این عبارت در سایت ما نیز همین است.
  • اگر از Llama یا خروجی‌های آن برای ساخت یا بهبود یک مدل هوش مصنوعی استفاده کنید که قصد توزیع آن را دارید، نام آن مدل باید با "Llama" شروع شود.
  • شرکت‌هایی که محصولاتشان در زمان انتشار مدل بیش از ۷۰۰ میلیون کاربر فعال ماهانه داشته‌اند، باید از Meta درخواست مجوزی جداگانه کنند.
  • استفادهٔ شما باید مطابق با قوانین و خط‌مشی استفادهٔ قابل قبول Meta باشد که فعالیت‌های غیرقانونی و فهرستی از کاربردهای آسیب‌رسان را ممنوع می‌کند.
  • این مدل‌ها به‌صورت «همان‌گونه که هست» (as is) و بدون هیچ‌گونه ضمانتی ارائه می‌شوند.

صفحه مجوز Llama جزئیات بیشتری را پوشش می‌دهد. این توضیحات صرفاً اطلاعات عمومی است و مشاوره حقوقی محسوب نمی‌شود: قبل از ساخت هر محصولی بر پایه Llama، مجوز رسمی را مطالعه کنید.

امکاناتی که وزن‌های باز در اختیار شما می‌گذارند

  • اجرای مستقل مدل، روی کامپیوتر شخصی یا سرور خود با ابزارهایی مانند Ollama، LM Studio یا llama.cpp. در این حالت پرامپت‌های شما هرگز دستگاهتان را ترک نمی‌کنند. راهنمای نحوه اجرای محلی Llama را ببینید.
  • انتخاب ارائه‌دهنده دلخواه. شرکت‌های ابری متعددی Llama را میزبانی می‌کنند؛ بنابراین به قیمت‌ها یا شرایط یک شرکت خاص وابسته نیستید. بخش چت ما از یکی از همین سرویس‌ها استفاده می‌کند؛ توسعه‌دهندگان می‌توانند درباره استفاده از Llama از طریق API مطالعه کنند.
  • تنظیم دقیق (Fine-tune) مدل با داده‌های اختصاصی خودتان، جهت تطبیق آن با یک حوزه، زبان یا لحن مشخص.
  • بررسی و تحقیق. پژوهشگران می‌توانند رفتار درونی مدل را ارزیابی کنند؛ امری که در سرویس‌های بسته غیرممکن است.
  • حفظ نسخه مشخص. مدلی که دانلود کرده‌اید، با تغییر یا به‌روزرسانی محصولات شرکت ارائه‌دهنده، دستخوش تغییر نشده و حذف نمی‌شود.
قبل از دانلود امتحان کنید. چهار مدلی که در بخش چت ما حضور دارند، همان مدل‌های وزن‌باز Llama هستند که می‌توانید از Meta دانلود کنید. تست کردن تسک‌های همیشگی‌تان در اینجا مشخص می‌کند راه‌اندازی کدام نسخه روی سیستمتان ارزشش را دارد. کار را با Llama 3.1 8B، یعنی کوچک‌ترین مدل، شروع کنید.

محدودیت‌ها و چالش‌ها

  • سخت‌افزار. مدل‌های کوچک مانند Llama 3.1 8B روی یک سیستم خانگی قدرتمند اجرا می‌شوند، اما مدل‌های بزرگی مثل Llama 4 Maverick به سخت‌افزار سروری قدرتمندی نیاز دارند. اجرای شخصی مدل‌ها نیازمند پیکربندی و به‌روزرسانی مداوم نیز هست.
  • داده‌های آموزشی منتشر نشده‌اند. برگه‌های مشخصات Meta داده‌ها را فقط به‌صورت کلی توصیف می‌کنند؛ بنابراین هیچ‌کس خارج از Meta نمی‌تواند فرایند آموزش را کاملاً بازتولید یا بازرسی کند.
  • ایمنی تا حدی بر عهدهٔ شماست. مستندات Meta از توسعه‌دهندگان می‌خواهند تدابیر حفاظتی متناسب با سناریوی خود ایجاد کنند. همچنین Meta ابزارهایی مثل Llama Guard را برای فیلتر محتوا پیشنهاد می‌دهد.
  • شرایط مجوز همچنان پابرجاست، همان‌طور که در بالا اشاره شد.

پنج سوال مهم قبل از انتخاب یک مدل باز

  1. مجوز دقیقاً چه اجازه‌هایی می‌دهد و آیا با نوع استفاده من، از جمله استفاده تجاری، سازگار است؟
  2. آیا سخت‌افزار من توانایی اجرای آن را دارد، یا در هر صورت باید هزینه سرویس ابری بپردازم؟
  3. آیا مدل از زبان‌ها و ورودی‌های مدنظر من (متن، تصویر) پشتیبانی می‌کند؟
  4. اطلاعات مدل تا چه تاریخی به‌روز است و این موضوع چقدر برای کار من اهمیت دارد؟
  5. به چه لایه‌های امنیتی و فیلترهایی در کنار مدل نیاز خواهم داشت؟

خود Llama می‌تواند در این زمینه به شما کمک کند. متن یک مجوز یا برگه مشخصات را پیست کنید و بخواهید نکات مهم را برایتان شرح دهد:

در ادامه متن مجوز یک مدل هوش مصنوعی آمده است. به زبانی ساده خلاصه کن که چه کارهایی مجاز و چه کارهایی غیرمجاز است، در صورت ساخت محصول چه مواردی را باید نمایش داده یا رعایت کنم، و چه محدودیت‌هایی برای استفاده تجاری وجود دارد. موارد مبهم را مشخص کن. این صرفاً برای آشنایی است و مشاوره حقوقی محسوب نمی‌شود. متن مجوز: [متن را وارد کنید]

این پرامپت را در چت باز کنید، یا از ابزار خلاصه‌ساز برای مرور سریع برگه‌های طولانی مشخصات مدل استفاده نمایید.

جایگاه Llama در اواخر سال ۲۰۲۶

مدل‌های Llama 4 Scout و Llama 4 Maverick که در ۵ آوریل ۲۰۲۵ معرفی شدند، همچنان جدیدترین مدل‌های همه‌منظوره Llama و جدیدترین گزینه‌ها در چت ما هستند. شرکت Meta مدل بسیار بزرگ‌تر Llama 4 Behemoth را نیز در حال آموزش اعلام کرده بود که هنوز عرضه نشده است. از آن زمان، Meta تمرکز اصلی مدل‌های خود را به سری جدیدی به نام Muse منتقل کرده که توسط Meta Superintelligence Labs توسعه یافته است:

  • Muse Spark (آوریل ۲۰۲۶) مدلی اختصاصی است و دستیار رسمی Meta را مدیریت می‌کند.
  • Muse Glimmer (اوت ۲۰۲۶) یک مدل با وزن باز کوچک‌تر است که تحت مجوز Apache 2.0 (یک مجوز استاندارد و آسان‌گیر نرم‌افزاری) منتشر شده است.
  • Muse Wonder (اکتبر ۲۰۲۶) تنها از طریق سرویس‌های Meta در دسترس است و وزن‌های دانلودی ندارد.
  • Muse Spark Open (۱۵ اکتبر ۲۰۲۶) یک مدل با وزن باز بزرگ تحت مجوزی جداگانه به نام Muse Model License است.

مدل‌های Muse جزو خانواده Llama نیستند و در چت ما ارائه نمی‌شوند. برای مشاهده جدول زمانی کامل، تاریخچه Llama را ببینید.

شرکت‌های دیگر نیز مدل‌های وزن‌باز منتشر می‌کنند، از جمله DeepSeek، تیم Qwen متعلق به Alibaba و Mistral AI. در مقایسه‌های ما می‌توانید بررسی‌های Llama در برابر DeepSeek، Llama در برابر Qwen و Llama در برابر Mistral را مطالعه کنید.

پرسش‌های متداول

آیا استفاده از Llama هزینه‌ای دارد؟

دانلود وزن‌ها تحت مجوز Meta کاملاً رایگان است و بیشتر افراد و کسب‌وکارها نیازی به پرداخت وجه به Meta ندارند. اجرای آن‌ها البته نیازمند توان پردازشی است، چه با سخت‌افزار شخصی و چه با هزینه سرورهای ابری. چت وب‌سایت ما برای کاربران رایگان است، محدودیت پیام روزانه دارد و هزینه‌های آن از طریق تبلیغات تأمین می‌شود.

آیا هوش مصنوعی با وزن باز امنیت کمتری دارد؟

این موضوع محل بحث و گفتگوست. دسترسی به وزن‌های باز به افراد اجازه می‌دهد محدودیت‌های امنیتی را دور بزنند، اما از طرف دیگر به محققان مستقل امکان ارزیابی دقیق مدل‌ها و به سازمان‌ها اجازه می‌دهد داده‌های خود را داخل مجموعه نگه دارند. Meta نکات ایمنی را در برگه‌های مشخصات مدل ارائه کرده و افزودن لایه‌های حفاظتی مکمل را به توسعه‌دهندگان توصیه می‌کند.

آیا اگر فقط در اینجا چت کنم باید عبارت "Built with Llama" را درج کنم؟

خیر. این الزام تنها برای کسانی است که Llama را توزیع می‌کنند یا محصولاتی بر پایه آن می‌سازند (مانند همین سایت). هنگام استفاده از چت ما، قوانین استفاده ما اعمال می‌شود.

آیا می‌توانم مدل‌های مورد استفاده در این چت را دانلود کنم؟

بله. Meta هر چهار مدل را روی Hugging Face در دسترس قرار داده است، جایی که پیش از دانلود باید مجوز را بپذیرید: Llama 4 Maverick، Llama 4 Scout، Llama 3.3 70B Instruct و Llama 3.1 8B Instruct. در صفحه مدل‌ها جزئیات هر یک آمده است.

اولین سؤال خود را از Llama بپرسید

بدون نیاز به حساب کاربری یا نصب. چت را باز کنید، پیامی بنویسید و توانایی‌های Llama را ببینید.

شروع چت با Llama