Meta 10 серпня 2026 року представила «відкриту» версію своєї найпотужнішої моделі штучного інтелекту — і одразу наштовхнулася на стару претензію індустрії: чи можна взагалі називати відкритим код, ліцензія якого історично забороняє окремим компаніям використовувати модель без спеціального дозволу.

За даними NYT, реліз подають як продовження курсу на «демократизацію ШІ», який Meta веде ще з 2023 року, коли вперше опублікувала ваги Llama. Для індустрії це радше сигнал про темп конкуренції, ніж жест доброї волі: OpenAI, Google DeepMind і Anthropic тримають ваги флагманських моделей повністю закритими, а DeepSeek і Mistral вже показали, що відкриті релізи здатні наздоганяти закриті моделі за якістю відповідей.

Для AI-білдерів головне питання не в тому, наскільки модель потужна, а в тому, що саме дозволяє робити з нею ліцензія. Саме тут ховається різниця між маркетинговим «open source» і реальною свободою використання. Тому в цьому матеріалі ми розбираємо не характеристики моделі, а те, наскільки «відкритість» Meta відповідає інтересам звичайного розробника, а не тільки самої компанії.

Що саме Meta випустила під тегом open source?

За звичною для лінійки Llama практикою, реліз, найімовірніше, включає ваги моделі та інструменти для інференсу, а не повний код тренування чи навчальні дані — і саме це є головним пунктом суперечки навколо терміна «open source» у застосуванні до продуктів Meta.

• Ваги моделі у відкритому доступі для завантаження та локального розгортання.
• Ліцензійна угода (Llama Community License або її наступник), яка регулює комерційне використання.
• Шар безпеки на кшталт Llama Guard, що фільтрує небажані запити та відповіді.
• Відсутність повного розкриття джерел навчальних даних — типова риса всіх релізів Meta з 2023 року.

Чи це справді open source за визначенням OSI?

Формально — ні. Жоден реліз лінійки Llama досі не відповідав визначенню Open Source Initiative (OSI), яке вимагає повної відтворюваності моделі: доступу і до ваг, і до коду тренування, і до даних. Llama Community License традиційно забороняє компаніям із понад 700 мільйонами активних користувачів на місяць використовувати модель без окремої угоди з Meta — під цей поріг напряму підпадають Google, Microsoft, Amazon, ByteDance та Apple. Це не відкритість у класичному розумінні, а вибіркова відкритість, спрямована проти конкретних конкурентів.

Кому це вигідно, а хто може програти?

Найбільше виграють невеликі команди та стартапи: можливість завантажити модель, розгорнути її на власному залізі й дообучити під вузьку задачу коштує на порядок дешевше за постійні виклики платного API. Наприклад, команда, що будує продукт для медичних чи фінансових даних, отримує можливість тримати весь інференс у власному контурі, не передаючи запити зовнішньому API. Для команд, що працюють під EU AI Act, моделі з відкритими вагами також підпадають під легший комплаєнс-режим для general-purpose AI, ніж повністю закриті системи.

Програють у цьому раунді постачальники хмарної інфраструктури, що заробляють на монопольному доступі до топових закритих моделей, а також самі розробники безпеки: чим ширше розповсюджені ваги потужної моделі, тим складніше контролювати, хто і як прибирає вбудовані запобіжники після завантаження. Питання походження навчальних даних і потенційних претензій щодо авторських прав теж нікуди не зникає — воно просто переходить із Meta на кожного, хто розгортає модель у власному продукті.

Висновок AiiN: що це насправді змінює на ринку ШІ?

Наша теза: «open source» у виконанні Meta давно перестав бути ідеологічним жестом і став тактичним ходом у боротьбі за розробників — спосіб зробити свою модель інфраструктурним стандартом раніше, ніж це зробить хтось інший, у тому числі на тлі пошуку альтернатив класичному масштабуванню LLM, про який ми вже писали. Для AI-білдера це означає одне: цінність релізу вимірюється не гучністю заголовка, а конкретним текстом ліцензійної угоди — хто, за яких умов і з яким лімітом користувачів може її застосовувати. Читайте ліцензію раніше, ніж бенчмарки.

Чи можна використовувати модель Meta безкоштовно в комерційному продукті?

У більшості випадків так, якщо компанія не перевищує встановлений Meta поріг активних користувачів і погоджується з політикою прийнятного використання. Стартапам і середнім командам це зазвичай не заважає, а от великим платформам-конкурентам Meta — так.

Чим відкриті ваги відрізняються від справжнього open source коду?

Відкриті ваги дозволяють завантажити й запустити готову модель, але не відтворити її з нуля: код тренування і датасети зазвичай лишаються закритими. Справжній open source за визначенням OSI вимагає повної прозорості всього циклу — від даних до фінальних ваг.

Чи варто обирати відкриту модель Meta замість закритого API OpenAI чи Anthropic?

Це залежить від пріоритету: закриті API на кшталт GPT або Claude зазвичай дають вищу якість «з коробки» та менше клопоту з інфраструктурою, тоді як відкрита модель Meta вигідна там, де важливіші контроль над даними, передбачуваність витрат на великих обсягах запитів і можливість тонкого дообучення під вузьку задачу.