מודל פתוח: מה מקבלים כשחברה "משחררת" מודל, ולמה חברות נותנות אותו בחינם

מומלץ לקרוא קודם את דיפסיק: למה מודל אחד הפיל את מניות השבבים ואת מודל שפה גדול, שמסביר איך הצ'אט בכלל יודע לענות. כאן בודקים מה בדיוק החברה נותנת כשהיא "משחררת" את המודל.

הפעם אנחנו נכנסים למסעדה, יוצאים עם קופסה ביד, ופותחים אותה במטבח בבית. לא צריך לדעת לבשל. צריך קצת ריכוז, ובתמורה תדעו בדיוק מה יש בקופסה ומה חסר בה.

הכול כאן נכון ל-29.10.2026.

"שחררו מודל בקוד פתוח." "אפשר להוריד אותו בחינם." "רץ אצלכם במחשב."

את הכותרות האלה שומעים כמעט כל שבוע, על עוד ועוד מודלים. גם על דיפסיק, שעליה דיברנו במאמר הקודם.

אבל מה בדיוק מורידים? תוכנה? מוח? ואם זה בחינם, איפה התנאים הקטנים?

בואו נעשה סדר.

מסעדה, או מנה בקופסה?

תחשבו על מסעדה טובה. יש שלוש דרכים ליהנות מהאוכל שלה.

הדרך הראשונה: אוכלים במסעדה. מזמינים, המנה מגיעה לשולחן, אוכלים. המטבח, המתכון והטבח נשארים אצלם. זה מודל סגור: כותבים לו באתר או באפליקציה של החברה, והוא רץ אצלה. צ'אט GPT (ChatGPT) וקלוד (Claude), למשל, עובדים כך.

הדרך השנייה: לוקחים את המנה הביתה. המסעדה נותנת לכם קופסה עם המנה המוכנה. בבית אפשר לחמם אותה מתי שרוצים, ואפילו להוסיף תבלין משלכם. אבל המתכון לא בקופסה. זה מודל עם משקלות פתוחים.

הדרך השלישית: המנה, וגם המתכון וגם רשימת הקניות. אפשר לחמם, לתבל, ואם רוצים, גם לבשל את כל המנה מחדש מאפס. זה מודל פתוח לגמרי.

כמעט בכל המודלים הפתוחים הבולטים שבדקנו למאמר הזה, מדובר בדרך השנייה. המנה בקופסה.

ומה בעצם יש בתוך הקופסה הזאת? בואו נפתח אותה.

צעד ראשון: מה זה "משקלות"

מודל שפה בנוי ממיליארדי מספרים קטנים. כל מספר הוא כמו כפתור כיוון, שקובע כמה חשוב חיבור מסוים בתוך המודל.

בזמן האימון המודל קורא כמות עצומה של טקסט, מנחש כל פעם את המילה הבאה, ואחרי כל טעות מזיז קצת את הכפתורים. אחרי מיליארדי ניחושים, הכפתורים מכוונים כך שהניחושים טובים.

ובמשפט אחד: המשקלות הם המצב הסופי של כל הכפתורים אחרי האימון, שמור בקובץ אחד גדול.

למה "משקלות"? כי כל מספר קובע כמה "משקל" לתת לחיבור. אבל אפשר לשכוח את המילה ולזכור את הקופסה: המשקלות הם המנה עצמה. כל הטעם נמצא בהם.

ומה יש בקופסה חוץ מהמנה? בדרך כלל גם קוד הרצה: תוכנה קטנה שטוענת את הקובץ ומפעילה אותו כדי שיענה. אלה הוראות החימום שמודבקות על המכסה.

כמה שוקלת הקופסה?

כאן מתחיל ההבדל הגדול בין מודל למודל. לפי גודל הקבצים בדפי ההורדה:

• מודל קטן של אופן איי איי (OpenAI), החברה של צ'אט GPT: כ-21 מיליארד מספרים, בקובץ של כ-14 ג'יגה. בערך עשירית מהנפח של טלפון עם 128 ג'יגה.
• מודל בינוני של עליבאבא, החברה של עליאקספרס: כ-28 מיליארד מספרים, כ-56 ג'יגה. כמעט חצי טלפון.
• מודל ענק של דיפסיק: כ-1.65 טריליון מספרים, כ-893 ג'יגה. בערך שבעה טלפונים מלאים, רק בשביל המודל.

כלומר "מודל פתוח" יכול להיות קופסה שנכנסת לתיק, ויכול להיות משטח של משאית.

אוהבים מספרים? לחצו כאן כדי לראות למה אותו מודל יכול לשקול פחות: כמה מקום תופס כל כפתור.

כל מספר בקובץ תופס מקום. בייט הוא יחידת זיכרון של שמונה מתגים, כמו שראינו במאמר על ביט ובינארי.

בהרבה מודלים, כמו המודל הבינוני של עליבאבא, כל מספר שמור בשני בייטים. לכן 28 מיליארד מספרים יוצאים כ-56 ג'יגה.

אפשר לחסוך: לשמור כל מספר בפחות מקום, קצת פחות מדויק. זה כמו לעגל מחיר מ-19.97 ל-20. את רוב הטעם זה לא משנה, ואת הקופסה זה מקטין.

דיפסיק שומרת את רוב המספרים במודל הענק שלה בחצי בייט, ואת השאר בבייט אחד. לכן כ-1.65 טריליון מספרים נכנסים לכ-893 ג'יגה, ולא לכ-3,300. וגם אופן איי איי כיווצה כך את החלקים הגדולים של המודל הקטן שלה.

ואם רוצים להבין מה זה בייט ואיך מספר בכלל נשמר בתוך מחשב, ביט ובינארי, מאפס מתחיל מההתחלה.

מקורות: דף המודל deepseek-ai/DeepSeek-V4-Pro (FP4 + FP8 Mixed: MoE expert parameters use FP4 precision; most other parameters use FP8.), ודף DeepSeek-V4-Pro-0813 (It is built on the DeepSeek-V4-Pro (Preview) model structure); דף המודל Qwen/Qwen3.8-27B (27.8B params, ~55.6 GB); דף המודל openai/gpt-oss-20b (The models were post-trained with MXFP4 quantization of the MoE weights). חשבון הבייטים (1.65 טריליון כפול שני בייטים) הוא שלנו. נבדק ב-29.10.2026.

מקור: דפי המודלים בהאגינג פייס, סכום גודל קבצי המשקלות ומספר הפרמטרים לפי הדף: openai/gpt-oss-20b (20.9B params, ~13.8 GB); Qwen/Qwen3.8-27B (27.8B params, ~55.6 GB); deepseek-ai/DeepSeek-V4.1-Flash (~510 GB); deepseek-ai/DeepSeek-V4-Pro-0813 (1.65T params, ~893 GB). ההשוואה לטלפון היא חשבון שלנו. נבדק ב-29.10.2026. לדף המודל gpt-oss-20b (באנגלית), נפתח בחלון חדש

צעד שני: מה צריך כדי לחמם את המנה

יש קופסה. עכשיו צריך מיקרוגל שהיא נכנסת אליו.

כדי שמודל יענה, כל הקובץ צריך לשבת בזיכרון העבודה של המחשב. זיכרון העבודה הוא החלק שבו המחשב מחזיק את מה שהוא עובד עליו ברגע זה, והוא מהיר בהרבה מהדיסק שבו הקבצים נשמרים.

כמו שמנה צריכה להיכנס כולה למיקרוגל. זה שהיא מחכה במקרר לא מספיק.

והזיכרון הזה הוא החלק היקר במחשב. הנה מה שהחברות עצמן כותבות:

• מודל קטן: לפי אופן איי איי, המודל הקטן שלה רץ בתוך 16 ג'יגה של זיכרון. לפי הערכה שלנו, זה מחשב חזק, לא מחשב משרדי רגיל.
• מודל בינוני: האח הגדול שלו צריך לפי החברה כרטיס גרפי אחד של 80 ג'יגה, מהסוג שעומד בחוות שרתים.
• מודל ענק: מטא (Meta), החברה של פייסבוק ווואטסאפ, כתבה ב-15.10.2026 שהמודל הפתוח שלה, מיוז ספארק אופן (Muse Spark Open), רץ על שני מחשבים שולחניים חזקים מאוד. לפי החברה, זה המודל הראשון בדרגה שלו שרץ על מחשב שעומד על שולחן.

אז "אפשר להריץ את זה בבית" נכון. רק צריך לשאול איזה בית, ואיזה מיקרוגל עומד בו.

מקורות: דף המודל openai/gpt-oss-20b (gpt-oss-120b run on a single 80GB GPU (like NVIDIA H100 or AMD MI300X) and the gpt-oss-20b model run within 16GB of memory); מטא, Introducing Muse Spark Open, 15.10.2026 (Muse Spark Open is the first model in its class to run on your desktop using two Apple M5 Ultra Mac Studios; so two machines can hold an entire model). נבדק ב-29.10.2026. להודעה של מטא (באנגלית), נפתח בחלון חדש

צעד שלישי: מה חסר בקופסה

עכשיו לחלק שקל לפספס.

במודל עם משקלות פתוחים יש מנה והוראות חימום. אבל שני דברים בדרך כלל לא נמצאים בקופסה:

1. קוד האימון, כלומר המתכון. התוכנה שבעזרתה בנו את המודל מאפס: באיזה סדר הוא קרא, כמה זמן, ואיך תיקנו אותו בדרך.
2. נתוני האימון, כלומר רשימת הקניות וחומרי הגלם. הטקסטים שהמודל קרא כדי ללמוד. לפעמים הדוח הטכני מתאר אותם במילים, אבל הם עצמם לא להורדה.

ולמה זה משנה? כי בלי רשימת הקניות אי אפשר לדעת בדיוק ממה המנה עשויה. ובלי המתכון אי אפשר לבשל אותה מחדש, גם אם יש לכם מטבח ענק.

אפשר לתבל, כלומר לכוונן: להמשיך לאמן את המודל קצת על טקסטים שלכם, כדי שידבר בסגנון שלכם או ידע את המונחים של התחום שלכם. אבל הבסיס נשאר המנה שקיבלתם.

ויש גם קופסה שלישית

יש מעבדות שנותנות הכול. דוגמה מוכרת היא אולמו (Olmo) של מכון אלן לבינה מלאכותית (Ai2), מכון מחקר ללא מטרות רווח בארצות הברית.

ושלא תתבלבלו בין שלושה שמות דומים: אולמו (Olmo) הוא מודל של מכון מחקר. אולמה (Ollama) היא תוכנה להרצת מודלים במחשב, ונפגוש אותה במאמר הבא. ולאמה (Llama) היא משפחת מודלים של מטא.

בדף של Olmo 3 כתוב שהם משחררים "את כל הקוד" ואת פרטי האימון. אוסף הטקסטים שעליו אומן המודל נמצא להורדה, וגם קוד האימון. זו המנה, המתכון ורשימת הקניות.

ויש לזה גם הגדרה רשמית. קוד פתוח, כלומר תוכנה שהמתכון שלה גלוי לכל, הוא מושג ותיק בעולם התוכנה. הארגון שמגדיר אותו כבר שנים, יוזמת הקוד הפתוח (Open Source Initiative), פרסם הגדרה גם לבינה מלאכותית.

לפי ההגדרה שלו, כדי שמודל ייקרא "קוד פתוח" צריך שלושה דברים: מידע מפורט על הנתונים (לא בהכרח את הנתונים עצמם), את כל הקוד לאימון ולהרצה, ואת המשקלות.

לכן יש מי שמקפיד לומר "משקלות פתוחים" ולא "קוד פתוח", כשרק המנה בקופסה.

מקורות: מכון אלן, דף המודל allenai/Olmo-3-1025-7B (These models are trained on the Dolma 3 dataset. We are releasing all code, checkpoints, and associated training details.; The code and model are released under Apache 2.0); אוסף הנתונים allenai/dolma3_mix-6T-1025 וקוד האימון github.com/allenai/OLMo-core; מכון אלן על עצמו (We are a Seattle based non-profit AI research institute); Open Source Initiative, The Open Source AI Definition 1.0 (Data Information: Sufficiently detailed information about the data used to train the system; Code: The complete source code used to train and run the system; Parameters: The model parameters, such as weights or other configuration settings). נבדק ב-29.10.2026. להגדרה של OSI (באנגלית), נפתח בחלון חדש

המדבקה על הקופסה: הרישיון

על כל קופסה שלוקחים הביתה, גם האמצעית וגם השלישית, יש מדבקה. ושם מתחבאים התנאים.

רישיון הוא המסמך שמצורף לקובץ וקובע מה מותר לעשות בו: להשתמש בעסק? לשנות? למכור מוצר שבנוי עליו? ובאילו תנאים.

קובץ שאפשר להוריד הוא לא בהכרח קובץ שמותר לעשות בו הכול. בדיוק כמו קופסה שכתוב עליה "לשימוש ביתי בלבד".

הנה המדבקות הנפוצות, מהפשוטה למסובכת:

• MIT: רישיון קצר מאוד. מותר כמעט הכול, כולל שימוש מסחרי, בתנאי שמשאירים את הודעת זכויות היוצרים. דיפסיק משחררת כך את המודלים שלה.
• Apache 2.0: גם הוא מתיר כמעט הכול, כולל מסחר, ומוסיף סעיפים מסודרים על פטנטים ועל ציון שינויים. כך משוחררים המודל הקטן של אופן איי איי, המודל הבינוני של עליבאבא ואולמו.
• רישיון של החברה, עם תנאים: מותר להשתמש, אבל עם סעיפים משלה. ברישיון של לאמה 4 (Llama 4) של מטא, למשל, מי שבונה מוצר על המודל צריך להציג במקום בולט, באתר, בממשק או בהסבר למשתמשים, "Built with Llama".

ויש משפט אחד שמופיע כמעט בכל הרישיונות האלה, בפשוטים ובמסובכים: התוכנה ניתנת "כמו שהיא", בלי אחריות. החברה לא מתחייבת לכלום לגבי התשובות.

רוצים לראות איך נראים התנאים הקטנים? לחצו כאן: שלוש מדבקות אמיתיות, ומה כתוב באותיות הקטנות.

Llama 4 (מטא, בתוקף מ-5.4.2025): חברה שביום שחרור Llama 4 היו לה יותר מ-700 מיליון משתמשים בחודש צריכה לבקש ממטא רישיון נפרד. מי שמאמן מודל חדש בעזרת Llama ומפיץ אותו צריך שהשם שלו יתחיל במילה Llama. ובמדיניות השימוש יש סעיף על המודלים שמבינים גם תמונות: הזכויות לא ניתנות לחברה שהמשרד הראשי שלה באיחוד האירופי, אלא אם היא רק משתמשת במוצר שבנוי עליהם.

Qwen Community License 1.0 (עליבאבא, לחלק מהדגמים של משפחת קוון): מי שמוכר לאחרים גישה למודלים, או מפעיל מוצר עצמאי שהוא עוזר AI לקוד או לעבודה משרדית, צריך רישיון נפרד לשימוש מסחרי. שימוש פנימי בעסק, שלא נותן לאחרים גישה למודל או לתשובות שלו, פטור.

Kimi K3 (מונשוט, Moonshot AI): רישיון שמתיר כמעט הכול, עם שתי תוספות. מי שמוכר לאחרים גישה למודל, עם הכנסה של יותר מ-20 מיליון דולר ב-12 חודשים, צריך הסכם נפרד. ומוצר עם יותר מ-100 מיליון משתמשים בחודש, או יותר מ-20 מיליון דולר הכנסה בחודש, צריך להציג בבירור את השם Kimi K3. שימוש פנימי פטור משתי התוספות.

לרוב העסקים הקטנים הסעיפים האלה לא רלוונטיים. אבל הם מראים שכל מדבקה שונה, ושכדאי לקרוא אותה לפני שבונים מוצר על המודל, ולהראות את הטקסט המשפטי למי שמבין בזה. זה לא ייעוץ משפטי.

מקורות: Llama 4 Community License Agreement, Effective Date: April 5, 2025 (If, on the Llama 4 version release date, the monthly active users ... is greater than 700 million monthly active users in the preceding calendar month, you must request a license from Meta; you shall also include "Llama" at the beginning of any such AI model name) ומדיניות השימוש (With respect to any multimodal models included in Llama 4, the rights granted under Section 1(a) ... are not being granted to you if you are ... a company with a principal place of business in, the European Union. This restriction does not apply to end users); Qwen Community License 1.0 (If the licensee or any of its affiliates conducts a Model as a Service or AI Work Assistant business, the licensee shall obtain a separate license from Qwen; "AI Work Assistant" means an independent AI-powered product primarily designed for AI-assisted coding or office productivity; shall not apply to the licensee's internal Use of the Software, provided that such Use does not make the Software, its outputs, or its underlying model capabilities available to any third party); Kimi K3 License, סעיפים 2-4 (If the Licensee or any of its affiliates operates a Model as a Service business, and the aggregate revenue ... exceeds 20 million US dollars ... over any consecutive 12 months, the Licensee must enter into a separate agreement with Moonshot AI; more than 100 million monthly active users, or more than 20 million US dollars ... in monthly revenue, "Kimi K3" must be prominently displayed; The requirements set forth in Sections 2 and 3 do not apply to: (a) internal use of the Software). נבדק ב-29.10.2026.

מקורות: דף המודל deepseek-ai/DeepSeek-V4.1-Flash (This repository and the model weights are licensed under the MIT License); דפי המודלים openai/gpt-oss-20b, Qwen/Qwen3.8-27B, allenai/Olmo-3-7B-Instruct (license: apache-2.0); Llama 4 Community License Agreement (prominently display "Built with Llama" on a related website, user interface, blogpost, about page, or product documentation); Qwen Community License 1.0 (THE SOFTWARE AND ANY OUTPUT AND RESULTS THEREFROM ARE PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND). נבדק ב-29.10.2026. לרישיון של Llama 4 (באנגלית), נפתח בחלון חדש

נסו בעצמכם: מה יש בכל קופסה?

בהדגמה יש שלוש קופסאות: "1. מסעדה", "2. מנה בקופסה" ו"3. מנה עם מתכון". בכל אחת חמישה מקומות: משקלות, קוד הרצה, קוד אימון, נתוני אימון, והמדבקה, כלומר הרישיון.

נסו בעצמכם: פתחו כל קופסה, בדקו מה בפנים ומה חסר, ולחצו על פריט כדי לקרוא עליו. ובסוף ענו על השאלה בהדגמה: באיזו קופסה אפשר לבשל את המנה מחדש מאפס?

מה ראיתם? במסעדה לא לוקחים הביתה כלום. במנה בקופסה יש את מה שצריך כדי לחמם ולתבל, אבל לא את המתכון ולא את רשימת הקניות. ורק בקופסה השלישית יש הכול, ולכן רק איתה אפשר לבשל מאפס.

מה יש היום על המדף

בדקנו את דפי ההורדה של המודלים הפתוחים הבולטים, נכון ל-29.10.2026. שני דברים בולטים מיד.

הראשון: לכל דגם מדבקה משלו. גם אצל אותה חברה, דגם קטן יכול לצאת ברישיון פשוט, ודגם גדול ממנו ברישיון של החברה עם תנאים.

השני: חלק מהקופסאות נעולות בטופס. כדי להוריד את המודלים של מטא, למשל, צריך למלא פרטים ולחכות לאישור.

רוצים לראות את המדף עצמו? לחצו כאן: שבע מעבדות, והמדבקה של כל אחת.

• דיפסיק: DeepSeek-V4.1-Flash ו-V4-Pro, ברישיון MIT.
• עליבאבא, משפחת קוון (Qwen): Qwen3.8-27B ב-Apache 2.0; דגמים גדולים יותר מהמשפחה ברישיון של החברה, עם תנאים.
• ג'יפו (Z.ai): GLM-5.3-Flash ב-MIT; GLM-5.3 הגדול ברישיון של החברה.
• מונשוט: Kimi K3, ברישיון של החברה, עם תנאים.
• אופן איי איי: gpt-oss-20b ו-gpt-oss-120b, ב-Apache 2.0.
• מטא: Muse Spark Open, ברישיון חדש של החברה (Muse Model License), ולפניו משפחת Llama 4. בשניהם ההורדה נעולה בטופס.
• מכון אלן: Olmo 3, ב-Apache 2.0, וזה המודל היחיד ברשימה שמגיע גם עם המתכון וגם עם רשימת הקניות.

מקור: דפי המודלים בהאגינג פייס, שדה הרישיון: deepseek-ai/DeepSeek-V4.1-Flash (mit); deepseek-ai/DeepSeek-V4-Pro-0813 (mit); Qwen/Qwen3.8-27B (apache-2.0); Qwen/Qwen3.8-Flash-Next (qwen-community-1.0); zai-org/GLM-5.3-Flash (mit); zai-org/GLM-5.3 (glm-5.3); moonshotai/Kimi-K3 (kimi-k3); openai/gpt-oss-120b (apache-2.0); meta-models/Muse-Spark-Open-816B-A42B (muse-model-license, gated); meta-llama/Llama-4-Scout-17B-16E-Instruct (llama4, gated); allenai/Olmo-3-7B-Instruct (apache-2.0). נבדק ב-29.10.2026.

למה לתת את המנה בחינם?

זו השאלה הגדולה. בניית מודל עולה הרבה מאוד כסף, אז למה לתת אותו להורדה?

אנחנו לא מנחשים ולא מכריעים. הנה מה שהחברות עצמן אמרו, במילים שלהן, לפי סדר התאריכים.

מה אמרו החברות

מארק צוקרברג, מנכ"ל מטא, 23.7.2024: "אני מאמין שקוד פתוח הכרחי לעתיד טוב של בינה מלאכותית."

ועל החברה שלו: מכירת גישה למודלים היא לא המודל העסקי של מטא, ולכן שחרור Llama "לא פוגע בהכנסות שלנו" כמו אצל ספקים סגורים.

הוא גם כתב ששמע ממפתחים, ממנהלי חברות ומאנשי ממשל שהם רוצים לאמן מודלים משלהם, להגן על הנתונים שלהם, ולא להיות תלויים בספק סגור אחד.

ליאנג וונפנג, מייסד דיפסיק, ביולי 2024, בראיון לאתר הסיני "אן-יונג" (Waves): נשאל איך החברה תשמור על היתרון שלה אם היא מפרסמת הכול. הוא ענה: "מול טכנולוגיה שמשנה הכול, החומה שקוד סגור בונה היא זמנית."

לדבריו, הערך של החברה הוא הצוות והידע שהוא צובר, ו"קוד פתוח הוא יותר עניין של תרבות מאשר של מסחר".

ועוד: "לא נעבור לקוד סגור."

צוות קוון של עליבאבא, 29.4.2025, בהודעה על Qwen3: "אנחנו מאמינים שהשחרור של Qwen3 כקוד פתוח יקדם משמעותית את המחקר והפיתוח של מודלי יסוד גדולים."

סם אלטמן, מנכ"ל אופן איי איי, 5.8.2025, ביום שחרור המודלים הפתוחים של החברה: "אנחנו נרגשים להנגיש לעולם את המודל הזה, תוצאה של מחקר בשווי מיליארדי דולרים, כדי שה-AI יגיע לידיים של כמה שיותר אנשים."

ובהמשך אותו פוסט: אנשים צריכים להיות מסוגלים "לשלוט ישירות ב-AI שלהם ולשנות אותו כשהם צריכים", ו"יתרונות הפרטיות ברורים".

אדי וו, מנכ"ל עליבאבא, בכנס הטכנולוגיה של החברה, ספטמבר 2025: "אנחנו ממשיכים להתחייב לשחרר את קוון כקוד פתוח, ולהפוך אותו ל'מערכת ההפעלה של עידן ה-AI', כדי לתת למפתחים בכל העולם לבנות אפליקציות AI חדשניות."

מטא, 15.10.2026, בהודעה על מיוז ספארק אופן: "אנחנו משתפים את העבודה הזאת כי אנחנו רוצים שלכולם תהיה גישה למודלים הטובים ביותר."

מקורות: מארק צוקרברג, Open Source AI Is the Path Forward, 23.7.2024 (I believe that open source is necessary for a positive AI future.; a key difference between Meta and closed model providers is that selling access to AI models isn't our business model. That means openly releasing Llama doesn't undercut our revenue, sustainability, or ability to invest in research like it does for closed providers.; When I talk to developers, CEOs, and government officials across the world, I usually hear several themes: We need to train, fine-tune, and distill our own models. We need to control our own destiny and not get locked into a closed vendor. We need to protect our data.). ליאנג וונפנג, ראיון ל-Waves (暗涌, אתר בת של 36Kr), יולי 2024, בתרגום לאנגלית שפורסם ב-ChinaTalk, 27.11.2024 (In the face of disruptive technologies, moats created by closed source are temporary.; In fact, open source is more of a cultural behavior than a commercial one, and contributing to it earns us respect.; We will not change to closed source.). צוות קוון, Qwen3: Think Deeper, Act Faster, 29.4.2025 (We believe that the release and open-sourcing of Qwen3 will significantly advance the research and development of large foundation models.). סם אלטמן, פוסט ברשת אקס, 5.8.2025 (We're excited to make this model, the result of billions of dollars of research, available to the world to get AI into the hands of the most people possible.; people should be able to directly control and modify their own AI when they need to, and the privacy benefits are obvious.). הודעת עליבאבא, 25.9.2025, על דברי אדי וו בכנס אפסרה 2025 (We remain committed to open-sourcing Qwen and shaping it into the 'operating system of the AI era,' empowering developers around the world to build transformative AI applications.). מטא, 15.10.2026 (We're sharing this work because we want everyone to have access to the best models.). התרגום לעברית שלנו. נבדק ב-29.10.2026. למכתב של צוקרברג (באנגלית), נפתח בחלון חדש לתרגום הראיון (באנגלית), נפתח בחלון חדש לפוסט של אלטמן (באנגלית), נפתח בחלון חדש להודעת עליבאבא (באנגלית), נפתח בחלון חדש

מה אפשר לעשות עם המנה בבית, ומה לא

נניח שיש לכם קופסה, ומחשב שהיא נכנסת אליו. מה זה נותן?

מה כן:

• המנה אצלכם. כשהמודל רץ במחשב שלכם, מה שאתם כותבים לו לא נשלח לחברה שבנתה אותו. זה ההבדל בין לאכול בבית לבין לאכול במסעדה.
• עובד גם בלי אינטרנט. הקובץ במחשב, ואין צורך לחכות לשרת של מישהו אחר.
• אפשר לתבל. לכוונן את המודל על טקסטים שלכם, בגבולות שהרישיון מתיר.

מה לא:

• המנה לא מתחדשת לבד. הקובץ שהורדתם קפוא. הוא יודע את מה שלמד עד יום האימון, ולא יותר. כשהחברה מוציאה גרסה חדשה, זו קופסה חדשה שצריך להוריד ולהתקין.
• צריך מיקרוגל מתאים. מודל גדול צריך מחשב עם הרבה זיכרון, ולפעמים חדר שרתים. מודל שנכנס למחשב רגיל הוא לרוב מודל קטן יותר.
• החברה לא מתחייבת לכלום לגבי התשובות. המדבקה אומרת "כמו שהוא, בלי אחריות". ההתקנה, האבטחה, הגיבוי ובדיקת התשובות הם עליכם, או על מי שמתקין לכם.

ושאלה אחת נשארת פתוחה: אם המודל הגיע ממעבדה בסין, האם מותר ובטוח להשתמש בו בעסק? התשובה תלויה בשאלה איפה הוא רץ, וזה נושא המאמר הבא בסדרה.

במשפט אחד

סגור הוא ארוחה במסעדה, משקלות פתוחים הם מנה בקופסה בלי המתכון, פתוח לגמרי הוא גם המתכון, ועל כל קופסה יש מדבקה שקובעת מה מותר.

ומה זה נותן לבעל עסק?

פרשנות של צוות האתר

"מודל פתוח" נשמע כמו "חינם ופשוט". לפעמים זה באמת חינם. פשוט, פחות.

הנה שלוש שאלות קטנות ששווה לשאול לפני שבונים משהו על מודל כזה:

1. מה בקופסה? רק המנה, או גם המתכון? כי מי שצריך לדעת בדיוק על מה המודל אומן, ימצא את זה רק בקופסה השלישית.
2. מה כתוב על המדבקה? MIT ו-Apache 2.0 מתירים כמעט הכול. רישיון של חברה יכול להוסיף תנאים, ועדיף לגלות אותם לפני שהמוצר כבר בנוי, לא אחרי.
3. מי מחמם, ומי מחליף קופסה? מודל במחשב שלכם צריך מחשב מתאים, מישהו שמתקין, מאבטח ומגבה, ומישהו שמחליף אותו כשיוצאת גרסה טובה יותר. כמה זה מהר קורה, יש למה מודלים מתחלפים כל כך מהר.

ובינתיים, לכל כלי, פתוח או סגור, יש מה מותר להדביק בצ'אט: רשימה קצרה של מה להכניס ומה לא.

הצעד הבא

המאמר הקודם בסדרה, דיפסיק: למה מודל אחד הפיל את מניות השבבים, מסביר ממה בנוי המודל שדיפסיק שחררה, ולמה רק חלק קטן ממנו עובד על כל מילה. המאמר הבא בסדרה, מודל סיני: מה בטוח ומה לא, עוסק בשאלה איפה נשמר המידע כשמשתמשים במודל כזה: באפליקציה של החברה, אצל ספק אחר, או במחשב שלכם.

ומי שרוצה להבין מה יש בתוך הקובץ הגדול, הטרנספורמר מסביר מאפס איך המספרים האלה הופכים לתשובה.