大模型的开源化浪潮，正重塑软件产业的协作与商业模式。自DeepSeek等开放权重模型引发广泛关注以来，“开源模型”已成为企业研发、产品集成与法律治理无法回避的命题。然而，传统开源（Open Source）范式以“源代码可得”为内核，而大模型时代的“开源”往往止步于“权重开放”（open-weight），二者在客体属性、许可逻辑与法律规制上差异显著。本文依循“原理—问题—主体风险与应对”的三层结构，系统梳理开源模型所涉法律风险，期为开源相关实务提供可落地的分析框架。

一、开源模型与开源软件的核心原理

（一）概念界定：从“开源软件”到“开源模型”

开源软件（Open Source Software, OSS）由开放源代码促进会（OSI）以“开源定义”（OSD）予以制度化，其核心在于：任何人得以自由地运行、复制、分发、研究、修改与再分发该软件，且许可证不得歧视任何领域或任何主体。开源的本质并非“免费”，而是“自由的再分发与修改权”以著作权许可为法律载体。

开源模型（Open Model）则是大模型时代的衍生概念。与开源软件披露“源代码”不同，开源模型通常披露三层次客体：其一为训练与推理代码；其二为模型权重（weights），即经训练得到的参数集合；其三为配套文档（含训练方法、评测、用途限制）。当前业界所称“开源模型”，多数仅开放权重与推理代码，训练数据与完整训练代码仍受控，故严格而言应称“开放权重模型”（open-weight model），而非 OSI 意义上的“开源”。为弥合此争议，OSI 于2024年发布《开放源代码人工智能定义》（OSAID），将开放训练数据信息、开放代码与开放权重并列作为“开源AI”的最低标准，但 OSAID 尚非具有法律约束力的规范，仅为行业自律基准。

（二）许可机制：附解除条件的著作权许可合同

开源许可证的法律性质，通说认为属于“附解除条件的著作权许可合同”。著作权人保留所有权，仅以许可证为据，在相对人遵守约定义务（如注明出处、开放衍生源代码、不主张专利）的前提下，授予其使用、修改与分发的权利；一旦相对人违约，许可条件成就解除，原被授予的权利溯及消灭，使用行为随之转化为对著作权的侵权。该“违约—侵权”的转化路径，是开源合规的核心法理：许可证既是授权依据，亦是追责开关。

在合同形式上，开源许可证多为格式合同（定型化条款），由许可人单方拟定、相对人点击或随附接受，通常成立“默示许可”。其解释应优先遵从许可证文本文义，并参照 OSI 对 OSD 的官方释义；对争议条款，可结合“开源社区合理预期”予以体系解释。此外，因我国《民法典》未设专门“开源许可”有名合同，其权利义务可归入无名合同，准用委托、许可等相关规则。

（三）分发与修改逻辑：Copyleft 的“传染性”

开源许可证依义务强度，可区分为三类。宽松许可证（Permissive，如 MIT、BSD、Apache-2.0）仅要求保留版权声明与免责，不强制开源衍生成果，商业友好。弱 Copyleft（如 LGPL、MPL）仅对受保护文件本身的修改课以开源义务，允许与专有代码动态链接共存。强 Copyleft（如 GPLv2/v3、AGPL）则具强“传染性”：任何基于原作的“衍生作品”一经“分发”（distribution），必须整体以相同许可证开源。AGPL 更将“网络交互式提供软件服务”视同分发，封堵以 SaaS 规避开源义务的空间。

“分发”与“修改”是触发义务的两大法律行为。其一，分发指向不特定第三人的提供（含网络下载、容器镜像、嵌入产品交付）；纯内部使用通常不构成分发，不触发 Copyleft。其二，修改产生“衍生作品”的认定难题——静态链接、深度定制、模型微调是否构成衍生，传统以“是否形成独立受保护作品”的二元判断常失之武断。有论者提出以“实质性影响测试”替代：考察修改是否实质性改变了原作的表达或功能架构，再判定 Copyleft 的辐射范围。该测试对界定模型微调、LoRA 适配器、权重蒸馏是否触发开源义务，具有重要参考。

（四）模型开源的四要素与权重属性争议

模型开源较软件开源多出“训练数据”与“权重”两重要素，形成“代码—权重—数据—文档”的四层客体结构。其中权重的法律属性争议尤剧：权重是受著作权保护的“作品”，还是受专利法/商业秘密保护的“技术成果”，抑或仅系“不受典型知识产权覆盖的参数集合”？主流倾向认为，训练所得的权重若体现足够创造性选择可构成汇编或衍生作品，但更多情形下其保护倚赖许可证与商业秘密；而未公开训练数据的权重，则可能因“技术秘密”属性获得反不正当竞争法救济。权重属性的不确定，直接放大了许可条款的解释风险。

二、开源模型涉及的相关法律问题

（一）知识产权归属

一是代码与文档权属。模型推理代码、训练框架、配套文档一般构成计算机软件作品或文字作品，权属依《著作权法》确定：自然人开发者享有著作权；职务作品（员工为完成工作任务所创作）除另有约定外，著作权由单位享有，作者享有署名权；委托开发合同未约定权属的，著作权归受托人。企业引入开源模型时，应审查上游贡献者协议（CLA），确认权利链完整，避免“权利瑕疵”传导。

二是训练数据权属与侵权风险。训练语料常含受版权保护的作品、个人信息与商业秘密。未经许可抓取并用于训练，可能构成对复制权、改编权的侵害；含个人信息的，须满足《个人信息保护法》的合法性基础与告知义务；含商业秘密的，存在侵害商业秘密责任。数据权属不清，是开源模型最易被忽视的“隐性负债”。

三是权重权属。如前所述，权重属性未定，其归属多依赖许可证约定与训练方单方声明，缺乏统一裁判规则，构成权利确认的不稳定因素。

（二）许可合规与许可证兼容性

大模型时代出现明显的许可证“非标化”趋势。除传统标准许可证外，厂商普遍采用自定义许可证，如 Meta的 Llama Community License、BigScience 的 OpenRAIL、Google 的 Gemma 使用条款（ToU）、Modified MIT，以及兼具开源与商业限制的 SSPL、Elastic License、BSL 等。此类许可证常植入“用途限制”（如禁止高发犯罪、成人内容、特定规模以上商业使用须授权）与“行为义务”（如输出标识、下游分发限制），其与 OSD 的兼容性存疑，多不被 OSI 承认为“开源”。

由此衍生两大合规命题：其一，格式合同的解释与效力，尤其是超出 OSD 的用途限制条款，在我国法下是否因“免除己方责任、加重对方责任”而面临格式条款无效之争；其二，许可证兼容性（License Compatibility），即在同一产品中聚合不同许可证的代码/权重时，强 Copyleft 与宽松许可证、非标许可证之间可能发生冲突，须借助 SBOM（软件物料清单）与 SCA（软件成分分析）工具进行兼容性扫描，避免“混用即违约”。

（三）Copyleft 传染与专利风险

Copyleft 的“传染性”在模型场景下被放大。若企业基于 GPL/AGPL 权重或代码进行微调、蒸馏并对外提供（含 API 服务），可能触发整体开源义务，致核心资产被迫披露。AGPL 的“网络分发”条款，使以云端推理服务形式提供模型亦可能被认定为分发。

专利风险具双向性。一方面，部分许可证嵌入专利授权与“专利报复终止”条款（如 Apache-2.0 规定，若被许可人就该软件对任何人提起专利诉讼，其专利授权自动终止），企业须评估自身专利组合与诉讼策略的冲突。另一方面，模型本身可能侵害第三方专利权（如特定网络架构、训练方法专利），开源并不豁免专利侵权责任——开源许可证通常仅授予“著作权”维度的权利，专利维度多为“视情况授予”甚至明确保留，使用者须独立承担专利侵权风险。

（四）数据合规

数据合规贯穿训练、生成与标识全链条。训练侧：爬虫获取数据的合法性、个人信息处理的同意与目的限制、重要数据的出境与安全管理，分别受《网络安全法》《数据安全法》《个人信息保护法》规制。生成侧：模型生成内容须防范侵害他人人格权、名誉权与知识产权。标识侧：依据《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》及强制性国家标准 GB 45438-2025《人工智能生成合成内容标识办法》，服务提供者须对 AI 生成合成内容进行显式与隐式标识。开源模型的再分发者，若实际提供生成服务，亦可能落入标识义务主体范围。

（五）出口管制

开源模型亦进入地缘政治与出口管制的疆域，此点常被技术团队低估。美国《出口管理条例》（EAR）以 ECCN 编码对军民两用物项分类管制，并设“实体清单”（Entity List）等限制措施。传统上，公开的开源软件源代码可依 EAR 第734.3(b)(3)条之“公开可得”例外，免受 ECCN 5D002 的出口审批约束；但模型权重是否等同“源代码”而享受同等待遇，美国商务部迄未明确，OSAID 亦未解决此跨境法律冲突。2025年前后美国推出的“AI 扩散规则”对先进计算芯片与模型参数规模设限，更使高参数模型权重、训练框架与算力工具的跨境流动面临管制不确定性。

对于企业而言：第一，接入境外开放权重模型时，应核查许可人是否位于受制裁实体清单、许可证是否含出口/再分发地域限制；第二，向境外提供自研模型或接受境外算力，须评估是否触发 EAR 及我国《出口管制法》《反外国制裁法》的双向合规义务；第三，所谓“开源即不受管制”系重大误判，权重与算力的管制属性独立于代码开源状态。

三、开发者与使用者立场下的法律风险及应对

（一）开源模型开发者（许可人）的风险与应对

    1、权利确认与瑕疵担保风险。

     开发者须确保自身对代码、权重、文档享有合法权利，训练数据来源合规，避免将他人专有代码或受版权数据混入而构成侵权。

    应对：建立数据来源台账与授权链审查，对关键训练数据采用清洁室（clean-room）开发或合法授权集；以 CLA（贡献者许可协议）固化和解贡献者权利让与，并留存开发日志、代码提交记录等“独立研发”证据，以备权属争议与刑事出罪之需。

     2、许可证选择失当风险。

误用强 Copyleft 可能使自身核心资产被迫开源；选用非标许可证则面临效力与兼容性争议。

应对：依商业目标择证——以生态扩散为目的可选宽松许可证或 OSAID 兼容之开放权重许可证；以商业控制为目的可采 OpenRAIL 等附义务许可证，但应预判其 OSD 兼容性及格式条款效力风险，并形成“许可证选型决策树”（生态目标→许可证类型→兼容性→商业控制强度）。

3、责任与免责风险。

开源并不免除开发者对产品缺陷、数据安全与生成侵权的潜在责任。

应对：在许可证中设置充分的免责（AS-IS）与责任限制条款，就高危用途设用途限制，并保留对违法使用的追责权利。刑事维度上，参考“开源无罪抗辩第一案”之裁判逻辑，在确属公开、正当、无窃取商业秘密故意的情形下，可主张构成要件不该当或基于法益的实质出罪；但开发者仍应避免在明知他人商业秘密的情形下以“开源”包装实施侵占。

（二）许可协议核心关注要点（许可人视角的条款清单）

从条款起草与审查角度，许可人应重点把控以下核心要点，并将其嵌入发布前的“开源发布检查表”（OSS Release Checklist）：

实操动作：将上述要点固化为发布前置清单——SBOM 生成 → 许可证兼容性扫描 → CLA 签署 → 数据来源审计 → 免责与限制条款嵌入 → 版本与再许可（relicense）策略确认，逐项勾选后方可对外发布。

（三）开源模型使用者（被许可人）的风险与应对

1、Copyleft 传染与资产暴露风险。

使用者若将 GPL/AGPL 组件引入专有产品并对外分发或提供云服务，可能被迫公开全部衍生源码。应对：在产品架构层面对开源组件作隔离（进程隔离、API 解耦），优先采用宽松许可证组件；建立 SBOM 与 SCA 常态化扫描，于准入环节即识别许可证类型与兼容矩阵。

2、许可证违约转化侵权风险。

违反署名、开源、用途限制等义务，将使许可解除、行为转为侵权并面临索赔。

应对：制定内部开源使用政策（OSS Policy），明确禁止项（如不得将 AGPL 直接嵌入对外 SaaS），留存合规证据；对非标许可证的用途限制，应经法务实质审查并评估格式条款效力。

3、数据、知识产权与监管合规风险。

使用开源模型生成内容可能侵害第三方权利，亦须履行标识、算法备案、大模型备案/登记等监管义务（《生成式人工智能服务管理暂行办法》第8、9、10、12、14、15、17、19、22条等）。

应对：在模型接入前完成知识产权侵权与数据合规尽职调查，部署内容安全与标识机制，落实算法与大模型备案；对境外模型，叠加出口管制与数据跨境合规审查。

4、供应链与持续合规风险。

开源项目可能停更、改证或曝出漏洞。

应对：锁定版本、镜像托管、跟踪 CVE与许可证变更，将开源治理纳入企业软件法律治理路线图，实现 IP、开源、SaaS 与 AI 编程的全链路合规。

（四）许可协议核心关注要点（被许可人视角的审查清单）

被许可人在接入前，应就以下要点逐项审查，并沉淀为《第三方开源/开放权重模型接入尽调表》：

实操动作：制定《开源软件使用政策》（OSS Policy）+ SBOM/SCA 自动化准入闸口 + 第三方模型接入尽调表（数据合规、算法/大模型备案、内容标识、出口审查四栏），将许可协议审查前置到研发立项而非上线前补票，从源头阻断“传染”与违约风险。

结语

开源模型并非“法外之地”，其法律风险图谱横跨著作权、专利、数据、合同、竞争与出口管制多个法域。对开发者而言，核心在于以恰当许可证实现“开放”与“控制”的平衡，并夯实权利与数据合规底座；对使用者而言，核心在于以 SBOM/SCA 与开源政策筑牢“传染性”与违约防线，并将监管与跨境合规前置。唯有在清晰的法律框架内善用开源，方能使大模型的开源红利真正转化为可持续的创新动能。

附：开源模型许可协议审查速查表