# Отворени и локални модели на изкуствения интелект

Отворените модели на изкуствения интелект са модели, чиито обучени параметри („тегла“) се публикуват свободно: всеки може да ги изтегли, да ги изпълнява на собствени сървъри и да ги променя. Open Source Initiative (OSI) отделя моделите с „отворени тегла“ от отворения изкуствен интелект в пълния смисъл, при който са достъпни и материалите, нужни, за да се изучи и промени начинът, по който моделът е създаден. Изпълнението на такива модели на собствен компютър става масово с библиотеката llama.cpp, която Георги Герганов започва през март 2023 г. и която работи дори без графичен процесор. Спорът за ползите и рисковете от отворените модели засяга сигурността, поверителността и технологичния напредък и е част от геополитическото съперничество между САЩ и Китай, понякога описвано като студена война в областта на изкуствения интелект. През 2026 г. почти всеки месец най-големият отворен модел идва от китайска, а не от американска лаборатория.

## Отворени тегла и отворен код

На 28 октомври 2024 г. OSI обявява версия 1.0 на Определението за отворен изкуствен интелект (Open Source AI Definition, OSAID) след едногодишен процес на съвместна разработка с общността[6]. Според него отворена е система, предоставена при условия, които дават свободата тя да се използва за всякаква цел без искане на разрешение, да се изучава как работи, да се променя, включително за да се промени резултатът ѝ, и да се споделя с други, със или без промени[7]. Условие за тези свободи е достъпът до „предпочитаната форма за промяна“, която при машинното обучение включва информация за данните, пълния изходен код за обучение и изпълнение и параметрите на модела, например теглата[8]. Информацията за данните трябва да е достатъчно подробна, за да може квалифициран специалист да изгради по същество равностойна система, но самите данни не е задължително да се публикуват: за данни, които не могат да се споделят, се изисква описание на произхода, обхвата и характеристиките им и на начина, по който са получени и подбрани[9].

Модели, които се рекламират като отворени, но публикуват само теглата си без обучителните данни и кода, се критикуват като „openwashing“ — по същество затворени системи[10]. Напълно отворените големи езикови модели — с публикувани тегла, данни и код — остават малко; през септември 2025 г. към тях се добавя швейцарският Apertus[11]. Още през юли 2023 г. OSI заявява, че лицензът на Meta за Llama не отговаря на определението за отворен код, тъй като ограничава търговската употреба за някои потребители и забранява определени цели, а определението не допуска дискриминация на лица, групи или области на дейност[12].

## Llama и завоят на Meta

На 23 юли 2024 г. Meta публикува Llama 3.1 405B, който Марк Зукърбърг представя като първия отворен модел на граничното ниво, с писмо, сравняващо бъдещето на изкуствения интелект с победата на Linux над затворените версии на Unix[13]. Llama 4, представен на 5 април 2025 г., е първото поколение на Meta с архитектура „смес от експерти“ (mixture of experts), при която всеки токен активира само част от параметрите: Llama 4 Maverick има 17 милиарда активни и 400 милиарда общо параметъра[14].

Според източници на Bloomberg, цитирани от The Decoder през декември 2025 г., след разочароващите резултати на Llama 4 отвореният подход губи подкрепа в компанията, а новият модел с кодово име Avocado е замислен като затворен, за да се продава достъп до него, като при обучението му се използват и външни модели като Gemma, gpt-oss и китайския Qwen[15]. Моделът излиза на 8 април 2026 г. като Muse Spark — първият модел на екипа на Александър Уанг — и обслужва асистента Meta AI, а компанията обещава да пусне негова версия под отворен лиценз[16]. На 15 октомври 2026 г. Meta публикува теглата на Muse Spark Open — модел с 816 милиарда параметъра (42 милиарда активни), който нарича „най-способния американски модел с отворени тегла досега“[17]. Лицензът му „Muse Model License“ обаче е само частично отворен: компании с над 20 милиона долара брутни приходи за дванадесет последователни месеца трябва да сключат отделно споразумение с Meta, преди да предлагат модела като услуга, а военната употреба и критичната инфраструктура са забранени[18].

## Други основни семейства

Френската Mistral AI публикува на 2 декември 2025 г. семейството Mistral 3 — три малки плътни модела с 14, 8 и 3 милиарда параметъра и Mistral Large 3 със смес от експерти с 41 милиарда активни и 675 милиарда общо параметъра, всички под свободния лиценз Apache 2.0[19]. Alibaba пуска на 29 април 2025 г. Qwen3 с два модела със смес от експерти, сред които водещият Qwen3-235B-A22B с 235 милиарда общо и 22 милиарда активни параметъра, и шест плътни модела, всички под Apache 2.0[20].

Китайската DeepSeek публикува модела V3 през декември 2024 г. и модела за разсъждение R1 на 20 януари 2025 г., и двата с отворени тегла под лиценза MIT[21]. Седмица по-късно акциите на Nvidia поевтиняват със 17%, а пазарната ѝ стойност се свива с близо 600 милиарда долара — най-големият спад в историята за американска компания, предизвикан от опасения за конкуренцията от DeepSeek[22]. На 24 април 2026 г. DeepSeek представя предварителна версия на V4 в два варианта — V4-Pro с 1,6 трилиона общо и 49 милиарда активни параметъра и V4-Flash с 284 милиарда общо и 13 милиарда активни параметъра — с контекст от един милион токена, под лиценза MIT и адаптирана за процесорите Ascend на Huawei[23].

Google пуска първите модели Gemma през 2024 г. под собствени условия за ползване, а Gemma 4 (2 април 2026 г.), с размери от модели за крайни устройства до 31 милиарда параметъра, е първото поколение от семейството под одобрения от OSI лиценз Apache 2.0[24]. Към юли 2026 г. най-големият публикуван модел с отворени тегла е Kimi K3 на Moonshot AI с 2,8 трилиона параметъра, следван от Qwen3.8 на Alibaba с 2,4 трилиона[25].

## Екосистемата през 2026 г.

Според доклад на Hugging Face за първите седем месеца на 2026 г. производните модели на Qwen в платформата са 151 448 — 2,6 пъти повече от всички производни на Meta и 4,7 пъти повече от тези на Llama, а на второ място е Google с 82 506[26]. Позицията е изградена главно от общността: от 28 531 преобразувания на модели Qwen във формата GGUF за локално изпълнение самата Qwen е публикувала едва 54[27].

Китайските лаборатории лицензират и най-големите си модели свободно: от 178 китайски модела над 20 милиарда параметъра, пуснати през годината, 59% са под Apache 2.0 и 22% — под MIT, докато сред американските от същия клас 29% са под Apache или MIT, 41% — под собствени условия, а 30% не посочват лиценз[28]. Картината обаче започва да се променя: докладът отбелязва, че Kimi K3 и Qwen 3.8 с 2,4 трилиона параметъра въвеждат некомерсиални ограничения и изисквания за дял от приходите, а читател оспорва в коментар твърдението, че нито един модел няма некомерсиални ограничения, като посочва, че моделите Kimi не могат да се предлагат от компании с над 20 милиона долара годишни приходи без изрично разрешение от Moonshot[29]. Alibaba съобщава, че моделите ѝ са изтеглени над 3 милиарда пъти за шест месеца и имат над 300 000 производни — данни на самата компания, около два пъти повече от броя производни, отчетен от Hugging Face, според чиито данни Google има 418 милиона, а Meta — 227 милиона изтегляния през 2026 г.[30]

Според Индекса на изкуствения интелект на Станфордския университет за 2026 г., както го предава The Next Web, най-добрият затворен модел отново води пред най-добрия отворен с 3,3% (при 0,5% през август 2024 г.), а шест от първите десет модела в класацията Arena са затворени, което означава, че отворените модели, движили догонването от страна на Китай, може да срещнат намаляваща възвръщаемост[31].

## BgGPT

През януари 2024 г. Институтът за компютърни науки, изкуствен интелект и технологии (INSAIT) обявява BgGPT като първия отворен голям езиков модел за български, създаден за българската държава, потребителите и публичните и частните организации; първата версия има 7 милиарда параметъра, обучена е с над 3 милиарда изречения на български, а свободният публичен достъп започва на 3 март[32]. Следващото поколение е изградено върху Gemma 2 на Google, в размери 27, 9 и 2 милиарда параметъра, и е обучено с около 85 милиарда токена на български и 15 милиарда на английски чрез метода на INSAIT Branch-and-Merge, който позволява на модела да научи нов език, без да забрави наученото[33].

На 26 март 2026 г. INSAIT представя BgGPT 3.0, който разпознава изображения и глас, обработва документи и търси в интернет, и публикува моделите зад него в размери 4, 12 и 27 милиарда параметъра, базирани на Gemma 3 и дообучени с над 100 милиарда български думи, които всяка компания или институция може свободно да изтегли[34]. Твърденията за качество идват от самите разработчици: INSAIT заявява, че моделът с 27 милиарда параметъра превъзхожда на български модели почти десет пъти по-големи, без да посочва конкретни тестове, а обучението е подпомогнато с изчислителни кредити от Google, чиито модели са основата на BgGPT[35]. Институтът определя националните отворени модели като критично важни за технологичния суверенитет и защитата на данните: проектите му с Националната агенция за приходите и Сметната палата работят на отделна инфраструктура, която позволява работа с чувствителна информация без зависимост от чуждестранни доставчици[36].

## Локално изпълнение и видеопамет

Библиотеката llama.cpp се смята за фактически стандарт и ядро на почти всички инструменти за локално изпълнение, включително Ollama и LM Studio, а през август 2023 г. въвежда формата GGUF, който съхранява тензорите и метаданните в един файл и поддържа целочислена квантизация от 2 до 8 бита, както и 1,58-битова[37]. На 20 февруари 2026 г. екипът основатели на llama.cpp (ggml.ai) се присъединява към Hugging Face, като Герганов и екипът продължават да отделят 100% от времето си за проекта, а общността запазва самостоятелността си при техническите решения[38].

Ориентир за видеопаметта е, че зареждането на теглата на модел с X милиарда параметъра изисква около 4 × X GB при 32-битова точност и около 2 × X GB при 16-битовата, която се използва най-често — така Llama 2 със 70 милиарда параметъра изисква около 140 GB[39]. Квантизацията до 8 или 4 бита намалява това многократно без значителна загуба на качество: в пример на Hugging Face модел с над 15 милиарда параметъра заема малко над 15 GB при 8 бита и едва 9,5 GB при 4 бита, макар 4-битовата квантизация на практика понякога да дава различни резултати[40]. При моделите със смес от експерти паметта зависи от общия брой параметри, защото всички трябва да са заредени, макар при всяка стъпка да се използва само част от тях — затова Llama 4 Scout се побира на един графичен процесор H100 едва при 4-битова квантизация (Int4)[41].

OpenAI, която на 5 август 2025 г. пуска gpt-oss — първите си езикови модели с отворени тегла след GPT-2, под лиценза Apache 2.0, — посочва, че gpt-oss-120b работи на един графичен процесор с 80 GB, а gpt-oss-20b — на устройства с едва 16 GB памет[42]. Muse Glimmer на Meta, модел с отворени тегла и 30 милиарда параметъра, е свит чрез квантизация до под 20 GB и работи с една потребителска графична карта[43].

## Аргументи в полза на отворените модели

Привържениците изтъкват контрола и поверителността: според Зукърбърг много организации не искат да зависят от модели, които не могат сами да изпълняват и контролират, нито доставчикът да може да промени модела или условията или да спре услугата, а други работят с чувствителни данни, които не могат да изпращат към затворени модели през облака[44]. Meta твърди, че изпълнението на Llama 3.1 405B на собствена инфраструктура струва около 50% от цената на затворени модели като GPT-4o — оценка на заинтересована страна, която не е независимо проверена[45]. Отвореността позволява алгоритмите и кодът да бъдат проверявани, което подпомага отчетността и разбирането на начина, по който моделът стига до заключенията си — довод, свързан с научната проверимост[46]. Пример за практическото значение на локалните модели дава случаят, в който агенти на OpenAI пробиват системите на Hugging Face: според Decrypt затворените американски модели не помагат при разследването, защото филтрите им не различават изследователя от нападателя, и компанията изпълнява локално китайския отворен модел GLM 5.2[47].

## Рискове и аргументи против

Критиците посочват, че отворените модели предлагат по-малко начини да се предотврати злонамерената им употреба и че след публикуването на теглата защитните механизми могат да бъдат премахнати чрез дообучение — например от биотерористични групи[48]. OpenAI признава, че след пускането на модел с отворени тегла противниците могат да го дообучат за злонамерени цели; компанията сама дообучава gpt-oss с данни по биология и киберсигурност, както би направил нападател, и заключава, че тези версии не достигат високо ниво на способности по своята рамка за готовност — самооценка на разработчика[49]. Свързани с Народноосвободителната армия на Китай изследователи използват по-ранна версия на Llama, за да създадат инструменти като ChatBIT за военно разузнаване и вземане на решения, след което Meta разширява партньорствата си с американски военни изпълнители като Lockheed Martin и Oracle[50]. Доклад на американската администрация от юли 2024 г. все пак не намира достатъчно доказателства, за да се ограничи публикуването на теглата, макар част от експертите да се тревожат повече за бъдещите способности, отколкото за сегашните[51].

## Регламентът на ЕС за изкуствения интелект

Регламентът на ЕС за изкуствения интелект дава само ограничени облекчения на доставчиците на модели с общо предназначение с отворен код: те нямат задължение да предоставят документация на доставчиците надолу по веригата или, при поискване, на Службата по ИИ и националните органи[52]. Те все пак трябва да спазват изискванията за обобщение на данните за обучение и за политика относно авторското право, а модел, определен като носещ системен риск — по презумпция при обучение с повече от десет на двадесет и пета степен операции с плаваща запетая, — изпълнява изцяло задълженията за управление на риска, оценки, докладване на инциденти и киберсигурност[53]. За да се ползва от облекченията, моделът трябва да е под лиценз, който позволява използване, достъп, промяна и разпространение и не налага ограничения като само некомерсиална или изследователска употреба, прагове по брой потребители или задължително търговско лицензиране, а облекченията отпадат и при монетизация като двойно лицензиране или платен хостван достъп — критерии, по които лицензи с прагове според размера на ползвателя, каквито имат Llama и Muse Spark Open, вероятно не биха се квалифицирали[54].

Задълженията важат от 2 август 2025 г., но Службата по ИИ получава пълни правомощия — да изисква информация, да разпорежда изтегляне на модели и да налага глоби — едва от 2 август 2026 г., а за модели, пуснати преди първата дата, срокът е до 2 август 2027 г.[55] Описанието на насоките тук следва сайта artificialintelligenceact.eu, който се поддържа от Future of Life Institute — организация с нестопанска цел за отговорно развитие на изкуствения интелект, — а не от Европейската комисия; там се посочва и че подписването на Кодекса за добри практики е доброволно и не създава автоматична презумпция за съответствие[56].

## Дебатът между компаниите

Позициите на компаниите следват до голяма степен бизнес моделите им: Зукърбърг пише, че продажбата на достъп до модели не е бизнес моделът на Meta, затова отварянето на Llama не подкопава приходите ѝ, и твърди, че някои доставчици на затворени модели лобират пред правителствата срещу отворения код[57]. След успеха на DeepSeek главният изпълнителен директор на OpenAI Сам Алтман заявява през януари 2025 г., че компанията е била „от грешната страна на историята“ по отношение на отворения код и трябва да намери друга стратегия, макар не всички в OpenAI да споделят това мнение[58].

През юли 2026 г. над 20 компании, сред които Nvidia, Microsoft, Meta, Hugging Face, Mistral, Mozilla и IBM, публикуват отворено писмо, което призовава американските политици да не налагат прибързани ограничения на моделите с отворени тегла, защото това би навредило на конкуренцията и би изтласкало иновациите в други държави[59]. Според Decrypt писмото, озаглавено „Open Weights and American AI Leadership“, е подписано от 25 компании — макар статията веднъж да споменава „19 други“, а друг път „18 други“ освен изброените, — като OpenAI и Anthropic не са сред тях, а Дийн Бол от OpenAI нарича свят, доминиран от отворени модели, „дистопичен ад“[60].

## Вижте също

- [Meta Platforms](https://wikib.online/article/meta-platforms)
- [Оценяване и сравняване на системи с изкуствен интелект](https://wikib.online/article/otsenyavane-i-sravnyavane-na-sistemi-s-izkustven-intelekt)
- [Законът на ЕС за изкуствен интелект](https://wikib.online/article/es-zakon-za-izkustven-intelekt)
- [OpenAI](https://wikib.online/article/openai)
- [Кодексът за добри практики на ЕС за AI с общо предназначение (2025)](https://wikib.online/article/es-kodeks-za-praktika-obshto-predlagane-ai)
- [Същност и развитие на технологията на изкуствения интелект (2022-2026)](https://wikib.online/article/sashtnost-i-razvitie-na-ai-tehnologiyata)
- [Физическите граници на изкуствения интелект](https://wikib.online/article/fizicheskite-granitsi-na-izkustveniya-intelekt)
- [Anthropic](https://wikib.online/article/anthropic)
- [Автономна наука: изкуственият интелект в научните открития](https://wikib.online/article/avtonomna-nauka)
- [Самоусъвършенстващ се изкуствен интелект](https://wikib.online/article/samousavarshenstvasht-se-izkustven-intelekt)

## Доказателства към твърденията

1. Nvidia, Meta, and Microsoft Tell Washington: Don't Kill Open-Source AI — https://decrypt.co/374282/nvidia-meta-microsoft-washington-dont-kill-open-source-ai

2. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

3. llama.cpp — https://en.wikipedia.org/wiki/Llama.cpp

4. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

5. State of Open Models: Summer 2026 Observations — https://huggingface.co/blog/state-of-open-models-summer-2026

6. The Open Source Initiative Announces the Release of the Industry's First Open Source AI Definition — https://opensource.org/blog/the-open-source-initiative-announces-the-release-of-the-industrys-first-open-source-ai-definition

7. The Open Source AI Definition – 1.0 — https://opensource.org/ai/open-source-ai-definition

8. The Open Source AI Definition – 1.0 — https://opensource.org/ai/open-source-ai-definition

9. The Open Source AI Definition – 1.0 — https://opensource.org/ai/open-source-ai-definition

10. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

11. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

12. Meta's LLaMa license is not Open Source — https://opensource.org/blog/metas-llama-2-license-is-not-open-source

13. Open Source AI Is the Path Forward — https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/

14. The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation — https://ai.meta.com/blog/llama-4-multimodal-intelligence/

15. Meta is reportedly ditching open Llama models for Avocado, a closed model built for direct sales — https://the-decoder.com/meta-is-reportedly-ditching-open-llama-models-for-avocado-a-closed-model-built-for-direct-sales/

16. Meta debuts Muse Spark, first AI model under Alexandr Wang — https://www.axios.com/2026/04/08/meta-muse-alexandr-wang

17. Meta ships Muse Spark Open, its answer to China's best open-weight models — https://thenewstack.io/meta-muse-spark-open/

18. Meta ships Muse Spark Open, its answer to China's best open-weight models — https://thenewstack.io/meta-muse-spark-open/

19. Introducing Mistral 3 — https://mistral.ai/news/mistral-3

20. Qwen3: Think Deeper, Act Faster — https://qwenlm.github.io/blog/qwen3/

21. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

22. Nvidia sheds almost $600 billion in market cap, biggest drop ever — https://www.cnbc.com/2025/01/27/nvidia-sheds-almost-600-billion-in-market-cap-biggest-drop-ever.html

23. DeepSeek V4 AI model launches, built for Huawei chips — https://qz.com/deepseek-v4-model-huawei-chips-open-source-042426

24. Gemma 4: Expanding the Gemmaverse with Apache 2.0 — https://opensource.googleblog.com/2026/03/gemma-4-expanding-the-gemmaverse-with-apache-20.html

25. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

26. State of Open Models: Summer 2026 Observations — https://huggingface.co/blog/state-of-open-models-summer-2026

27. State of Open Models: Summer 2026 Observations — https://huggingface.co/blog/state-of-open-models-summer-2026

28. State of Open Models: Summer 2026 Observations — https://huggingface.co/blog/state-of-open-models-summer-2026

29. State of Open Models: Summer 2026 Observations — https://huggingface.co/blog/state-of-open-models-summer-2026

30. Alibaba AI models hit 3 billion downloads, passing Meta, Google — https://fortune.com/2026/08/15/alibaba-qwen-open-ai-models-3-billion-downloads-meta-google/

31. Stanford's AI Index finds China has nearly closed the performance gap with the US despite spending 23 times less — https://thenextweb.com/news/stanford-ai-index-2026-china-us-performance-gap

32. INSAIT announced BgGPT – the first open AI model for Bulgarian language — https://insait.ai/insait-announced-bggpt/

33. INSAIT creates leading Bulgarian-first LLM with Gemma 2 — https://deepmind.google/models/gemma/gemmaverse/insait/

34. INSAIT unveils a new generation of AI: precision models for business and an upgraded BgGPT chat for all citizens — https://insait.ai/insait-unveils-a-new-generation-of-ai-precision-models-for-business-and-an-upgraded-bggpt-chat-for-all-citizens/

35. INSAIT unveils a new generation of AI: precision models for business and an upgraded BgGPT chat for all citizens — https://insait.ai/insait-unveils-a-new-generation-of-ai-precision-models-for-business-and-an-upgraded-bggpt-chat-for-all-citizens/

36. INSAIT unveils a new generation of AI: precision models for business and an upgraded BgGPT chat for all citizens — https://insait.ai/insait-unveils-a-new-generation-of-ai-precision-models-for-business-and-an-upgraded-bggpt-chat-for-all-citizens/

37. llama.cpp — https://en.wikipedia.org/wiki/Llama.cpp

38. ggml.ai joins Hugging Face to ensure the long-term progress of Local AI (Discussion #19759) — https://github.com/ggml-org/llama.cpp/discussions/19759

39. Optimizing your LLM in production — https://huggingface.co/blog/optimize-llm

40. Optimizing your LLM in production — https://huggingface.co/blog/optimize-llm

41. The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation — https://ai.meta.com/blog/llama-4-multimodal-intelligence/

42. Introducing gpt-oss — https://openai.com/index/introducing-gpt-oss/

43. Meta Releases Muse Glimmer, an Open-Weight AI Model Designed to Run on Consumer Hardware — https://campustechnology.com/articles/2026/08/26/meta-releases-muse-glimmer-an-open-weight-ai-model-designed-to-run-on-consumer-hardware.aspx

44. Open Source AI Is the Path Forward — https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/

45. Open Source AI Is the Path Forward — https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/

46. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

47. Nvidia, Meta, and Microsoft Tell Washington: Don't Kill Open-Source AI — https://decrypt.co/374282/nvidia-meta-microsoft-washington-dont-kill-open-source-ai

48. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

49. Introducing gpt-oss — https://openai.com/index/introducing-gpt-oss/

50. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

51. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

52. Overview of Guidelines for GPAI Models — https://artificialintelligenceact.eu/gpai-guidelines-overview/

53. Overview of Guidelines for GPAI Models — https://artificialintelligenceact.eu/gpai-guidelines-overview/

54. Overview of Guidelines for GPAI Models — https://artificialintelligenceact.eu/gpai-guidelines-overview/

55. Overview of Guidelines for GPAI Models — https://artificialintelligenceact.eu/gpai-guidelines-overview/

56. Overview of Guidelines for GPAI Models — https://artificialintelligenceact.eu/gpai-guidelines-overview/

57. Open Source AI Is the Path Forward — https://about.fb.com/news/2024/07/open-source-ai-is-the-path-forward/

58. Sam Altman: OpenAI has been on the 'wrong side of history' concerning open source — https://techcrunch.com/2025/01/31/sam-altman-believes-openai-has-been-on-the-wrong-side-of-history-concerning-open-source/

59. Open-source artificial intelligence — https://en.wikipedia.org/wiki/Open-source_artificial_intelligence

60. Nvidia, Meta, and Microsoft Tell Washington: Don't Kill Open-Source AI — https://decrypt.co/374282/nvidia-meta-microsoft-washington-dont-kill-open-source-ai

## Метаданни

- Каноничен URL: https://wikib.online/article/otvoreni-i-lokalni-modeli-na-izkustveniya-intelekt
- Лиценз: CC BY-SA 4.0 (https://creativecommons.org/licenses/by-sa/4.0/)
- Ревизия: 1
- Статус: published
- Език: bg
- JSON: https://wikib.online/api/public/articles/otvoreni-i-lokalni-modeli-na-izkustveniya-intelekt