Хабр: Машинное обучение→ original

Ensaio no Habr reabre o debate sobre quem é dono do código aberto na era da IA

O Habr publicou o ensaio «Open Source – a forma superior da atividade humana». O autor admite que sempre teve medo do open source: empresas levam o trabalho aberto de terceiros para produtos fechados, ignoram licenças e riem dos autores. Só a introdução está disponível, então analisamos a tese com base em fatos. Em 2023–2024, HashiCorp e Redis mudaram suas licenças, e a comunidade respondeu com os forks OpenTofu e Valkey. A licença do Llama impõe restrições a empresas com mais de 700 milhões de usuários por mês. Em outubro de 2024, a OSI publicou a definição de IA aberta. • Conflitos de licenciamento viraram risco estratégico. • Pesos de modelos e código são regulados de forma diferente. • Vale checar as dependências antes de ir para produção.

Processado por IA de Хабр: Машинное обучение; editado por Hamidun News
Ensaio no Habr reabre o debate sobre quem é dono do código aberto na era da IA
Fonte: Хабр: Машинное обучение. Colagem: Hamidun News.
◐ Ouvir artigo

O Habr publicou o ensaio «Open Source – a forma superior da atividade humana». O autor começa com uma confissão: sempre teve medo do open source, porque via empresas levarem o trabalho aberto de outras pessoas para produtos comerciais fechados, ignorarem licenças e darem risada da ingenuidade dos autores. Para ele, isso não pode terminar sem consequências. O trecho disponível não traz números nem casos concretos, então só é possível avaliar a tese. Mas ela se encaixa bem nos últimos três anos: as disputas de licenciamento saíram das notas de rodapé jurídicas e passaram a fazer parte da estratégia das empresas.

Onde a tese se confirma nos fatos

O primeiro exemplo é a HashiCorp. Em agosto de 2023, a empresa migrou o Terraform da MPL para a Business Source License, que restringe o uso comercial por concorrentes. A resposta veio rápido: a comunidade criou o fork OpenTofu e o entregou à Linux Foundation.

O segundo exemplo é o Redis. Em março de 2024, o projeto adotou o licenciamento duplo RSALv2/SSPL, e então surgiu o Valkey, apoiado por AWS, Google Cloud e Oracle. Em 2025, o Redis adicionou a licença AGPLv3 para a versão 8, ou seja, voltou parcialmente a um modelo aberto. O mercado mostrou que fechar um projeto popular é mais fácil no papel do que na prática: a comunidade e os grandes usuários conseguem montar uma alternativa rapidamente.

A IA torna a questão mais aguda

No aprendizado de máquina, a fronteira é ainda mais difusa. O código do modelo, os pesos e os dados de treinamento são objetos juridicamente distintos, e as licenças de cada um muitas vezes não coincidem. A ação Doe v. GitHub, protocolada em novembro de 2022, contestava o treinamento do Copilot em repositórios públicos sem o cumprimento das condições das licenças. O tribunal rejeitou a maioria das alegações, mas as acusações de violação de licenças e de descumprimento de obrigações contratuais continuam no processo. Até hoje não há resposta definitiva sobre a possibilidade de treinar um modelo com código copyleft sem consequências.

Do outro lado estão os modelos «abertos» com ressalvas. A licença do Llama exige uma autorização separada da Meta para empresas com mais de 700 milhões de usuários ativos por mês e acrescenta uma política de uso aceitável. A Open Source Initiative, por fim, declarou que essa licença não atende à definição de software aberto.

Principais marcos:

  • agosto de 2023 — o Terraform passa para a BSL, e surge o OpenTofu;
  • março de 2024 — o Redis muda de licença, e nasce o Valkey;
  • 700 milhões de MAU — limite na licença do Llama, a partir do qual é necessário um acordo separado;
  • 28 de outubro de 2024 — a OSI publica a Open Source AI Definition 1.0, segundo a qual a abertura exige acesso ao código, aos parâmetros e à descrição dos dados de treinamento;
  • novembro de 2022 — início do caso Doe v. GitHub sobre código em conjuntos de treinamento.

O que fazer: equipes e autores

Para desenvolvedores que incorporam modelos e bibliotecas abertos em produtos comerciais, vale fazer três coisas. Primeiro, manter um registro das dependências com suas licenças, incluindo pesos de modelos e datasets, e não apenas pacotes. Segundo, ler as restrições de uso: limite de audiência, proibições para determinados cenários, requisitos de atribuição. Terceiro, saber de antemão, para os componentes críticos, se existe um fork viável sob uma organização neutra.

Para os autores de projetos abertos, a conclusão é a inversa. Se você não quer que o código vá silenciosamente parar em produtos fechados, escolha a licença com critério: a AGPL fecha a brecha da rede, e uma política de contribuição clara reduz o risco de disputas. O ensaio no Habr é emocional, mas a ideia é prática: o código aberto não é protegido por um direito moral. Ele é protegido apenas pelo texto da licença e pela disposição da comunidade de defender essa licença.

Observe que o material é uma coluna de opinião, e não uma notícia de lançamento. Conclusões jurídicas sobre licenças específicas devem ser verificadas com um advogado.

ZK
Hamidun News
Notícias de AI sem ruído. Seleção editorial diária de mais de 50 fontes. Produto de Zhemal Khamidun, Head of AI na Alpina Digital.
✦ Unified AI Workspace

Access Frontier LLMs & Multimodal AI in One Workspace

Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.

Try NomadNet AI →Launch NomadNet Agent
O que você acha?
Carregando comentários…