コリブリが着陸しました：主権オープンウェイトモデル

それは真実じゃない気がする。著作権のある作品でモデルを訓練するための明確な法的手段があるんだよ。何年も経ってるけど、出版社はまだ訓練用のライセンスを提供してないみたいだし（例えば、訓練専用の大量ライセンスとか）、本を切り刻んでスキャンすることでの敵対的相互運用性は完全に合法なんだよね。他のモデルを蒸留することも違法じゃないし（TOS違反で誰かを追いかけるのは好きだろうけど、それは民事問題だし）。もちろん、コピーは窃盗じゃないっていうのもあるし。最近の最高裁の判決がいいこと言ってたよ。> 「著作権者の法定の財産権は、単純な「商品、商品、[または] 商品」の所有者の占有権とは異なる性質を持つため、著作権の干渉は簡単に窃盗、転用、または詐欺と同じにはならない。著作権の侵害者は、著作権を物理的に支配することも、所有者からその使用を完全に奪うこともない。侵害は、一般的な窃盗、転用、または詐欺よりも、より複雑な財産権のセットを含んでいる。」ここにいる人たちは結構賢いと思うし、これらのニュアンスを理解できると思うよ、たとえそれが良いかどうかに同意しなくても。編集：彼らの投稿の全文を読んでみたら、どうやらコモンクローリングを使ってるみたいで、これはアンナのアーカイブと同じくらい著作権侵害になる可能性があるね。出版された作品が著作権を持つ唯一の主張をしているわけじゃないし。だから、これは君のポイントを強化すると思う。スキャンを訓練データとして見ることを期待してたけど、そうじゃないみたいだね。

高潔なのかな？訓練データが「盗まれる」なんて考え自体がかなりおかしいと思う。誰かが作ったコンテンツを「盗む」って、実際には何を盗んでるの？彼らは何も失ってないし、以前持っていたものはそのまま持ってる。盗まれたのは「実現されていない利益」、つまり彼らのものではないお金なんだよね。実際に犯される犯罪は「無許可のコピー」であって、盗みじゃない。著作権の支持と執行は、かなり権威主義的に感じる。高潔だとは思えないな。

モデル自体を試してみて、「少しでも競争力があるかどうか」を確認したの？具体的な不満があるならいいけど、そうじゃないなら、テストが簡単なことについて文句を言ってるだけに感じるよ。実際にそれを確認する時間を取らずに、一般的で理論的なことについて議論してるみたい。

このモデルは、少なくともベンチマークでは悪くないよ。78B A3Bで、Qwen3.6 35B A3Bと同じくらいのパフォーマンスを発揮してる。たぶん、96BのRAMで快適に動かせると思うし、あまりロスのない良い量子化を使えば大丈夫。残念ながら、Qwen3.6 35B A3Bはあまり役に立つコーディングモデルじゃない。最低でもQwen3.8 27Bが必要で、これには快適に動かすために最低32GBのVRAM（システムRAMじゃなくて）を要するんだ。だから、これは趣味の人には競争力のあるモデルにはならないし、コーディングに使うにはちょっと無理があるかも。でも、規制のある業界で働いていて、ちょっとしたハードウェアにお金を払うのを気にしないなら、そんなに悪くはないよ。情報抽出やJevみたいな「分類器」としてはうまくいくと思うし。（ほとんどのGGUFモデルは、llama-serverを使って分類器に変えられるよ。サンプルコードはpi.dev codemodeを見てね。）だから、まだ本当の競争相手ではないけど、少なくとも最低限の信頼性はありそうだね。

IP法ってもう時効過ぎてるんじゃない？ほとんどのモデルは他のモデルの出力でトレーニングされてるだろうし、そうじゃないと十分なデータを作るのは難しいからね。それに、AIブーム以降に作られたGitHubリポジトリでトレーニングされてるし、そこにはIPの問題があるモデルが生成したものもあるし（何がどうなってるかは分からないけど）。だから「クリーン」なデータでトレーニングするのは、卵を元に戻そうとするようなもんだよ。

中国語には著作権の言葉がないんだって :)

いや、そうでもない。競争力のある新しいモデルの利点は、彼らが訓練に使っている独自のデータにあるから。だから、データラベリングやRL環境が大きな産業になってるんだ。OpenAIやAnthropicは、必要なデータを得るために文字通り何十億も払ってる。研究レベルの数学や高度なサイバーセキュリティが、ただのパブリックデータで訓練されるだけでできると思ってるの？本当に主権的な努力なら、そこに多くの投資をするべきだよ。中国が「盗んでる」と非難されることがあっても、彼らも自分たちのデータを大量に生成してるだろうし、アメリカのラボ以外で主権的にそれをやってるのは彼らが主だと思う。

あんまり感心しないな。限られたRAM（必要な量より少ない）で自分をどう動かすか聞いてみたんだけど（Huggingfaceのリンクも渡した）、結局ほとんどこれだけだった。「わからない」って言われたし、もっと情報が欲しいならHuggingfaceのインターフェースのタブをクリックしろって。思考を拡張した状態でこれだったからね。いや、そんなのやらないよ、コリブリさんにやってほしかったのに。それに、そのインターフェースのフィードバックだけど、回答中にすごくイライラする。すぐに情報源のリストが表示されて、画面がそれで埋まっちゃう。回答が始まると、そのリストは表示されたままで、実際のテキストが出てくる部分は小さくスクロールするけど、上に戻って読み始めることができない。生成が完全に終わるまで待たなきゃいけないんだ。