2025.11.05
State of the Source at ATO 2025: State of the “Open” AI
[원문]
In October, the OSI hosted the State of the Source Track at All Things Open designed to connect developers with the big policy conversations
shaping our ecosystem.
Gabriel Toscano from Duke University led the State of the “Open” AI session, unpacking what it really means when models
call themselves open.
/
State of the “Open” AI
Gabriel Toscano (Duke University)
The AI boom, driven by unprecedented investment and access to tools, has spawned a flood of models claiming to be “open.”
The October 2024 release of the Open Source AI Definition (OSAID) sought to anchor the term in clear, unambiguous standards.
Yet, the concept and application of openness in AI are nascent and inconsistently understood.
Drawing on a growing set of current AI models described as ‘open,’ this session explores how the term is currently applied and describes
how different conceptions of open AI relate to the use, sharing, study, and modification of these models.
/
Video summary
Introduction
My name is Gabriel Toscano. I’m a second-year master’s student in Public Policy at Duke University, specializing in technology policy—yes,
that’s a real thing! I’m a recovering software engineer and philosopher, now working under the mentorship of the Open Source Initiative (OSI).
I’m here as both a scholar and a developer, and I want to thank the OSI for giving me an outlet to explore ideas around open source and
contribute research in this space.
/
I approach this topic with humility—it’s rapidly evolving, and there’s a lot we still don’t know.
My goal is to engage the community and learn from experts to better understand what “open” really means in the context of AI.
/
The Focus: Openness in AI
Today, I’ll talk about the state of openness in AI. My work uses computational methods to study questions that traditionally belong
to the social sciences—like how people interpret “openness.”
If I asked everyone here what “open AI” means, we’d probablyhear a dozen different answers.
I’m trying to systematically analyze how developers use the idea of openness when creating and publishing AI models.
/
The main goal of this research is to understand how open models are released, identify key trends, and explore how the term “open source AI” might develop into a defined concept within the field.
The aim isn’t to judge which models are “truly” open or to evaluate the Open Source AI Definition itself—
it’s to capture a snapshot of how the term is used in practice.
/
Methods
To do this, I collected metadata from Hugging Face, which hosts hundreds of thousands of public AI models.
I analyzed about 20,000 models—roughly 10% of the total.
It’s important to note that “public” doesn’t mean “open source.” Developers can attach different licenses that define how their
work may be used or shared.
Understanding those licenses is essential: they tell users what’s allowed, what’s restricted, and under what terms.
/
I used the Hugging Face API to search for models tagged with the words “open” or “open source.” The results were noisy—some didn’t belong—but that’s also part of the story. The term “open” in AI is still used inconsistently, and we can expect these patterns to evolve.
I also analyzed the licensing practices of major AI labs, since their choices often set standards that ripple through the ecosystem.
For each model, I collected metadata such as publication date, author, license, README content, and last update date,
combining quantitative and qualitative analysis in Python.
/
Key Findings
1. Most models build on existing ones.
Few developers create models entirely from scratch. This means the largest and most popular models have an outsized influence downstream.
2. Apache 2.0 is the most common OSI-approved license, followed by MIT. These are classic open-source licenses, especially
for code components.
3. Many models—surprisingly—use Creative Commons (CC BY) licenses, which are not recommended for software,
since they lack clear rules for redistribution or modification.
4. About half of the models had no license at all.
That means users can’t easily tell what’s permitted. Whether this is oversight or intentional is unclear,
but it complicates evaluation and reuse.
5. The Qwen model family is the most common base model—about 2.5% of all models on Hugging Face build from it.
That’s significant influence for one lineage.
6. Custom licenses are increasingly popular, but many impose usage restrictions, creating tension with the spirit of open source.
Understanding “Open” in AI
The Open Source AI Definition focuses on ensuring the four freedoms: to use, study, modify, and share systems.
/
But in practice, we see confusion between terms like open access, open weights, and open source.
- Open access generally means the model is publicly available.
- Open weights means the trained parameters are accessible.
- Open source requires both of the above plus code, data, and licensing that guarantee the four freedoms.
In other words, open source AI sets a higher bar—it’s not just about access but also about legal and functional freedom to build upon the work.
/
License Trends
Here’s how license usage breaks down:
- Nearly 60% of models labeled “open” have no license.
- Apache 2.0 accounts for around 23%, followed by MIT.
- A small but growing share use custom or restrictive licenses, including those from Llama, Qwen, DeepSeek, and others.
Even though the data is messy, we do see a trend toward using open-source-style licenses. However, custom and hybrid licenses are muddying the waters.
Examples of Custom Licenses
Custom AI licenses often use open-source language (“use, study, modify, share”)
but then add restrictions that break those principles.
/
For example:
- Qwen license: allows the four freedoms but limits usage for products with over 100 million active users—
introducing a usage restriction inconsistent with open-source norms.
- Llama license: similar restrictions, plus a clause banning use within the EU under Llama 4, possibly in response to new regulations.
- DeepSeek and Grok licenses: include “acceptable use” policies, often linked externally.
These can change over time, making them unstable and hard to track.
This growing pattern—embedding commercial or moral restrictions inside otherwise open-source licenses—
creates confusion and legal uncertainty.
/
Summary
- Most models are built on existing ones, amplifying the influence of major labs.
- Apache 2.0 and MIT remain the dominant truly open licenses.
- Many developers still omit licenses entirely, which undermines transparency.
- Creative Commons licenses are misapplied to software.
- Custom licenses mimic open language but limit freedom through use restrictions or mutable terms.
- Qwen and similar models are shaping the open AI ecosystem despite restrictive terms.
Platforms like Hugging Face could help by requiring license selection and validation during model upload,
ensuring clarity for both creators and users.
/
Next Steps
I plan to extend this study by:
- Conducting network analysis of model relationships—mapping how models build upon each other.
- Tracking license propagation to see if restrictions are spreading correctly or being ignored.
- Analyzing download and reuse trends to measure real-world impact.
- Studying documentation practices and how developers describe openness.
- Connecting these findings to policy frameworks, since future AI legislation will hinge on how “open source AI” is defined and applied.
This is a living project, and I’m eager to collaborate. The repository will be updated with cleaned data, code, and documentation.
I invite you to submit models that call themselves “open,” especially from sovereign or culturally specific AI initiatives.
Thank you—and I look forward to continuing this conversation as we work toward a clearer, more consistent understanding of openness in AI.
/
[번역]
ATO 2025의 소스 현황: "오픈" AI의 현황
10월, OSI는 All Things Open 에서 개발자들을 생태계를 형성하는 주요 정책 논의에 연결하기 위해
'소스 현황 트랙(State of the Source Track)'을 개최했습니다.
듀크 대학교의 가브리엘 토스카노(Gabriel Toscano)는 '오픈 AI 현황' 세션을 진행하며,
모델이 스스로를 개방형이라고 부를 때 실제로 무엇을 의미하는지 설명했습니다.
/
"오픈" AI의 상태
가브리엘 토스카노(듀크 대학교)
전례 없는 투자와 도구 접근성으로 촉진된 AI 붐은 "개방형"을 주장하는 수많은 모델을 양산했습니다.
2024년 10월 발표된 오픈 소스 AI 정의(OSAID)는 이 용어를 명확하고 모호하지 않은 표준에 고정하고자 했습니다.
그러나 AI에서 개방성의 개념과 적용은 아직 초기 단계이며, 이에 대한 이해는 일관성이 없습니다.
현재 '개방형'으로 불리는 다양한 AI 모델들을 바탕으로, 이 세션에서는 이 용어가 현재 어떻게 적용되는지 살펴보고, 개방형 AI에 대한 다양한 개념이 이러한 모델의 사용, 공유, 연구 및 수정과 어떻게 연관되는지 설명합니다.
/
영상 요약
소개
저는 가브리엘 토스카 노입니다. 듀크 대학교 공공정책학 석사 2학년이며 , 기술 정책을 전공하고 있습니다 .
네, 기술 정책이라는 분야가 실제로 존재합니다!
저는 소프트웨어 엔지니어이자 철학자로서, 현재 오픈 소스 이니셔티브(OSI) 의 멘토링을 받으며 활동하고 있습니다 .
저는 학자이자 개발자로서 이 자리에 있으며, 오픈 소스 관련 아이디어를 탐구하고 이 분야의 연구에 기여할 수 있는 기회를 제공해 주신 OSI에 감사드립니다.
저는 겸손한 마음으로 이 주제에 접근합니다. 이 주제는 빠르게 진화하고 있고, 아직 우리가 모르는 부분이 많습니다.
제 목표는 커뮤니티와 소통하고 전문가로부터 배우면서 AI라는 맥락에서 "개방형"이라는 단어가 실제로 무엇을 의미하는지 더 잘 이해하는 것입니다.
/
초점: AI의 개방성
오늘은 AI의 개방성 현황 에 대해 이야기해 보겠습니다 . 제 연구는 계산적 방법을 사용하여 전통적으로 사회과학에 속하는 질문들,
예를 들어 사람들이 "개방성"을 어떻게 해석하는지에 대한 연구를 수행합니다.
여기 계신 모든 분들께 "개방형 AI"가 무슨 뜻인지 물어보면 아마 열두 가지가 넘는 답변을 들을 수 있을 겁니다.
저는 개발자들이 AI 모델을 만들고 배포할 때 개방성이라는 개념을 어떻게 활용하는지 체계적으로 분석 하려고 합니다.
이 연구의 주요 목표는 오픈 모델이 어떻게 공개되는지 이해하고 , 주요 트렌드를 파악하며 , "오픈소스 AI"라는 용어가 해당 분야 내에서
어떻게 정의된 개념으로 발전할 수 있는지 탐구하는 것입니다.
어떤 모델이 "진정으로" 오픈되어 있는지 판단하거나 오픈소스 AI의 정의 자체를 평가하는 것이 아니라, 이 용어가 실제로 어떻게 사용되는지
간략하게 살펴보는 것입니다.
/
행동 양식
이를 위해 수십만 개의 공개 AI 모델을 호스팅하는 Hugging Face 에서 메타데이터를 수집했습니다.
전체 모델의 약 10%인 약 2만 개의 모델을 분석했습니다.
"공개"가 "오픈 소스"를 의미하는 것은 아니라는 점에 유의해야 합니다.
개발자는 자신의 저작물이 어떻게 사용되거나 공유될 수 있는지 정의하는 다양한 라이선스를 적용할 수 있습니다.
이러한 라이선스를 이해하는 것은 매우 중요합니다.
라이선스는 사용자에게 무엇이 허용되고, 무엇이 제한되며, 어떤 조건이 적용되는지 알려줍니다.
Hugging Face API를 사용하여 "오픈" 또는 "오픈소스" 라는 단어가 태그된 모델을 검색했습니다 .
결과는 노이즈가 있었고, 일부는 적합하지 않았지만, 이것도 원인 중 하나입니다.
AI에서 "오픈"이라는 용어는 여전히 일관성 있게 사용되지 않고 있으며, 이러한 패턴은 앞으로 발전할 것으로 예상됩니다.
또한 주요 AI 연구실의 라이선싱 관행을 분석했습니다.
이들의 선택은 종종 생태계 전반에 영향을 미치는 기준을 설정하기 때문입니다.
각 모델에 대해 출판일, 저자, 라이선스, README 내용, 최종 업데이트일 등의 메타데이터를 수집하고, Python에서 정량적 분석과
정성적 분석을 병행했습니다.
/
주요 결과
1. 대부분의 모델은 기존 모델을 기반으로 구축됩니다.
완전히 처음부터 모델을 만드는 개발자는 거의 없습니다. 즉, 가장 크고 인기 있는 모델이 하위 모델에 지대한 영향을 미친다는 것을 의미합니다.
2. Apache 2.0 은 OSI에서 승인한 가장 일반적인 라이선스이며 , 그 다음으로 MIT 가 있습니다 .
이 라이선스들은 특히 코드 구성 요소에 대한 고전적인 오픈소스 라이선스입니다.
3. 놀랍게도 많은 모델이 크리에이티브 커먼즈(CC BY) 라이선스를 사용하는데, 이는 재배포나 수정에 대한 명확한 규칙이 없기 때문에
소프트웨어에는 권장되지 않습니다 .
4. 모델의 약 절반은 라이선스가 전혀 없었습니다.
즉, 사용자는 무엇이 허용되는지 쉽게 알 수 없습니다. 이것이 실수인지 의도적인지는 불분명하지만, 평가와 재사용을 복잡하게 만듭니다.
5. Qwen 모델군은 가장 흔한 기본 모델로, Hugging Face 빌드의 전체 모델 중 약 2.5%가 이 모델을 기반으로 합니다.
이는 한 혈통에 상당한 영향을 미치는 요소입니다.
6. 사용자 정의 라이선스는 점점 더 인기를 얻고 있지만, 많은 라이선스가 사용 제한을 부과하여 오픈 소스 정신과 갈등을 빚고 있습니다.
/
AI의 '개방' 이해하기
오픈 소스 AI 정의는 시스템 사용 , 연구 , 수정 , 공유의 네 가지 자유를 보장 하는 데 중점을 둡니다.
하지만 실제로는 오픈 액세스 , 오픈 가중치 , 오픈 소스 와 같은 용어 사이에 혼동이 있는 것을 볼 수 있습니다 .
- 오픈 액세스는 일반적으로 모델이 공개적으로 이용 가능하다는 것을 의미합니다.
- 개방형 가중치는 훈련된 매개변수에 접근할 수 있다는 것을 의미합니다.
- 오픈 소스는 위의 두 가지 외에도 4가지 자유를 보장하는 코드, 데이터, 라이선스를 필요로 합니다.
다시 말해, 오픈소스 AI는 더 높은 기준을 제시합니다. 단순히 접근성에 관한 것이 아니라 작업을 기반으로 구축할 수 있는 법적, 기능적 자유에 관한 것입니다.
/
라이선스 동향
라이센스 사용 내역은 다음과 같습니다.
- "오픈"으로 표시된 모델 중 약 60% 는 라이선스가 없습니다 .
- Apache 2.0은 약 23% 를 차지하고 그 뒤를 MIT가 따릅니다 .
- Llama, Qwen, DeepSeek 등의 사용자 정의 또는 제한적 라이선스를 사용하는 비중은 작지만 점차 커지고 있습니다 .
데이터가 복잡해 보이지만, 오픈소스 라이선스를 사용하는 추세는 분명합니다.
하지만 맞춤형 라이선스와 하이브리드 라이선스는 상황을 더욱 복잡하게 만들고 있습니다.
/
사용자 정의 라이선스의 예
맞춤형 AI 라이선스는 종종 오픈 소스 언어 ("사용, 연구, 수정, 공유")를 사용하지만, 이러한 원칙을 깨는 제한 사항을 추가합니다 .
예를 들어:
- Qwen 라이선스: 4가지 자유를 허용하지만 1억 명 이상의 활성 사용자가 있는 제품의 경우 사용을 제한합니다.
즉, 오픈 소스 규범과 일치하지 않는 사용 제한을 도입합니다.
- 라마 허가: 유사한 제한 사항에 더해, 라마 4에 따라 EU 내에서의 사용을 금지하는 조항이 추가되었는데,
이는 새로운 규정에 대한 대응일 가능성이 있습니다.
- DeepSeek 및 Grok 라이선스: "허용 가능한 사용" 정책이 포함되어 있으며 , 이는 종종 외부 링크로 연결됩니다.
이러한 정책은 시간이 지남에 따라 변경될 수 있으므로 불안정하고 추적하기 어려울 수 있습니다.
상업적 또는 도덕적 제한을 오픈 소스 라이선스 내에 포함시키는 이러한 패턴이 확산되면서 혼란과 법적 불확실성이 발생합니다.
/
요약
- 대부분의 모델은 기존 모델을 기반으로 구축되어 주요 연구소의 영향력이 확대됩니다.
- Apache 2.0 과 MIT 는 여전히 지배적인 진정한 오픈 라이선스입니다.
- 많은 개발자는 여전히 라이선스를 전혀 명시하지 않아 투명성이 훼손됩니다.
- 크리에이티브 커먼즈 라이선스가 소프트웨어에 잘못 적용됩니다.
- 사용자 정의 라이선스는 개방형 언어를 모방하지만 사용 제한이나 변경 가능한 조건을 통해 자유를 제한합니다.
- Qwen 과 유사한 모델은 제한적인 조건에도 불구하고 개방형 AI 생태계를 형성하고 있습니다.
Hugging Face 와 같은 플랫폼은 모델 업로드 시 라이선스 선택 및 검증을 요구함으로써 제작자와 사용자 모두에게 명확성을 보장하는 데
도움이 될 수 있습니다.
/
다음 단계
저는 이 연구를 다음과 같이 확장할 계획입니다.
- 모델 관계에 대한 네트워크 분석을 실시하여 모델이 서로 어떻게 구축되는지 맵핑합니다.
- 라이선스 전파를 추적하여 제한이 올바르게 확산되고 있는지 또는 무시되고 있는지 확인합니다.
- 다운로드 및 재사용 추세를 분석하여 실제 세계에 미치는 영향을 측정합니다.
- 문서화 관행 과 개발자들이 개방성을 설명하는 방식을 연구합니다 .
- 이러한 결과를 정책 프레임워크 에 연결하면, 향후 AI 관련 법안은 "오픈소스 AI"가 어떻게 정의되고 적용되는지에 따라 달라질 것입니다.
/
이 프로젝트는 현재 진행 중이며, 저는 기꺼이 협력할 것입니다. 저장소는 정리된 데이터, 코드, 그리고 문서로 업데이트될 것입니다.
특히 주권적 또는 문화적 특수성을 지닌 AI 이니셔티브에서 "개방형" 모델을 제안해 주시기 바랍니다.
감사합니다. AI의 개방성에 대한 더 명확하고 일관된 이해를 향해 나아가면서 이러한 대화를 계속 이어갈 수 있기를 기대합니다.
/
[원문출처] https://opensource.org/blog/state-of-the-source-at-ato-2025-state-of-the-open-ai
※ opensource.org(https://opensource.org/)에 의해 작성된 이 저작물은 크리에이티브 커먼즈 저작자표시-동일조건변경허락 4.0 국제 라이선스에 따라 이용할 수 있습니다.
자세한 기사는 링크를 참조하시기 바라며 한국저작권위원회는 공정한 오픈소스SW 사용을 위하여 상담, 컨설팅, 라이선스 교육, 오픈소스SW 라이선스 검사서비스 등을 무료로 제공하고 있습니다.
