--- id: CP-268 slug: modele-otwarte-vs-wlasnosciowe-ai lang: pl title: Otwarte i własnościowe modele AI description: "Model z opublikowanymi wagami czy usługa online: co to zmienia dla danych firmy oraz co pracownik robi, a czego unika." canonical_url: https://startbrain.io/cyberpedia/pl/articles/modele-otwarte-vs-wlasnosciowe-ai/ markdown_url: https://startbrain.io/cyberpedia/pl/articles/modele-otwarte-vs-wlasnosciowe-ai.md publisher: Brain (https://startbrain.io) license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) cite_as: Brain, „Otwarte i własnościowe modele AI”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/pl/articles/modele-otwarte-vs-wlasnosciowe-ai/ (CC BY 4.0) wing: 4 theme: authorized_tools reflex: air-023 schema: G3 updated: "2026-11-03" translations: pl: https://startbrain.io/cyberpedia/pl/articles/modele-otwarte-vs-wlasnosciowe-ai/ fr: https://startbrain.io/cyberpedia/fr/articles/modeles-ouverts-vs-proprietaires-ia/ en: https://startbrain.io/cyberpedia/en/articles/open-weights-vs-proprietary-ai-models/ de: https://startbrain.io/cyberpedia/de/articles/offene-vs-proprietaere-ki-modelle/ es: https://startbrain.io/cyberpedia/es/articles/modelos-abiertos-vs-propietarios-ia/ it: https://startbrain.io/cyberpedia/it/articles/modelli-aperti-vs-proprietari-ia/ nl: https://startbrain.io/cyberpedia/nl/articles/open-vs-proprietaire-ai-modellen/ pt: https://startbrain.io/cyberpedia/pt/articles/modelos-abertos-vs-proprietarios-ia/ sources: - "n": 1 title: "LLaMA: Open and Efficient Foundation Language Models" publisher: arXiv url: https://arxiv.org/abs/2302.13971 published: "2023-02-27" accessed: "2026-11-03" - "n": 2 title: Mistral 7B publisher: arXiv url: https://arxiv.org/abs/2310.06825 published: "2023-10-10" accessed: "2026-11-03" - "n": 3 title: The Llama 3 Herd of Models publisher: arXiv url: https://arxiv.org/abs/2407.21783 published: "2024-07-31" accessed: "2026-11-03" - "n": 4 title: Guidelines for secure AI system development publisher: NCSC (Royaume-Uni) url: https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development published: "2023-11-27" accessed: "2026-11-03" - "n": 5 title: "IA : comment être en conformité avec le RGPD ?" publisher: CNIL url: https://www.cnil.fr/fr/intelligence-artificielle/ia-comment-etre-en-conformite-avec-le-rgpd published: "2022-04-05" accessed: "2026-11-03" - "n": 6 title: LLMRisks Archive publisher: OWASP url: https://genai.owasp.org/llm-top-10/ accessed: "2026-11-03" - "n": 7 title: Principles for security of Machine learning ML publisher: NCSC (Royaume-Uni) url: https://www.ncsc.gov.uk/collection/machine-learning-principles published: "2024-05-22" accessed: "2026-11-03" - "n": 8 title: AI Risk Management Framework publisher: NIST url: https://www.nist.gov/itl/ai-risk-management-framework accessed: "2026-11-03" --- # Otwarte i własnościowe modele AI Asystent AI opiera się na modelu językowym. Taki model może być udostępniany w postaci plików, które każdy może pobrać i uruchomić na własnym komputerze: mówi się wtedy o modelu z opublikowanymi wagami, czyli „otwartym”. Może też pozostać u wydawcy, który oferuje go wyłącznie jako usługę online: to model własnościowy. Dla pracownika różnica sprowadza się mniej do jakości odpowiedzi, a bardziej do prostego pytania: dokąd trafiają wprowadzane dane i kto za nie odpowiada? Ta karta wyjaśnia oba przypadki oraz to, czego Brain oczekuje w każdym z nich. ## W 30 sekund - Gdzie to występuje: w każdym narzędziu AI, czy to w usłudze online, czy w modelu pobranym i zainstalowanym na stanowisku pracy. - Co się zmienia: w usłudze online Państwa dane trafiają do dostawcy hostingu. W modelu otwartym wszystko zależy od tego, gdzie działa, kto go zainstalował i kto go aktualizuje. - Ryzyko: model „otwarty” nadal podlega licencji i wiąże się z ryzykami, a nie chroni danych, jeśli korzysta się z niego przez usługę zewnętrzną. - Odruch: korzystać wyłącznie z narzędzi AI dopuszczonych przez Brain, nie instalować żadnego pobranego modelu bez zatwierdzenia i nie wpisywać danych wrażliwych do usługi, która nie została zatwierdzona. - Jeśli już się stało: niezwłocznie poinformować zespół bezpieczeństwa Brain i podać, jakie dane wpisano lub jaki model zainstalowano. ## Pytania wprost ### Czym różni się model otwarty od modelu własnościowego? Model otwarty jest opublikowany, zamiast pozostawać za usługą. Dwa przykłady opisane w cytowanych tu źródłach to LLaMA, przedstawiony w lutym 2023 roku przez zespół badaczy, który pisze „We release all our models to the research community” [1], oraz Mistral 7B, opublikowany na licencji Apache 2.0 [2]. Model własnościowy jest dostępny tylko przez usługę online: użytkownik wysyła tekst i otrzymuje odpowiedź, nie widząc modelu. ### Dokąd trafiają moje dane? W usłudze online wpisany tekst opuszcza firmę, aby przetworzył go dostawca. Wytyczne brytyjskiego NCSC dotyczą zresztą systemów korzystających z modeli hostowanych przez organizację lub z interfejsów zewnętrznych (API) i oczekują systemów AI, które działają bez ujawniania danych wrażliwych nieupoważnionym osobom trzecim [4]. W przypadku modelu otwartego zainstalowanego na stanowisku lub na serwerze wewnętrznym przetwarzanie może pozostać na miejscu. Same modele tego nie wymuszają: wszystko zależy od tego, gdzie działają. ### Czy model otwarty chroni moje dane? Nie automatycznie. Jeśli model otwarty jest używany przez usługę zewnętrzną, wpisywane dane przechodzą przez tę usługę, tak jak w modelu własnościowym. Liczy się miejsce, w którym odbywa się przetwarzanie, a nie otwartość modelu. ### Kto aktualizuje model i kto za niego odpowiada? W usłudze online model pozostaje u dostawcy. W przypadku pobranego modelu jest on u osoby, która go zainstalowała, i nikt inny się nim nie zajmuje. Wytyczne NCSC umieszczają zarządzanie aktualizacjami w fazie „eksploatacji i utrzymania” systemu AI, a bezpieczeństwo łańcucha dostaw w fazie rozwoju [4]. W kwestii danych osobowych CNIL stawia pytanie o podział odpowiedzialności, gdy system AI jest dostarczany przez wydawcę i używany przez osobę trzecią [5]. ### Czy dostawca może ponownie wykorzystać to, co wpisuję? CNIL wskazuje, że dostawca systemu AI może zgodnie z prawem ponownie wykorzystać dane powierzone przez administratora, jeśli spełnionych jest kilka warunków: zgoda administratora, test zgodności, poinformowanie osób i poszanowanie ich praw oraz zgodność nowego przetwarzania z przepisami [5]. Stąd korzyść z użycia narzędzia, którego warunki sprawdził Brain. ## Jak to działa Model językowy jest trenowany na dużej ilości tekstów, a następnie służy do przewidywania ciągu dalszego tekstu w odpowiedzi na polecenie [7]. Badacze zespołu LLaMA wykazali, że można wytrenować najnowocześniejszy model wyłącznie na danych publicznych, a LLaMA-13B przewyższał GPT-3 (175B) w większości testów [1]. Mistral 7B, z 7 miliardami parametrów, przewyższa Llama 2 13B we wszystkich ocenianych testach [2]. Największy model Llama 3 ma 405 miliardów parametrów, a jego autorzy oceniają jego jakość jako porównywalną z GPT-4 w wielu zadaniach [3]. Opublikowali ten model oraz Llama Guard 3, model kontrolujący dane wejściowe i wyjściowe [3]. Po stronie firmy decyzja dotyczy więc trzech kwestii: miejsca hostowania modelu, osoby, która go aktualizuje, i osoby, która odpowiada za incydent. Odpowiedź różni się w zależności od narzędzia. Dlatego regułą jest lista dopuszczonych narzędzi. ## Co Państwo robią - Proszę korzystać wyłącznie z narzędzi AI dopuszczonych przez Brain, niezależnie od tego, czy opierają się na modelu otwartym, czy własnościowym. - Proszę nie instalować pobranego modelu na stanowisku pracy bez zatwierdzenia przez zespół bezpieczeństwa. - Proszę nie wpisywać żadnych danych wrażliwych do usługi, która nie została zatwierdzona: danych klientów, współpracowników, danych o zdrowiu, tajemnic firmy. - Do testów proszę wybierać dane fikcyjne, czyli o takiej samej strukturze jak prawdziwe, ale niepowiązane z żadną osobą. CNIL wymienia testy na danych fikcyjnych jako sposób ustalenia, jakie dane są potrzebne systemowi AI [5]. - W razie wątpliwości co do narzędzia proszę zapytać, zanim się z niego skorzysta. - Jeśli dane zostały już wpisane do niezatwierdzonej usługi albo model został zainstalowany, proszę zgłosić to od razu. ## Pułapki ### „Otwarty” nie znaczy „bez licencji” Mistral 7B jest opublikowany na licencji Apache 2.0 [2]. Model otwarty jest więc publikowany z licencją, która określa warunki jego użycia. Cytowane tu źródła nie opisują licencji pozostałych modeli: nie należy zakładać, że każde użycie jest dozwolone. ### Pobrany model może być zatruty lub stronniczy OWASP zalicza do dziesięciu zagrożeń 2025 dla aplikacji generatywnej AI łańcuch dostaw modeli, narażony na różne podatności, oraz zatruwanie danych i modeli [6]. Zalicza też dezinformację, tym razem jako główną słabość aplikacji opierających się na modelach [6]. Plik modelu pobrany z dowolnej strony nie został sprawdzony przez Brain. NCSC zresztą zalicza bezpieczeństwo łańcucha dostaw do kwestii, którymi trzeba zająć się już na etapie rozwoju systemu AI [4]. ### Model mógł zapamiętać dane osobowe CNIL zauważa, że liczne badania wykazały, iż duże modele językowe miały skłonność do „zapamiętywania” fragmentów danych treningowych: imienia, nazwiska, adresu, numeru telefonu, numeru karty płatniczej [5]. Skuteczny atak na poufność modelu może stanowić naruszenie ochrony danych [5]. Dotyczy to zarówno modelu otwartego, jak i własnościowego. ### Model, który wciąż się uczy Niektóre systemy wykorzystują wpisane dane, aby się doskonalić, co NCSC nazywa uczeniem ciągłym [7]. CNIL zwraca uwagę, że taki tryb działania rodzi pytania o ochronę danych, ponieważ dane służą wtedy dwóm odrębnym celom [5]. To, co usługa robi z wpisanymi danymi, należy do warunków, które trzeba znać, zanim się ją dopuści. ### Ramy, które się zmieniają Ramy zarządzania ryzykiem AI NIST, stosowane dobrowolnie, opublikowano 26 stycznia 2023 roku, a 26 lipca 2024 roku uzupełniono je o profil poświęcony generatywnej AI [8]. Strona NIST informuje, że wersja 1.0 jest w trakcie rewizji [8]. Zalecenia się zmieniają, natomiast zasady Brain pozostają zasadami firmy. ## Przypadki z życia ### 27 lutego 2023: LLaMA Zespół badaczy przedstawia LLaMA, zbiór modeli od 7 do 65 miliardów parametrów, trenowanych wyłącznie na publicznych zbiorach danych, i publikuje wszystkie swoje modele dla społeczności badawczej [1]. ### 10 października 2023: Mistral 7B Mistral 7B v0.1, model o 7 miliardach parametrów, zostaje opublikowany na licencji Apache 2.0 wraz z wersją dostrojoną do wykonywania instrukcji [2]. ### 31 lipca 2024: Llama 3 Przedstawiono rodzinę Llama 3, z modelem o 405 miliardach parametrów i oknem kontekstu sięgającym 128 000 tokenów. Wersje wstępnie wytrenowana i po dalszym treningu największego modelu zostały opublikowane. Wersje dodające obraz, wideo i mowę nie są szeroko udostępniane, ponieważ według autorów są wciąż w fazie rozwoju [3]. ## Źródła 1. arXiv, „LLaMA: Open and Efficient Foundation Language Models”, 27 lutego 2023. https://arxiv.org/abs/2302.13971 (dostęp 3 listopada 2026) 2. arXiv, „Mistral 7B”, 10 października 2023. https://arxiv.org/abs/2310.06825 (dostęp 3 listopada 2026) 3. arXiv, „The Llama 3 Herd of Models”, 31 lipca 2024. https://arxiv.org/abs/2407.21783 (dostęp 3 listopada 2026) 4. NCSC (Royaume-Uni), „Guidelines for secure AI system development”, 27 listopada 2023. https://www.ncsc.gov.uk/collection/guidelines-secure-ai-system-development (dostęp 3 listopada 2026) 5. CNIL, „IA : comment être en conformité avec le RGPD ?”, 5 kwietnia 2022. https://www.cnil.fr/fr/intelligence-artificielle/ia-comment-etre-en-conformite-avec-le-rgpd (dostęp 3 listopada 2026) 6. OWASP, „LLMRisks Archive”. https://genai.owasp.org/llm-top-10/ (dostęp 3 listopada 2026) 7. NCSC (Royaume-Uni), „Principles for security of Machine learning ML”, 22 maja 2024. https://www.ncsc.gov.uk/collection/machine-learning-principles (dostęp 3 listopada 2026) 8. NIST, „AI Risk Management Framework”. https://www.nist.gov/itl/ai-risk-management-framework (dostęp 3 listopada 2026) --- Źródło oryginalne: Cyberpedia, publiczna encyklopedia cyberbezpieczeństwa i AI wydawana przez Brain. Wersja kanoniczna: https://startbrain.io/cyberpedia/pl/articles/modele-otwarte-vs-wlasnosciowe-ai/ Możesz swobodnie wykorzystywać ten tekst na licencji CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), pod warunkiem podania „Brain, Cyberpedia” wraz z odnośnikiem do powyższego adresu.