Apache-2.0还是AGPL-3.0?商用前你必须搞懂的Parable-Granite-4.1-3B-Claude-Fable-5-GGUF许可证边界指南
Apache-2.0还是AGPL-3.0?商用前你必须搞懂的Parable-Granite-4.1-3B-Claude-Fable-5-GGUF许可证边界指南
如果你正准备把 Parable-Granite-4.1-3B-Claude-Fable-5-GGUF 这款 3B 本地推理模型引入商业产品,必须先弄清它的许可证边界:模型权重本身采用 Apache-2.0 开放许可,但训练数据中混入了一个 AGPL-3.0 语料库(Fable-5-traces)。一个模型、两种"限速"——本文把仓库里的许可事实逐条拆开,并给出一份可直接套用的商用决策清单。
⚡ 30秒速览:Parable-Granite-4.1-3B 到底挂着哪些许可证
| 组成部分 | 许可证 | 对商用意味着什么 |
|---|---|---|
| 模型权重(本仓库全部 GGUF 文件) | Apache-2.0 | ✅ 可商用、可修改、可嵌入、可再分发,需保留许可文件 |
| 训练语料 · Fable-5-traces | AGPL-3.0 | ⚠️ 强 Copyleft,主要牵涉"商用蒸馏 / 继续训练"场景 |
| 训练语料 · gpt5.5-terminal | MIT | ✅ 宽松许可,限制极少 |
| 基座 Granite-4.1-3B(IBM) | Apache-2.0 | ✅ 权重许可的"继承来源" |
💡 一句话结论:Apache-2.0 管的是"模型权重",AGPL-3.0 悬在"训练数据"上。只做推理风险很低;一旦涉及蒸馏、继续训练或再分发,你就进入了需要确认的边界区。
为什么一个模型会挂着三种许可证条款?
Parable-Granite-4.1-3B 不是从零训练的——它在 IBM 开源的 Granite-4.1-3B 基座上用 QLoRA 微调(蒸馏)而来,所以许可天然分三层:
- 权重层(Apache-2.0):基座 ibm-granite/granite-4.1-3b 本身是 Apache-2.0,微调权重继承该许可,这就是 README.md 头部声明
license: apache-2.0的来源。 - 数据层(AGPL-3.0 + MIT):三个训练语料在 README.md 的文件头中逐一列出,其中核心的 Fable-5-traces(Claude Fable 5 真实 Agent 会话轨迹)为 AGPL-3.0,gpt5.5-terminal 为 MIT。
- 行为层(训练效果):v2 采用"只计算助手 token 损失"的掩码方案,模型学习的是回答风格而非复读原文(Agent 产物泄漏测试 0/34)——但输出干净不等于模型与训练数据在法律上完全脱钩。
作者本人在 Base & license 章节里给过明确提示:
权重:Apache-2.0(继承自 ibm-granite/granite-4.1-3b)。训练数据:Fable-5-traces 为 AGPL-3.0,gpt5.5-terminal 为 MIT——由于轨迹源自第三方助手,其条款可能适用于下游训练;商用蒸馏前请先确认。
Apache-2.0 与 AGPL-3.0 商用对照:一张表看懂差别
| 对比维度 | Apache-2.0 | AGPL-3.0 |
|---|---|---|
| 商用 | ✅ 允许 | ✅ 允许(但衍生软件须开源) |
| 修改与再分发 | ✅ 允许,须保留版权声明与许可文本 | ⚠️ 衍生作品须同以 AGPL-3.0 开源 |
| 网络服务条款 | 无 | "杀手条款":以网络服务形式提供,也视为分发,须开放源码 |
| 专利授权 | ✅ 明确授予专利使用权 | ✅ 含反专利诉讼条款 |
| 责任豁免 | ✅ 明确不担保 | ✅ 明确不担保 |
通俗解读:Apache-2.0 是"随便用,但署名和免责声明不能删";AGPL-3.0 是"可以用,但你的软件只要用到它、甚至只是通过网络服务它,就必须连源码一起开放"。
商用场景决策表:什么能直接用,什么必须先确认
| 使用场景 | 风险等级 | 建议 |
|---|---|---|
| 个人学习 / 本地推理(Ollama、llama.cpp) | 🟢 低 | 直接用,无额外义务 |
| 公司内部效率工具(不对外提供服务) | 🟢 低 | 在产品文档中保留 Apache-2.0 许可声明 |
| 商用 SaaS / App 中嵌入模型对外提供服务 | 🟡 中 | 权重按 Apache-2.0 处理即可;留意别把 AGPL 数据一并打包进产品 |
| 商用蒸馏:用本模型或其输出继续训练、再训练 | 🔴 高 | 作者明确警示:AGPL-3.0 训练数据"条款可能适用于下游训练",先确认再动手 |
| 再分发模型文件(镜像站、模型市场) | 🟡 中 | 必须随附 Apache-2.0 许可文件与版权声明,并注明衍生关系 |
⚠️ 边界提醒:主流实践普遍认为训练数据许可不直接约束模型权重和推理输出;但本模型的 AGPL-3.0 轨迹来自第三方助手,且作者自述"其条款可能适用"。把"蒸馏 / 继续训练"场景当作最高优先级风险项,重大决策前建议咨询专业律师。
商用前必做的 5 件安全动作
- 先读原文:本仓库许可事实集中在 README.md——重点看 Base & license 章节 与头部
license: apache-2.0声明。 - 保留许可声明:再分发 Q4_K_M 等文件时,版权通知、许可文本、免责声明一个都不能少,并说明是衍生作品。
- 数据和模型分开评估:只做推理 → 按 Apache-2.0 基线执行;要蒸馏 / 继续训练 → 按 AGPL-3.0 数据基线执行确认流程。
- 核对数据出处:作者公开了完整训练语料(AnkitAI/parable-corpus-v2),经去重、质量门控并带来源标签,可逐条追溯哪份数据对应哪种许可(见 README.md)。
- 留痕:把"场景—许可—结论"写进合规记录,这是未来审计时最有用的自证材料。
附录:本仓库 5 个 GGUF 文件速查(同一 Apache-2.0 许可)
五个文件许可相同,差别只在量化精度,按需挑选即可:
| 文件 | 大小 | 内存占用 |
|---|---|---|
| Q4_K_M ⭐ 推荐 | 2.1 GB | 约 3 GB |
| Q5_K_M | 2.4 GB | 约 3.5 GB |
| Q6_K | 2.8 GB | 约 4 GB |
| Q8_0 | 3.6 GB | 约 5 GB |
| F16 | 6.8 GB | 约 8 GB(全精度,供重新量化) |
一条命令把推荐版拉进本地工具箱:
ollama run hf.co/AnkitAI/Parable-Granite-4.1-3B-Claude-Fable-5-GGUF:Q4_K_M
需要本地核对许可声明时,可以克隆仓库:
git clone https://gitcode.com/hf_mirrors/AnkitAI/Parable-Granite-4.1-3B-Claude-Fable-5-GGUF
常见问题 FAQ
Q1:闭源商业应用里嵌入这个模型,需要开源我的代码吗? 不需要。纯推理场景下 Apache-2.0 权重没有源码披露义务,保留许可声明即可。
Q2:把模型部署在服务器上对外提供服务,会触发 AGPL-3.0 吗? 本模型的 AGPL-3.0 出现在训练数据侧,不在权重或推理框架上(llama.cpp 为 MIT、Ollama 另有其许可)。网络服务条款主要影响"基于 AGPL 数据继续训练"的场景,而不是跑推理这件事本身。
Q3:把模型输出用于商业内容,有侵权风险吗? 推理输出不携带数据许可(v2 的 Agent 产物泄漏测试为 0/34,输出中不复读训练原文)。真正的风险点在把它当教师模型做蒸馏——这一点作者要求你先确认数据方条款。
Q4:没有海外网络也能拿到模型吗? 仓库已镜像至 gitcode.com,模型同时上架 Ollama、Hugging Face、ModelScope 等平台,在客户端搜索 "parable" 即可找到。
📌 声明:本文基于仓库 README.md 中声明的许可信息整理(以 Base & license 章节 为准),仅梳理事实与给出操作建议,不构成法律意见。涉及重大商用决策,请咨询专业律师。