Parable-Qwen3-4B-Claude-Fable-5-GGUF 许可证与商用指南:Apache-2.0、AGPL数据源与合规风险全解析
Parable-Qwen3-4B-Claude-Fable-5-GGUF 许可证与商用指南:Apache-2.0、AGPL数据源与合规风险全解析
Parable-Qwen3-4B-Claude-Fable-5-GGUF 是一个约 4B 参数的本地编程与 Agent 模型,以 GGUF 格式发布,Q4_K_M 量化仅需约 2.5 GB 内存即可运行。它的模型权重采用 Apache-2.0 许可证,基座模型 Qwen3-4B 同为 Apache-2.0,但训练数据源中混入了 AGPL-3.0 与 MIT 双许可数据集。对准备商用它的团队来说,权重许可只是合规的一半,真正的风险藏在数据源里。本文带你完整拆解 Apache-2.0、AGPL 数据源与商用合规风险。
📌 一分钟看懂:这套模型的“许可三角”
在讨论合规之前,先理清这个项目涉及到的三层许可关系,很多人踩坑就踩在这里:
| 层级 | 对象 | 许可证 | 说明 |
|---|---|---|---|
| 权重 | Parable 模型文件(.gguf) | Apache-2.0 | 见 README.md 头部元数据声明 |
| 基座 | Qwen/Qwen3-4B(4B) | Apache-2.0 | 见 README.md |
| 数据源 | Fable-5-traces 数据集 | AGPL-3.0 | 见 README.md 数据集声明 |
| 数据源 | gpt5.5-terminal 数据集 | MIT | 见 README.md |
💡 关键概念:数据集的许可证 ≠ 模型权重的许可证。AGPL-3.0 约束的是“数据集的使用者”(训练过程),而不是通过 Apache-2.0 分发出来的权重文件本身。但这两条义务线同时存在,商用时都要满足。
作者对数据来源与许可的官方说明集中在 README.md 的 Provenance & licensing 一节,引用该模型前建议先完整阅读此段。
🚀 Apache-2.0 意味着什么:权重可以商用
Apache-2.0 是业界公认对商业最友好的开源许可证之一,Parable 的 5 个量化权重文件都受其保护:
- Parable-Qwen3-4B-Claude-Fable-5-GGUF-Q4_K_M.gguf(2.5 GB,官方推荐)
- Parable-Qwen3-4B-Claude-Fable-5-GGUF-Q5_K_M.gguf(2.9 GB)
- Parable-Qwen3-4B-Claude-Fable-5-GGUF-Q6_K.gguf(3.3 GB)
- Parable-Qwen3-4B-Claude-Fable-5-GGUF-Q8_0.gguf(4.3 GB)
- Parable-Qwen3-4B-Claude-Fable-5-GGUF-F16.gguf(8.1 GB,供再量化使用)
Apache-2.0 允许你:
- ✅ 商用、修改、再分发(包括二次量化后分发)
- ✅ 闭源集成——它是“宽松型”许可,不要求你的产品开源
- ✅ 用于 SaaS、本地部署、离线推理等任何场景
Apache-2.0 要求你:
- 📄 保留原始版权声明、许可证文本与“无担保”声明
- 📄 在修改过的文件中标注变更(对模型权重通常保留元数据即可)
- 📄 随分发提供 NOTICE 内容(如有)
对普通用户来说,这一层几乎“零负担”:在产品页脚或模型文档中注明“本模型基于 Parable-Qwen3-4B-Claude-Fable-5-GGUF(Apache-2.0)”即可达标。
⚠️ 真正的合规焦点:AGPL 数据源与第三方条款
这才是标题里“合规风险”的核心,风险主要来自两个层面。
1️⃣ 训练数据含 AGPL-3.0 数据集
模型由 QLoRA 微调而成(详见 README.md 的方法说明),训练语料包含真实 Agent 会话轨迹,其中 Glint-Research/Fable-5-traces 数据集采用 AGPL-3.0——目前最“强约束”的开源许可证之一:
- 修改后的程序一旦通过网络提供服务,就必须向用户提供完整源码
- 该义务针对使用数据集的行为(即训练过程),由原作者在 README 中已明确提示
需要注意:Apache-2.0 权重文件本身不会被 AGPL “传染”,你分发权重不因此触发开源义务;但如果你自行复现训练流程(例如下载这两个数据集重新微调),就必须严格履行 AGPL-3.0 的数据使用义务。
2️⃣ 数据源自第三方助手会话,服务商条款可能适用
作者在 README.md 中给出了一条非常重要的免责性提示:
这些轨迹数据源自第三方助手(third-party assistants),服务商的用户条款可能适用于下游训练与蒸馏。若计划基于此模型进行商业用途,请先确认你的用途与相关条款相符。
翻译成业务语言:数据是“借”来的,数据背后的服务条款可能跟着数据一起“过来”。商用前你应当:
- 核对数据轨迹来源助手服务商的 ToS(服务条款)是否允许商用再训练/蒸馏
- 确认自己所在司法辖区对“蒸馏训练”的判例与监管态度
- 在产品合规文档中记录这一核查过程,留痕备查
📋 商用前自查清单:5 步确认合规
| 步骤 | 动作 | 触发条件 |
|---|---|---|
| ① | 保留 Apache-2.0 版权与许可声明 | 分发/集成权重时,必做 |
| ② | 标注数据来源与许可证(Apache-2.0 权重 / AGPL-3.0 与 MIT 数据源) | 对外发布模型卡片时,建议 |
| ③ | 核查轨迹数据上游服务商 ToS 对商用蒸馏的态度 | 商用场景必做 |
| ④ | 避免直接复用 AGPL 数据集做增量训练,除非愿意履行 AGPL-3.0 义务 | 自行再训练时 |
| ⑤ | 避免以“Claude”名义做产品宣传,防止商标与混淆争议 | 对外营销时,建议 |
⚖️ 本文为技术向合规解读,不构成法律意见。正式商用前,请由法务基于最新条款与法规做最终确认。
❓ 新手常见问题
Q1:个人学习、本地跑分,需要担心 AGPL 吗? 基本不需要。你只是通过 Apache-2.0 使用已发布的权重,AGPL 数据许可约束的是“数据集使用者”(训练环节),个人非商用推理不在其射程内。
Q2:我二次量化后再分发,可以吗? 可以。Apache-2.0 允许再分发,F16 全精度文件(Parable-Qwen3-4B-Claude-Fable-5-GGUF-F16.gguf)官方就是留给用户做再量化的。分发时保留许可声明即可。
Q3:它和我直接商用基座 Qwen3-4B 比,合规更复杂吗? 是的,稍微复杂一点。基座 Qwen3-4B 是干净的 Apache-2.0 单许可链路;Parable 多了一条 AGPL/MIT 数据源与第三方 ToS 的审查线。日常商用风险可控,但需要多做第③④步核查。
📥 获取方式
- 官方推荐入口:README.md(含量化版本对照表与性能评测)
- 如需完整文件列表(权重 + 文档),可克隆仓库:
git clone https://gitcode.com/hf_mirrors/AnkitAI/Parable-Qwen3-4B-Claude-Fable-5-GGUF - 方法论细节:作者在 Zenodo 发布了方法报告(见 README.md 引用),可据此追溯训练配方
一句话总结:Parable-Qwen3-4B-Claude-Fable-5-GGUF 的权重许可(Apache-2.0)对商用非常友好,本地 4B 编程/Agent 场景下属于“放心用”一档;但数据源中的 AGPL-3.0 数据集与第三方助手 ToS,决定了你在商用落地与自行再训练时,必须先完成上游条款核查,再上生产。