Qwen 2.1 许可证争议：小型商用或将免付费授权

一条推特引发的许可证讨论

围绕阿里 Qwen 系列模型的商用许可条款，社区最近出现了一场值得关注的讨论。开发者 Ostris 公开向 Qwen 团队提出建议，希望在许可证中加入一个"营收上限"（revenue cap）条款——即小规模的商业使用无需付费获取商用授权。

这类诉求并非空穴来风。随着开源模型被越来越多的个人创作者和小团队采用，许可证条款的模糊地带直接影响到大量非企业级用户的合规成本。对于靠 AI 生成内容维生的独立创作者而言，一纸不清晰的商用条款可能意味着潜在的法律风险。

Qwen 团队的回应

根据帖子转述的推特内容，Qwen 团队成员 Kun Yan 对这一建议作出了回应，表示会"予以考虑"（they'll consider it）。更关键的是，他半开玩笑地表示不会去追究任何人的"YouTube 收入"。

这句调侃虽然不构成正式的法律承诺，但传递出一个相对明确的信号：Qwen 团队对小型商用场景持宽松态度。帖子作者据此得出结论——"看起来我们不用太担心"（Looks like we don't need to worry much）。

需要提醒的是，官方口头表态与写入许可证的正式条款之间存在本质区别。在条款真正落地之前，这仍属于团队成员的个人回应，而非具有约束力的授权变更。

哪些场景受关注

讨论中被具体提及的小型商用场景包括：

• 变现视频：在 YouTube 等平台上发布并获得广告分成的视频内容
• 变现帖子：带有商业收益的社交媒体内容
• Civitai 上的 LoRA：创作者在模型分享平台上发布的微调权重

这些正是当前 AIGC 创作者社区最活跃、也最容易触及许可证边界的用例。它们的共同点是收入规模有限、属于个人或小团队行为，与大型企业的商业化部署有明显区别。

LoRA（Low-Rank Adaptation）是当前最流行的大模型微调技术之一，其核心思想是在预训练模型的权重矩阵旁插入低秩分解的小矩阵，仅训练这部分新增参数，从而大幅降低显存占用和训练成本。对于图像生成领域（如 Stable Diffusion），创作者可以用数十张图片、在消费级显卡上完成一个 LoRA 的训练，然后将其发布到 Civitai 等平台供他人下载使用——部分创作者会对此收费或接受打赏。正因如此，LoRA 成为 AIGC 社区中商业边界最模糊的产物之一：它本身不包含基础模型权重，但其生成效果高度依赖底座模型，因此是否构成"基于该模型的商业分发"，直接受制于底座模型的许可证条款。

营收上限条款为何重要

"营收上限"是开源许可证中一种常见的分层授权设计思路。其逻辑是：低于某个营收门槛的使用者可免费商用，超过门槛的大型商业实体则需要购买付费许可。

这种设计在业界并不罕见，它兼顾了两个目标——一方面降低独立开发者和小微创作者的准入门槛，鼓励生态繁荣；另一方面为模型开发方保留了向大企业收费的商业化空间。

对 Qwen 而言，如果最终采纳类似条款，将有助于消除大量创作者的顾虑，进一步扩大模型在内容创作领域的采用率。毕竟，一个让用户"用得放心"的许可证，本身就是开源模型竞争力的组成部分。

营收上限（Revenue Cap）条款在开源软件许可领域已有成熟先例。Elastic License 2.0、BSL（Business Source License）以及部分 AI 模型许可证（如早期的 BigScience RAIL 系列）都采用了类似的分层授权逻辑。在 AI 模型领域，Meta 的 Llama 系列许可证规定月活跃用户超过 7 亿的公司需单独获取授权，这是另一种维度的"规模门槛"设计。这类条款的法律挑战在于：营收或用户规模的认定标准、跨境适用性，以及与 OSI（开源促进会）定义的"真正开源"之间的张力——严格意义上，带有商业限制的许可证不被 OSI 认定为开源许可证，这也是社区争论的持续来源之一。

保持理性看待

这场讨论目前仍停留在早期沟通阶段。社区的乐观情绪可以理解，但在正式条款公布前，建议关注几点：

• 官方回应是否会转化为许可证的书面修改
• 营收上限的具体门槛数字（如果有）
• 覆盖的使用场景边界如何界定

对于依赖 Qwen 进行商业创作的用户来说，最稳妥的做法仍是以官方发布的最新许可证文本为准，而非依赖社交平台上的非正式表态。

值得肯定的是，Qwen 团队愿意公开听取社区反馈并作出回应，这种互动本身对开源生态是积极信号。许可证条款的持续优化，往往正是从这样的社区对话开始的。