AI 法规与开源权重模型：在 2026

#为何编写本指南

许多企业出于常见原因转向开放权重模型：成本、延迟、主权、GDPR。2026 年反复出现的问题是：如果我们下载 Llama 4 或 Mistral Magistral，并在自己的服务器上运行，谁承担 AI Act 规定的义务？供应商？我们？还是双方都要承担？

简短的回答是：Meta 或 Mistral 承担供应商一方的 GPAI（通用人工智能）义务。但您作为部署方——尤其是在进行微调时——也要承担一系列自身的义务。因此，开放权重模型在《人工智能法案》（AI Act）下的合规问题并非简单的是非判断，而是各方分担责任的问题。

#2026 年实施时间表：哪些规定真正适用

《人工智能法案》于 2024 年 8 月生效，但分阶段实施。以下是在 2026 年使用开放权重模型时需要关注的要点。

2025年2月

绝对禁止的行为（社会评分、操纵、未经授权的生物特征识别）。相关禁令已生效。

2025年8月

适用于通用模型提供商的 GPAI 义务。这些义务正是 Meta、Mistral、Google 等企业需要承担的。

2026年8月

高风险人工智能系统的义务（附件 III）：人力资源、信用评分、关键基础设施、司法。如果您的部署属于其中任何一类，您就需要履行这些义务。

2027年8月

扩展到受监管产品中集成的AI（附件I：玩具、医疗设备、车辆）

#开源 GPAI 豁免：适用范围

《人工智能法案》第 53(2) 条规定，对于依据自由开源许可证发布、且该许可证允许访问、使用、修改和分发的通用模型，设有豁免。这就是文中所称的“free and open-source”制度。

要使开放权重模型获得豁免，必须同时满足以下三个条件：

可获取的模型权重

模型参数已公开发布（HuggingFace，Ollama 注册表等）。

宽松许可证

许可证至少允许使用、修改和再分发。Apache 2.0、MIT 以及大多数「开放权重」许可证都符合条件。Llama 许可证（社区许可证，门槛为 7 亿月活跃用户）属于边界情况，委员会于 2025 年对其作出了有利的澄清。

架构与参数公开披露

不只是权重：还必须公开说明模型架构的文档。

当这些条件得到满足时，模型提供商（Meta、Mistral 等）可免于履行两项主要义务：（1）向 AI Office 提供详细技术文档；（2）向下游部署方提供完整的模型卡。但有一个经常被忽视的陷阱：提供商仍须履行另外两项义务，而这些义务也会沿下游传递到您这里。

#即使开源也仍需履行的义务

以下内容不在豁免范围内，无论如何都适用于模型供应商，因此也会通过价值链间接适用于您。

遵守著作权的政策（第 53(1)(c) 条）

供应商必须发布符合数字市场版权指令 2019/790 的政策，尤其要尊重权利人明确表达的拒绝将内容用于 TDM（文本与数据挖掘）的意愿。

训练数据的公开摘要（第53(1)(d)条）

按照 AI Office 提供的模板，对用于训练的内容编写足够详细的摘要。这就是 Meta、Mistral、OpenAI 如今发布的那份广为人知的“training data summary”（训练数据摘要）。

#“systemic risk”的情况：豁免不再适用

第51条定义了一个特殊类别：具有系统性风险的 GPAI 模型。具体而言，模型在满足以下条件时会被归入这一类别：

计算阈值

训练累计计算量超过10^25 FLOPs。Llama 3.1 405B和GPT-4超过了这一阈值；Llama 3 70B和大多数Mistral模型则没有。

酌情认定

AI Office 可以根据其他标准（对欧盟内部市场的影响、能力、用户数量）将模型认定为具有系统性风险的模型。

#如果您直接使用未经修改的开放权重模型

最常见的情况：您通过 Ollama 下载 Mistral Small 24B、Qwen 3.8 27B 或 Gemma 4 12B，并向同事或客户提供该模型供其使用。按照该法规的定义，您属于“部署者”（deployer）。以下是您需要履行的职责。

1. 01
   识别您使用场景的风险等级

   请阅读该法规的附件 III。如果您筛选简历、为候选人评分、作出信贷发放决定，或管理获得教育或基本服务的资格，您的使用场景就属于高风险——所有相关义务均适用（风险管理、数据质量、可追溯性、人工监督、日志记录）。
2. 02
   应用第50条关于透明度的规定

   对于所有对话系统或内容生成系统：告知用户其正在与AI交互，并将生成的内容标明为AI生成（文本、图像、音频、视频）。对于聊天，在界面中提供清晰的免责声明即可；视觉和音频内容则必须采用技术手段进行标记（水印、C2PA）。
3. 03
   通过内部政策规范使用

   记录清楚：允许使用哪些模型、处理哪些数据、用于哪些场景，以及采取何种人工监督。这也是您面对 CNIL 审计或负责实施 AI Act 的国家主管机构检查时最有力的依据。
4. 04
   培训您的用户（第4条）

   第4条要求使用系统的人员具备足够的AI素养。通常1小时的正式培训被认为足以满足低风险使用场景；高风险场景则需要更长时间的培训。

#如果您对模型进行微调

一旦您对模型进行实质性修改（微调、蒸馏、添加大规模LoRA适配器），您就会从“部署者”转变为“衍生GPAI模型的提供者”。该条例的序言第109段和AI办公室2025年的指导文件已明确何谓“实质性”：

参考阈值

如果微调所用的计算量超过基础模型初始训练计算量的三分之一，您就会被认定为衍生模型提供方。低于这一阈值时，您通常仍属于部署方。

LoRA及轻量适配器

只要您不修改基础权重，且适配器仅用少量数据（几千个示例）训练，您仍属于部署者范畴。

在大规模语料库上进行全量微调

您将成为模型提供者。第 53 条规定的义务（版权政策及训练摘要）适用于您进行的训练部分。

#2026 年需要编制的文档

无论您是部署者还是衍生供应商，以下文件都必须在 2026 年存放于您的档案中（纸质或电子形式均可——关键是保持最新，并在接受检查时能够查阅）。

AI 系统台账

列出所有已部署的模型，以及各自的版本、用途、经评估的风险等级、投入使用日期和内部负责人。

影响评估（DPIA + AI 风险评估）

针对每个高风险系统或处理敏感个人数据的系统。GDPR 的 DPIA 与 AI Act 的评估可以合并为一份文档。

内部模型说明

对于每个使用的模型：来源、许可证、下载日期、权重哈希值、所用量化方式、针对您的使用场景评估的性能，以及已知偏见。实用提示：Ollama 模型的 blob 的 sha256 哈希值可通过 `ollama show` 获取。

使用政策与内部 AI 守则

由内部用户签署的文档：明确哪些内容被允许、禁止，哪些数据可以提交，哪些不可以。

事件记录

任何故障、已发现的严重偏差或不当输出。既用于满足 AI Act 的要求（高风险系统的可追溯性），也用于指导您的改进工作。

若您是衍生模型的提供者：训练数据摘要

按 AI Office 格式编写的、用于微调的数据的公开摘要。该文档必须适合公开发布。

# Récupère le hash du modèle pour preuve d'audit
ollama show qwen3.8:27b --modelfile

# Localiser le blob et vérifier son intégrité
ls -la ~/.ollama/models/blobs/
sha256sum ~/.ollama/models/blobs/sha256-*

#快速合规检查清单

2026 年，每次将开放权重模型部署到生产环境前，都应勾选以下检查项：

模型来源规范

已从官方模型库下载（HuggingFace 上经验证的组织、Ollama 模型库），并已阅读和归档许可证。

已评估的使用场景

不在禁止清单内（第5条），已记录的风险等级（附录III）

透明度措施已落实

AI 免责声明清晰可见，生成图像或音频时添加水印，用户培训已完成。

已签署的 DPIA／AI 评估

适用于任何个人数据处理或高风险处理。

训练数据（如进行微调）

已遵守版权政策，已尊重文本与数据挖掘（TDM）的退出声明，已准备好训练摘要。

日志已开启

推理日志按法定保留期限保存（通常为 6 个月，高风险场景下更长）

审计计划

指定一名联络人，能够在规定期限内（通常为 15 天）回应国家主管机关的请求。

#深入了解

三个相关指南可供深入了解：《本地 LLM 与 GDPR 指南》在讨论《人工智能法案》的同时，梳理了个人数据方面的义务；《中小企业内部聊天机器人指南》介绍如何从一开始就落实合规部署；对于受监管的专业机构（法律、医疗），《本地 LLM 法语合同分析指南》详细介绍了一个高风险案例的全流程处理。