LLaMA 最初不公开可用，只能通过 Meta 访问，Meta 尚未透露其训练数据。但LLaMA一直旨在开源，并旨在“进一步民主化访问”人工智能。本周，Meta 至少部分兑现了这一承诺。封闭系统的用户必须支付许可费才能访问其所在的模型并使用相同的模型分发应用程序。Meta 打开 LLaMA 的方式，通过向 Azure 用户提供它并在一定程度上未经许可，消除了这种不便。

Meta 开放 LLaMa 并将其引入 Azure 具有商业意义，特别是如果 Meta 相信公开开发人工智能。这是让人们在平台上访问更多LLM模型并比较结果的第一步。更多种类的LLM框架可供选择，这也关注了每个模型如何协同工作的问题。LLM开发人员希望人们使用他们的模型，因此将它们放在各种平台上可以将它们带给更多用户。

即使是最具竞争力的大型科技公司也会相互开展业务。Meta 对与Microsoft合作并不陌生——Meta 将 Microsoft 的 Teams 产品带到了 Workplace by Meta，后者已经运行了 Office 365 套件。

开放有其风险。OpenAI的联合创始人兼首席科学家Ilya Sutskever在2015年成立时是一个更加开放的组织，他告诉The Verge，他后悔分享研究，因为害怕竞争和安全。例如，开放数据集可以更容易地起诉侵犯版权，因为人们可以看到哪些来源被抓取用于数据以训练模型。

但是，对于人工智能互操作性的倡导者来说，拥有更多的LLM框架可供选择可能是个好消息。

由于默认情况下，LLM 彼此不同，因此开发人员通常必须选择使用哪种模型来构建应用程序。系统没有好的方式来说话。

围墙花园对大多数现代技术用户来说并不令人震惊，但人工智能互操作性倡导者认为，人工智能成长和发展的唯一途径不是通过封闭的孤岛，而是通过可以相互交流的开放结构。甚至Microsoft也相信可互操作的人工智能;它与其他科技公司一起加入了开放神经网络交易所（Open Neural Network Exchange），该组织希望推广人工智能互操作性的行业标准，以便开发人员能够“找到正确的工具组合”。

让人工智能系统协同工作可以为搜索查询等事情带来更好的结果。能够在不同数据集上训练模型的公司可以提供更好、更全面的服务——如果一个模型是错误的，可能会避免对一个信息源的灾难性过度依赖。能够在一个地方同时开发LLaMa和OpenAI的GPT模型可以降低开发成本和时间。

目前，LLaMa在Azure上可用并不意味着使用LLaMa制作的应用程序可以突然与在OpenAI的GPT模型上运行的应用程序进行对话。还没有人建造过这座桥。此外，并不是每个人都同意LLaMa勾选了开源软件的所有框，特别是因为它不使用开源计划批准的许可证。它还限制了谁可以免费将LLaMa用于商业用途。根据其社区许可协议，每月活跃用户超过 700 亿的开发者“必须向 Meta 申请许可”。