Codeberg провёл одну из самых жёстких границ между open source как лицензией и free software как человеческой совместной разработкой.

23 июля Codeberg e.V. опубликовал результаты двух голосований по LLM. Первое решение простое: forge и связанные сервисы Codeberg не используют и не будут использовать код, проекты и данные пользователей для обучения generative AI. Второе решение спорнее: Terms of Use меняются так, чтобы запретить "vibe-coded projects", то есть проекты, в основном созданные или поддерживаемые с heavy use of LLMs.

Независимый open-source forge с людьми, проверяющими код, и AI-generated веткой за пределами процесса

Это не политика уровня GitHub. Codeberg меньше, community-run и тесно связан с FLOSS/Forgejo-миром. Но именно поэтому событие важно. Большие платформы обычно продают AI как слой продуктивности. Codeberg задаёт другой вопрос: должен ли независимый forge тратить пожертвования, модераторское время и доверие сообщества на репозитории, которые открыты по лицензии, но по сути являются machine output?

Что приняли

По словам Codeberg, голосовали active members Codeberg e.V.; 14-дневный период голосования завершился перед публикацией. Первое предложение закрепило отказ использовать данные проектов и пользователей для обучения LLM. Второе прошло с 358 votes за, 144 против и 14 abstentions при turnout около 50% active members.

Новая формулировка Terms of Use говорит, что нельзя размещать проекты, которые в основном состоят из кода, написанного generative AI tools, включая Claude и OpenAI Codex. Codeberg связывает это с неясным copyright status и риском вредного кода.

Важно не расширять правило слишком далеко. Codeberg прямо пишет, что не будет начинать массовую зачистку. Проекты с активным сообществом, значимой pre-LLM history или отдельными принятыми LLM-generated contributions, скорее всего, не затронут, если проект в целом не строится на heavy LLM use.

Почему forge вообще об этом думает

Аргумент Codeberg не только идеологический. Платформа жалуется на crawler-нагрузку от компаний, которые собирают код для обучения LLM: вместо нормального git clone они бьют по страницам истории, фильтрам issues и файлам, создавая дорогие database queries. Плюс есть storage, CI/CD и release artifacts для проектов, у которых почти нет реальных пользователей.

Вторая часть — доверие. Maintainers уже получают low-effort LLM-generated contributions, которые выглядят уверенно, но требуют много проверки. Codeberg также говорит о license laundering: copyleft code может возвращаться через model output без reciprocity. Даже добросовестное использование AI повышает подозрительность: люди начинают гадать, кто писал патч и понимает ли автор собственный код.

Где спор

Критики правы в одном: "vibe-coded" трудно определить. AI можно использовать для тестов, документации, autocomplete, refactoring, review или почти полного agentic implementation. Граница между инструментом и заменой maintainer judgment не видна из git diff.

Отсюда риск selective enforcement. Плохой проект могут объявить AI-проблемой, хороший проект с heavy AI use — подозрительным, а обычный hand-written mess пройдёт просто потому, что выглядит привычно. В HN-треде по Codeberg это и обсуждали: одни приветствуют anti-LLM home, другие боятся морального gatekeeping и расплывчатых правил.

Что делать мейнтейнерам

Не каждому проекту нужно копировать Codeberg. Но почти каждому зрелому проекту пора записать AI contribution policy. Разрешены ли LLM-generated patches? Нужен ли disclosure? Можно ли отклонить код, который contributor не способен объяснить? Как проверяются copyright, dependency changes, tests, security и maintainability?

Хорошая политика должна быть проверяемой, а не ритуальной. "Я использовал LLM для черновика тестов" и "agent написал feature, я не читал diff" — разные ситуации. Maintainer не нужен исповедальный жанр; ему нужно понять, можно ли честно review this patch.

Codeberg, возможно, станет не универсальной заменой GitHub, а осознанным домом для human-first FLOSS projects. Это нормальный outcome. Экосистема forge может стать более pluralistic: одни площадки будут приветствовать AI workflows, другие — защищать человеческий review и низкий infrastructural noise.