DeepSeek、Qwen、そしてオープンウェイトの波

中級

長い間、「良いAI」の物語とは、APIを通じてしか借りられない一握りのクローズドなフロンティアモデルの物語でした。それはもはや物語の全体ではありません。オープンウェイトモデルの波 — その多くはDeepSeekやAlibabaのQwenといった中国の研究機関から、さらにMetaのLlamaやフランスのMistralも加わって — は、十分に高性能で、十分に安価で、十分に小さくなり、自分自身の有能なモデルをダウンロードして実行することが現実的な選択肢になりました。このページは、その状況についての永続的な地図です。なぜそれが起きたのか、「オープンウェイト」が実際に何を意味するのか、クローズドなフロンティアモデルとの正直なトレードオフ、そして今日これらのモデルを実際にどう使うのか、を扱います。

What you'll learn

オープンウェイトモデルがなぜ競争力を持つようになったのかを理解する — コストあたりの能力とオープンな推論
「オープンウェイト」が本当に何を意味するのかを正確に把握する — オープンソースおよびオープンデータとの違い
アーキタイプを見分ける：汎用チャット、推論、コーディング、そして小型/効率重視モデル
クローズドなフロンティアとの実際のトレードオフを比較検討する — 最難関タスクでの能力差、そして自前のインフラと安全性を所有すること
実際にそれらを使う2つの方法を知る：ホスト型API、またはOllama経由のセルフホスティング

なぜオープンウェイトモデルは突然競争力を持つようになったのか

3つのことがほぼ同時期に変化し、それらが合わさって日常的な差の大部分を埋めました。

コストあたりの能力が一気に下がった。 より優れた訓練レシピ、データのキュレーション、そして**Mixture-of-Experts（MoE）**アーキテクチャ（大きなモデルのパラメータのうち、トークンごとに一部だけが活性化する仕組み）により、研究機関はコストをはるかに上回る性能のモデルを出荷できるようになりました。実際のタスクの大きな割合 — 下書き、要約、抽出、分類、ルーチンなコーディング — では、優れたオープンモデルがいまや「十分」であり、しかもフロンティアAPIのほんの一部のコストで実現できます。
オープンな推論モデルが登場した。 DeepSeekの推論系列は転換点でした。それは、「答える前に段階的に考える」能力 — かつては一握りのクローズドなモデルの堀だったもの — が、オープンウェイトで訓練・公開できることを示しました。1つの研究機関がそれを証明すると、残りのオープンなエコシステムが後に続きました。
小型モデルが本当に使えるものになった。 10B未満、さらには1B未満のモデルが一貫性を持ち有用になり、ラップトップや安価なサーバーで有能なものを実行できることを意味します。これはプライバシー、レイテンシ、スケールの経済性を変えます。

正味の効果として、クローズドなフロンティアとの差は消えはしませんでしたが、大半の作業では決め手ではなくなりました。決め手となったのは、コスト、コントロール、そしてデータがどこに置かれるか、です。

「オープンウェイト」が実際に意味すること

これはこの分野全体で最も混同されがちな点です。「オープン」は3つの異なる意味で多くの仕事をしており、それらは同じものではありません。

用語	実際に手に入るもの	通常は手に入らないもの
オープンウェイト	訓練済みのモデルファイル（重み）。ダウンロード、実行、ファインチューニング、セルフホストができる。	訓練データ、そして時には完全な訓練コード。利用はカスタムライセンスに従う場合がある。
オープンソース（厳密な意味）	重みに加えて、OSIスタイルのライセンス下の訓練/推論コード。利用・改変・再配布の自由がある。	それでも訓練データは含まれないことが多い。
オープンデータ	モデルが訓練された実際のデータセットが、公開されている。	フロンティア規模のモデルでは稀。ほとんどの「オープン」モデルはオープンデータではなくオープンウェイト。

実践的な要点：人々が「オープンソース」と呼ぶモデルの大半は、実際にはオープンウェイト。 それらを実行し適応させることはできますが、通常はゼロから再現することはできず、ライセンスを読まなければなりません。ライセンスはさまざまです。

一部は商用利用にクリーンなパーミッシブライセンス（Apache 2.0、MIT）の下で出荷されます — 例えばQwenやMistralのモデルは歴史的にApache 2.0を使ってきましたし、DeepSeekは主要なリリースでMITを使ってきました。
一部は条件付きのカスタムコミュニティライセンスの下で出荷されます — 例えばMetaのLlamaライセンスは、歴史的に、最大手企業（月間アクティブユーザー数による）が自由に利用することを制限する条項を含んでいました。

それを基に構築する前に、必ず該当するモデルカードのライセンスを確認してください。中立的だが重要な点：モデルがオープンウェイトであることは、自分でホストすることができるということを教えてくれますが、法的条件は教えてくれません。また、ライセンスやデータレジデンシーの問題を消し去るわけでもありません — それらをあなたへと移し替えるのです。

4つのアーキタイプ

オープンウェイトのファミリーは、ほぼ常に単一のモデルではなく、バリアントの幅として登場します。4つのアーキタイプを学べば、どの研究機関のラインナップも一目で読み取れるようになります。

オープンウェイトモデルのアーキタイプ

Enter キーまたはスペースキーでカードを裏返します。左右の矢印キーでカードを移動できます。用語を表示しました。

1 / 4

単一のファミリー — Qwenが最も明快な例 — は通常、梯子全体を提供します：エッジやラップトップ向けの極小モデル、サーバー向けの中型モデル、最難関タスク向けの大型フラッグシップ、加えてコーディングおよび推論に特化したバリアント。あなたは「そのモデル」ではなく、自分のハードウェアとタスクに合った段を選びます。

クローズドなフロンティアとの正直なトレードオフ

オープンウェイトモデルは厳密なアップグレードではありません。別の取引です。ここではそのトレードを中立的に示します。

観点	オープンウェイト（セルフホストまたは安価なホスト）	クローズドなフロンティア（ホスト型API）
最難関タスクの能力	強力で急速に差を詰めているが、最も難しい推論、長期的なエージェント的タスク、ニッチなタスクでは通常まだクローズドなフロンティアが先行	最もタフなタスクでは通常これが天井
スケール時のコスト	特にセルフホストや低予算ホスト経由では劇的に安くなりうる	トークンあたりはプレミアム。予測可能だが積み重なる
プライバシー / データレジデンシー	データを完全に自分の環境内に保てる	データは自分のネットワークを離れてプロバイダーへ
コントロールとカスタマイズ	完全：ファインチューニング、量子化、バージョン固定、オフライン実行	APIが公開するものに限定。バージョンが自分の知らぬ間に変わりうる
安全性と運用は誰が所有するか	あなた — ガードレール、不正利用フィルタリング、稼働時間、スケーリング、パッチ適用はあなたの仕事	プロバイダーがインフラを運用し、ベースラインの安全性を出荷

その最後の行は、人々が軽視しがちなものです。オープンウェイトモデルをセルフホストするとき、あなたはフロンティアの研究機関が通常代わりに引き受けてくれる責任も引き継ぎます：コンテンツの安全性と不正利用の緩和、デプロイをパッチ適用済みに保つこと、キャパシティと稼働時間、そして新しいモデルバージョンを自分で評価すること。「オープンウェイト」はコントロールを買いますが、コントロールは利益であると同時にコストでもあります。このトレードのAPI側のコスト直感については、トークン経済を参照してください。

オープンモデルを実際に使う方法

道はちょうど2つあり、ほとんどのチームは異なる段階で両方を使います。

ホスト型API — 多くのプロバイダー（研究機関自身やサードパーティの推論ホストを含む）が、オープンウェイトモデルをAPIの背後で、多くの場合OpenAI互換で提供しています。インフラ作業ゼロでオープンモデルの経済性が得られます。サーバーを運用せずに低コストを望むときに最適ですが、データは依然として自分のネットワークを離れることに注意してください。
セルフホスト — 重みをダウンロードし、自分の環境で実行します。最大限のプライバシーとコントロールが得られ、データが本当にネットワークを離れられない場合の唯一の選択肢です。最も簡単な入り口はOllamaで、1つのコマンドでオープンモデルをプルして実行します。

4ステップでローカルにモデルを試す

Guided walkthrough1 of 4

ollama.com/download（macOS/Windows）からダウンロードするか、Linuxインストールスクリプトを使います。これでollamaコマンドとローカルのバックグラウンドサービスが手に入ります。詳しい手順はローカルでモデルを実行するページにあります。

Ollamaでオープンモデルをローカルにプルして実行する

ollama run qwen3

その1つのコマンドが、Qwenのオープンウェイトモデルをダウンロードし、ローカルチャットを開始します — APIキーなし、データがマシンを離れることもなし。qwen3 を別のファミリー（例えばLlama、Mistral、DeepSeekのタグ）に入れ替えて、自分のタスクで比較してみましょう。特定の仕事に適切なモデルを選ぶことはそれ自体が1つのスキルです：モデルの選び方を参照してください。

実践におけるオープンとクローズドの選択

リーダーボードで選ばないでください。制約で選びましょう：

データがネットワークを離れられない → セルフホストのオープンウェイトが答え、以上。
大量、コスト重視、「十分」な品質 → オープンウェイト（ホスト型またはセルフホスト）が通常コストで勝ちます。
最難関タスクで絶対的に最高のものが必要 → クローズドなフロンティアが依然として先行しがち — 重要なところでそれを使い、より簡単なトラフィックはより安いオープンモデルにルーティングしましょう。
ファインチューニング、量子化、バージョン固定、オフライン実行をしたい → そのコントロールを与えてくれるのはオープンウェイトだけです。

最も永続的な一手は、自分自身の実データに対して、1つのオープンと1つのクローズドの候補で小さな評価を実行することです。ベンチマークは誰か他人のタスクを記述します。あなたの評価はあなたのタスクを記述します。

理解度チェック

0/3

「オープンウェイト」が手に入ることを保証するものは何か？
法的にネットワークを離れられないデータを処理しなければならない。どの道が合うか？
オープンウェイトモデルをセルフホストするとき、どんな新しい責任を負うか？

Key takeaways

オープンウェイトモデルは、コストあたりの能力、オープンな推論モデル、そして本当に使える小型モデルのおかげで、日常的な差の大部分を埋めた
「オープンウェイト」＝実行・ファインチューニングできるダウンロード可能な重み — 必ずしもオープンソースのコード、オープンな訓練データ、パーミッシブライセンスではない。必ずモデルカードを読むこと
どんなラインナップもアーキタイプで読む：汎用チャット、推論、コーディング、小型/効率重視 — ほとんどのファミリーはサイズの梯子全体を出荷する
トレードは本物：オープンはコスト、プライバシー、コントロールを買うが、クローズドなフロンティアは通常まだ最難関タスクで先行し、あなたは安全性とインフラを引き継ぐ
使う方法は2つ：ホスト型（多くの場合OpenAI互換）API、または1つのコマンドでOllama経由のセルフホスト — そしてリーダーボードではなく、あなたのデータで評価する

なぜオープンウェイトモデルは突然競争力を持つようになったのか​

「オープンウェイト」が実際に意味すること​

4つのアーキタイプ​

クローズドなフロンティアとの正直なトレードオフ​

オープンモデルを実際に使う方法​

4ステップでローカルにモデルを試す​