オープンソース LLM
重みをダウンロードできるかどうかが、モデルを誰が握るかを決めます。微調整も自社 GPU での運用もオフライン動作も可能になる一方、推論環境・更新・障害対応は自分で抱えることになります。
オープンかクローズドかは「どちらが強いか」ではなく、四つの前提の組み合わせで決まります。データを外に出せるか、運用できる人材がいるか、呼び出し量が今後も高いままか、現状の精度とどれだけ差があるか、です。
データが機微または規制対象なら、オープンウエイトと自社運用がほぼ唯一の解になります。逆に呼び出しが少なく要件が毎週変わるなら、ホスティング API の柔軟性のほうが価値を持ちます。隠れたコストは運用にあります。推論サーバー、チューニング、バージョン更新、障害対応——オープンソースはダウンロードして終わりではありません。
公開の度合いも一様ではありません。Qwen3-Omni は Instruct、Thinking、Captioner を Apache-2.0 で公開し、MiniMax M2.1 は Modified-MIT を採用してコーディングとエージェント用途を狙い SWE-bench Verified などの数値を添えています。重みだけで学習データは非公開、利用制限付きという例もあります。契約前にライセンスを読むほうが、ランキングを眺めるより効きます。
