8月14日、The Next Platformが「The War Between Open Source, Open Weight, And Closed AI Models」と題した記事を公開した。この記事では、オープンソース・オープンウェイト・クローズドの3種類のAIモデルが産業界でどのように競合し、企業の技術選定にどう影響するかについて詳しく紹介されている。

「オープンウェイト」はオープンソースではない

AIモデルを巡る議論でしばしば混同されるのが、「オープンウェイト」と「オープンソース」の違いだ。

• オープンソース：モデルの重み（weights）だけでなく、学習データやトレーニングコードも含めて公開する。NvidiaのNemotronシリーズが現状ではほぼ唯一の大規模事例とされる。
• オープンウェイト：モデルの重みは公開するが、学習データや学習コードは非公開。MetaのLlama 3・Llama 4、DeepSeek、Mistralなど多数がここに分類される。
• クローズド：重みも学習データも非公開。OpenAI、Anthropic、GoogleのGemini上位モデル、AWS Bedrockなどが該当する。

なお、「オープンソース」の定義についてはOSI（Open Source Initiative）が定める基準が参照されることが多いが、AIモデルの文脈ではこの定義が必ずしも厳密に適用されていない点も議論を複雑にしている。

記事の著者は、この分類を「医療AI」という具体的なシナリオで問いかけることで際立たせている。あなたが患者として、医師がGenAIを使って画像や検査結果を解析し治療方針を出すとき、そのモデルの出自や透明性をどこまで問えるか——という設問だ。実際にはその選択は患者ではなく医療ソフトウェアベンダーが行う。だからこそ、モデルの透明性が重要になる。

Nvidiaだけが「完全オープン」を負担できる理由

記事が特に強調するのは、Nvidiaの立ち位置の特異性だ。

NvidiaはNemotron 3シリーズにおいて、ソースコード・重み・学習データセットをすべて公開した。なぜ可能なのか。答えは単純で、「ハードウェアで十分に稼いでいるから」だ。記事はこれをIBMのSystem/360時代になぞらえる——IBMはアプリケーションコードをオープンにしつつ、ハードウェアで利益を得た。Nvidiaも同じ構造にある。

「Nvidiaのハードウェア価格を考えれば、ソフトウェアはむしろ無料であって当然だ」

記事の筆者はこう述べており、モデル公開はボランティア精神ではなくビジネス設計として読み解いている。

Metaの揺れ動く姿勢

Meta Platformsのオープン化方針は一貫していない。

• Llama 3：オープンウェイト（ソースは非公開）
• Llama 4：さらに大規模化したが、引き続きオープンウェイトのみ
• Meta独自の一部モデル（2026年4月リリース）：クローズド
• その後継モデル（予定）：オープンウェイトに戻る予定
• 小規模モデル（300億パラメータ、PC上での動作を想定）：最初からオープンウェイト

※上記モデル名については、元記事に記載された名称を確認できなかった箇所があるため、機能・時期の記述にとどめている。元記事にて正確な名称を確認されたい。

MetaがReactやPyTorchをオープンソース化した動機は「エンジニアをMetaのエコシステムに引き込むため」という自社利益であり、記事はそれを「啓発的な自己利益（enlightened self-interest）」と表現している。AIモデルについても同様の動機がある。

蒸留（Distillation）問題とZuckerbergの主張

記事がもう一つ掘り下げるのが、モデル蒸留を巡る政策論争だ。

モデル蒸留（Knowledge Distillation）とは、大規模モデルの出力を教師信号として用い、より小規模なモデルを訓練する手法だ。多くの小規模モデルはこの手法で作られており、中国のDeepSeekが米国モデルから蒸留したとも指摘されている。Mark Zuckerbergは自身のAIマニフェストでこう述べた。

「オープンソースで米国がリードするためには、蒸留とトレーニングデータの利用に関するポリシーを見直す必要がある。モデルが他のモデルから学ぶことは、オープンソースエコシステムの重要な原則だ。観察できるものから学べるというこの原則を守ることが重要であり、これを制限すれば米国はリードできなくなる。」

これに対して記事の筆者は冷静な疑問を投げかける。「モデル同士が互いに平均化し合っていったとき、誰が何に対してお金を払えるのか？」

もし蒸留によってオープンモデルの品質がクローズドモデルに追いつくならば、クローズドモデルの優位性はAPI課金と品質差だけで支えられることになる。一方、クローズドモデルが品質優位を維持できるなら、API提供とオンプレミスライセンスで稼ぎ続けられる。

参考：300億パラメータ以上のオープン系モデル一覧

記事にはOpenAI・Anthropic・Google・AWSのクローズドモデルを除いた、300億パラメータ以上のオープンウェイト・オープンソースモデルをまとめた表が掲載されている。クローズドモデルはパラメータ数などの仕様が非公開のため含まれていない。

筆者は「300億パラメータが思考のための最低限のシナプス数」とし、それ未満のモデルは個人デバイス向けと位置づけている。

企業の技術選定への示唆

記事はERP導入の歴史とAI選定を重ね合わせる。1990年代、多くの企業は自社開発アプリをSAPやOracleに切り替え、「コントロールよりスピード」を選んだ。AIも同じ構図にある——自社でAIスタックを抱えるか、SaaSベンダーがAI機能を追加するのを待つか。

筆者はOpenAIとAnthropicの両方のAPIを個人で契約している立場から、「ほとんどの企業はデータを外部モデルに送り出したくないはずで、AIはソフトウェアスイートの近くに置きたいはずだ」と述べる。

結局のところ、構造的に有利なのはハードウェアを握るNvidiaであり、クローズドモデル陣営が生き残るには品質差の維持が前提条件になる。

詳細はThe War Between Open Source, Open Weight, And Closed AI Modelsを参照していただきたい。