8月21日、TechStartupsが「Open-Source AI vs. Open-Weight AI: What's the Difference?」と題した記事を公開した。この記事では、「オープンソースAI」と「オープンウェイトAI」が混同されがちな現状を整理し、両者の技術的・法的な違いについて詳しく紹介されている。著者Daniel Leviは「実際に何をオープンにしたか」を問うことの重要性を説き、曖昧に使われてきた「オープン」という言葉に明確な線引きを与えようとしている。
「オープン」と呼ばれるAIの何がオープンなのか
DeepSeek-R1が2025年1月にMITライセンスで公開され、Alibaba QwenやMistral AIのモデルが次々と登場する中、AI業界では「オープンソース」という言葉が氾濫している。しかし記事の著者Daniel Leviは冒頭でこう断言する。
「オープンソース」と「オープンウェイト」は同じ意味ではない。
重要な問いはシンプルだ。「そのAI企業はモデルをオープンと呼んでいるか？」ではなく、「実際に何をオープンにしたか？」を問うべきである。
オープンウェイトとは何か
AIモデルの訓練では、大量のデータからパターンを学習した結果が「重み（weights）」と呼ばれる数値パラメータに蓄積される。大規模言語モデルはこの重みを数百億個単位で保有しており、入力に対する応答を決定するのがこのパラメータ群だ。
オープンウェイトモデルとは、この学習済みパラメータをダウンロード可能な形で公開するモデルを指す。開発者は自社サーバー上で動かし、特定タスク向けにファインチューニングし、プロダクトに組み込むことができる。APIのみで提供されるクローズドモデルと比べ、運用の自由度は大幅に高い。
この区別はビジネス・政策の世界にも波及している。2026年7月、NvidiaやMeta、Microsoft、Hugging Faceなど20以上の組織がトランプ政権に対し、オープンウェイトAIへの「時期尚早な規制」を避けるよう連名で求めた。Goldman Sachsのグローバル株式調査責任者Jim Covelloは投資家向けの説明でこう述べている。
「純粋な意味でのオープンソースはコードへのアクセスが全員に開かれ、共有・編集・無償利用が可能なもの。オープンウェイトはその派生で、出力は使えるが、ソースとコードは設計者に帰属する」
では「オープンソースAI」の基準は何か
オープンソースソフトウェアには40年以上の歴史があるが、AIにその概念を適用するのは難しい。従来のソフトウェアはプログラマーが書くが、現代のAIモデルは「訓練」によって生まれる。ソースコードだけを公開しても、モデルを生み出したプロセス全体は見えてこない。
Open Source Initiative（OSI）は長年の議論を経て「Open Source AI Definition 1.0」を策定した。そこで定義される4つの基本的自由は使用・研究・改変・共有であり、それを満たすために必要な要素は3つに整理されている。
- データ情報：訓練に使用したデータの出所・選定方法・ラベリング手順・前処理方法など、熟練者が実質的に同等のシステムを再現できるだけの詳細情報
- コード：データ処理・訓練・検証・推論・モデルアーキテクチャを含む完全なソースコード
- パラメータ：重みを含むモデルパラメータ（4つの自由を保持するライセンス条件付き）
重要な点として、オリジナルの訓練データセット全体を公開する必要はない。法的に再配布できないデータも存在するためだ。OSIが求めるのは「熟練者が実質的に同等のシステムを構築できる程度の情報」である。
ケーキの比喩で理解する
記事ではわかりやすいアナロジーが示されている。
- オープンウェイトモデル ＝ 焼き上がったケーキを受け取り、改変する許可を得た状態
- オープンソースAIモデル ＝ ケーキ本体に加え、レシピ・調理手順・材料の詳細情報も受け取り、実質的に同じものを自分で作れる状態
この比喩が示す核心は、「完成品を持っている」ことと「その完成品がどう作られたかにアクセスできる」ことは別物だということだ。
両者の主な違いを比較する
| 項目 | オープンウェイト | オープンソース |
|---|---|---|
| 重みのダウンロード | 可 | 可 |
| 自己ホスティング | 多くの場合可 | 可 |
| ファインチューニング | ライセンス次第 | 可 |
| 訓練コード公開 | 必須でない | 必須 |
| 訓練データの詳細情報 | 必須でない | 必須 |
| 実質的に同等なシステムの再現 | 多くの場合困難 | 可能な情報が提供される |
| 商用利用 | ライセンス次第 | 目的を問わず利用が許可される |
最も重要な行は最後から2番目だ。同等システムを再現できるかどうかが、オープンウェイトとオープンソースの本質的な分岐点となる。
OSI定義を実際に満たすモデルは限られる
OSIの基準に照らすと、「オープンソースAI」と名乗れるモデルは現状ごくわずかだ。Ai2のOLMoシリーズやEleutherAIのPythiaは、訓練コード・データドキュメント・パラメータをすべて公開しており、OSIの定義に近い事例として挙げられる。一方、MetaのLlamaシリーズはモデル重みと推論コードを公開しているが、訓練データの詳細情報は限定的であり、独自の利用制限条項も含まれているため、OSI定義のオープンソースとは言い難い。DeepSeek-R1についても同様で、MITライセンスで重みは公開されているものの、訓練プロセスを再現するのに十分なデータ情報は提供されていない。
重みが手に入るかどうかと、そのモデルを独立して再現・検証できるかどうかは、まったく別の話である。この区別を意識せずに「オープンソース」という言葉を使い続けることは、研究者・開発者・政策立案者の判断を誤らせるリスクをはらんでいる。
「オープン」という言葉の危うさ
Meta、DeepSeek、Mistral AI、Alibaba Qwen、Ai2、EleutherAIなど多くの開発者がクローズドモデルより大きなアクセスを提供しているが、それらをすべて「オープンソースAI」と呼ぶことは実態を覆い隠す。
2つのモデルが同じ「オープン」と称されていても、一方は重みと推論コードしか公開していない場合があり、もう一方は訓練コード・詳細なデータドキュメント・研究者が独自に発展させるための情報まで公開している場合がある。
差は「ダウンロードしやすさ」ではなく、「システムのどこまでが、そしてどこまでの自由が開かれているか」にある。
詳細はOpen-Source AI vs. Open-Weight AI: What's the Difference?を参照していただきたい。
