Qwen3を例に取ると、公式チームはオープンな重みのモデルを、ローカル実行、デプロイ、量子化、微調整の関連説明とともに提供しています。開発者はTransformers、vLLM、SGLangなどのツールを使用してモデルを実行でき、微調整ツールを使用してトレーニングを続けることもできます。上記の区別に基づくと、これはオープンな重みレベルの実用的な価値を示しています。

ほとんどの企業は大規模モデルの事前トレーニングをやり直す必要はありません既存のモデルを実行し、自分のデバイスに適応させ、ビジネスサンプルで微調整することで、多くのビジネス上の具体的な問題を解決できます。

オープンソースモデルは本当にクローズドソースモデルに匹敵できるのか？

自分でモデルをデプロイできるのは素晴らしいことですが、モデルがビジネスシナリオで頻繁にエラーを起こす場合、実際の仕事を任せることは難しいです。

過去にオープンソースモデルは多くの人に「研究には便利だが、最も強力なクローズドソースモデルには劣る」という印象を与えていました。モデルの能力が不断に更新される中、この評価は見直す必要があります。

2026年6月18日、Xでかなり興味深いやり取りがありました。ネットユーザーは中国のモデルがAnthropicのフロンティアモデルのレベルにいつ到達するかを議論し、イーロン・マスクは2027年第1四半期までかかると予測しました。Zhipuの共同創設者唐傑はその下で「won't take that long」と返しました。

二人の予測が実現するかどうかは、今後のモデルのパフォーマンス次第です。この議論の魅力的な点は、オープンソースモデルがすでに大規模モデル全体のフロンティアに立っていることです。

Hugging Faceが2026年7月に公開したセキュリティインシデントは、オープンソースモデルの重要性を再び証明しました。

Hugging Faceの本番インフラの一部が侵害され、セキュリティチームは大量の攻撃記録を分析して、攻撃者が何をしたか、どの資格情報を触れたか、影響がどこまで及んだかを把握する必要がありました。HFチームはまず商用APIを通じてフロンティアモデルの使用を試みましたが、気まずい問題に直面しました。調査に使用された実際の攻撃コマンドとエクスプロイトコンテンツが、サービスプロバイダーのセキュリティ制限をトリガーし、分析リクエストがブロックされました。

その後、チームは自分のインフラ上でオープンな重みのモデルGLM-5.2を使用してフォレンジック分析を実行し、調、調査を継続できました。関連する攻撃データと資格情報も内部環境に留まりました。

その後の技術レビューで、Hugging Faceはさらに、チームが約17,600回の攻撃アクションを再構築し、GLM-5.2を含むオープンな重みのモデルを使用して、難読化および暗号化された攻撃ペイロードを解釈したことを説明しました。

このインシデントは、オープンソースモデルの重要性を示しています。

どのようなシナリオがローカルデプロイに適しているか？

垂直分野もオープンソースモデルの重要な応用方向です。汎用大規模モデルは大量の公開データを学習していますが、企業内部のデバイス名、ビジネスプロセス、業界用語、専門知識の理解は限定的である場合があります。垂直分野のデータによるファインチューニングにより、これらの専門知識をさらに学習させることができます。

機密データを処理する必要があるタスクには、ローカルデプロイにもメリットがあります。モデルは企業内部ネットワークで推論を完了し、既存のナレッジベース、データベース、ビジネスシステムと接続することで、機密データを外部サービスに送信する必要性を減らします。

ただし、すべてのタスクがローカルデプロイのオープンソースモデルを必要とするわけではありません。

モデル呼び出し回数が少なく、ビジネス変化が速く、最新の汎用モデル能力を継続的に使用する必要があるタスクには、APIを直接呼び出す方が通常より便利です。一方、長期的に安定し、繰り返し実行されるビジネスタスクには、オープンソースモデルに大きな応用スペースがあります。

例えば、テキスト分類、意図認識、情報抽出、ドキュメント要約、ナレッジベースQAなどのタスクは、比較的明確な入力と出力形式を持っています。企業はタスクの複雑さに応じて適切なサイズのモデルを選択し、自社のビジネスデータを使用してトレーニングやファインチューニングを行えます。これらのタスクには、必ずしも最大パラメータ数のモデルを使用する必要はありません。

モデルがダウンロードできる ≠ 自由に使える

モデルが正常に動作し、効果も良いですが、商用製品で使用したい場合や、ファインチューニングしたバージョンを共有したい場合は、LICENSE（ライセンス）を確認する必要があります。

ダウンロード可能、商用可能、修正後に再公開可能は、異なるライセンスです。

一般的に、MITとApache License 2.0は比較的寛容なオープンソースライセンスで、商用使用と修正を許可し、すべての派生コードを公開する必要もありません。MITライセンスのソフトウェアは、著作権とライセンス声明を保持するだけで済みます。Apache 2.0は、再配布時の修正説明、関連声明の保持、NOTICE処理などの要件を規定し、明確な特許許諾条項を含んでいます。

例えば、Qwen3シリーズモデルはApache 2.0を採用しています。

Kimi K3は一部の商用使用に別の契約を設けており、デプロイ、ファインチューニング、派生作品の作成を許可していますが、モデルサービングビジネスが規定の収益基準に達した場合は、別途契約を締結する必要があります。

DeepSeek-V3プロジェクトのコードはMITライセンスを使用しています。

したがって、モデルを使用する際、ファインチューニングしたモデルを公開配信したり他のユーザーに提供したりしたい場合は、元のモデルのライセンスを再確認し、そのような使用が許可されているか、モデル名、ライセンス、ソース情報を保持する必要があるかを確認する必要があります。

新しいモデルが複数のモデルをマージして作られた場合は、それらのモデルのライセンスをそれぞれ確認し、要件が競合しないことを確認する必要があります。