オープンソースAIは「トークン量」で逆転した──State of Open Source AI 2026を読む

課題: 性能比較だけでは、今のOSS AIを語れない

「オープンウェイトのLLMはクローズドにどこまで追いついたか」という議論は、この2年ずっと繰り返されてきました。DeepSeek-R1が話題になった2025年初頭は特に、SNSでもこの手の比較が盛り上がったのを覚えている方は多いと思います。

ただ、Mozilla系のシンクタンクがまとめた「The State of Open Source AI」V1.0(2026年7月版)を読むと、この議論の前提そのものが古くなっていることがわかります。性能ギャップは重要な指標ではあるものの、実際の現場では「性能はほぼ十分だが、本番運用に乗らない」という別の壁が主戦場になっている、というのがレポートの骨子です。本記事では、このレポートのデータを整理しながら、日本のエンジニアがどこを見るべきかを考えます。

結論を先出しします

レポートを私なりに三層で整理すると、こうなります。

1. 性能ギャップは「一部再拡大」しつつ、領域によって明暗が分かれている(コーディング・指示追従はほぼパリティ、推論・長文コンテキスト・エージェントタスクはクローズドが優位)
2. トークン流通量ではオープンウェイトが逆転しているが、リクエスト数では依然クローズドが優位という非対称が起きている
3. 本番導入率はオープンがクローズドに明確に劣後しており、その原因は性能ではなく運用面(コスト・セキュリティ・保守)

「性能で選ぶ」フェーズはもう終わりつつあり、「運用できるかどうかで選ぶ」フェーズに移っている、というのが今回一番刺さったポイントです。

詳細解説

1. 性能ギャップは縮小した後、再び開いた

Chatbot Arenaでの性能ギャップ(クローズドの最上位モデルとの差)の推移は次のように報告されています。

この3.3%という数字だけを見ると「まだ差がある」となりますが、レポートが強調しているのは平均値の裏側にある凹凸です。コーディング・指示追従・一般知識ではほぼパリティに達している一方、推論・長文コンテキスト検索・エージェント的タスクにギャップが集中している、とされています。つまり「オープンで十分か」という問いは、モデル選定ではなくワークロード選定の問題になっているわけです。要件定義の段階で「このタスクは推論重視か、それとも生成・要約中心か」を切り分けることが、以前より重要になってきていると言えそうです。

2. トークン量は逆転、リクエスト数は逆転していない

OpenRouter上のデータでは、オープンウェイトモデルが処理するトークン流通シェアは2025年末に約1/3、2026年半ばには過半数に達したとされています。さらに、流通量トップ5モデルはすべてオープンウェイトだと報告されています。

ただし注意すべきは、これはトークン量ベースの逆転であり、リクエスト数ベースでは依然クローズド(米国系)が優位という点です。レポートでは、この逆転がコーディングやエージェント的ワークロード(トークン消費量が多いタスク)に集中していることが指摘されています。さらにFTの分析として引用されている数字では、2026年半ば時点で上位9モデルの週間トークン量が中国製モデル群で約18T、米国製モデル群で約5.5T、比率でおよそ3:1に達しているとのことです。エージェント系のプロダクトを設計する際、トークンコストの見積もりをどのモデル群で行うかによって、コスト構造の前提が変わってくる可能性がある、という点は覚えておいて良さそうです。

3. 導入率は勝っているのに、本番化率で負けている

Mozilla/SlashDataの2026年開発者調査(n=1,410超)によると、AI機能を追加している開発者のうち

• オープンモデル利用: 79%
• クローズドモデル利用: 71%
• 両方併用: 50%、オープンのみ: 29%、クローズドのみ: 21%

と、導入率ではオープンが優勢です。ところが本番環境への到達率を見ると

• オープンモデルチーム: 51%
• クローズドモデルチーム: 63%

と逆転します。しかも企業規模別に見ると、クローズドは規模が大きくなるほど本番化率が54%→73%と伸びる一方、オープンは53%→57%とほぼ変化がありません。レポートはこれを「リソースの差では説明できない」と評しており、要因として挙がっているのがインフラ・計算コスト、セキュリティ/コンプライアンス、保守運用、デプロイの複雑さといった運用系の課題です。これは「モデルの性能が足りない」という不満ではなく、「動かし続ける体制が整っていない」という不満であり、レポートの主張の核はここにあります。

4. スタック全体で「標準化」と「エンタープライズ対応」が弱い

レポートでは、OSS AIスタックを9レイヤー・48コンポーネントに分解し、10の評価基準でスコアリングしています。その結果、レイヤーを問わず一貫して弱いのが「標準化」と「エンタープライズ対応」の2項目だとされています。モデル自体の成熟度は高くても、周辺のツーリングや運用基盤が追いついていない、という構図です。フロントエンドで例えるなら、フレームワーク自体は成熟しているのにCI/CDやモニタリングのベストプラクティスがまだ定まっていない、という状況に近いかもしれません。

5. お金は本気で流れ込んでいる

「オープンソースはビジネスにならない」という古い前提も、このレポートの数字を見ると崩れます。

ホスト型推論・エンタープライズプラットフォーム・オンプレライセンス・ファインチューニング・ハーネスツーリングという5つの収益モデルがそれぞれスケールしている、とレポートは整理しています。VC資金だけでなく、Nvidia・Salesforce・AMD・Google・IBMといった事業会社もモデル層・推論層・ツーリング層それぞれに出資しており、OSS AIはすでに「ムーブメント」ではなく「市場」だと言える段階に来ているようです。

日本の開発者にとっての意味・使い所

上記を踏まえると、日本の現場での意思決定にはいくつか具体的な含意があると思います。

まず、推論コストの前提が変わっています。 GPT-4クラス相当の推論コストは36ヶ月で1Mトークンあたり$20から$0.40まで下がったと報告されており、これはドットコム期の帯域コストやPC計算コストの下落カーブより速いペースだとされています。自社ホスティングの損益分岐点を再計算するタイミングとして、悪くない時期かもしれません。

次に、選定基準を「性能」から「運用要件」にシフトさせる必要があります。 個人的に整理に使えそうだと感じたのが、以下のような簡易フレームワークです(これはレポートの数字を踏まえた筆者独自の整理であり、レポートに記載されているものではありません)。

workload_selection:
  coding_assist:
    gap: "ほぼパリティ" # レポートの示唆
    recommend: open_weight
  agentic_long_running:
    gap: "クローズド優位が残る"
    recommend: closed_or_hybrid
  domain_specific_finetune: # PwCの財務特化例のような用途
    gap: "自社データで縮められる"
    recommend: open_weight_finetune
  production_blocker_check:
    - infra_cost
    - security_compliance
    - maintenance_capacity
    - deployment_complexity
    # ここに1つでも「体制なし」があれば、
    # モデル選定より先に運用体制の整備を優先する

最後に、地域差にも注意が必要です。 レポートでは南米と西欧だけが、オープンよりクローズドの導入率が高い地域として挙げられています。日本や東アジアはオープン優位側の傾向が強いエリアに位置づけられているようですが、これはあくまで開発者調査ベースの傾向であり、業界・組織文化によって前提は変わるはずです。自社の実態と照らし合わせて判断する必要があるでしょう。

まとめ

「オープンウェイトはクローズドにどこまで近づいたか」という問いは、もう単一の答えを持ちません。コーディングや指示追従ではほぼ並び、トークン流通量では逆転している一方、推論やエージェントタスク、そして何より「本番環境まで持っていけるか」という運用面では、まだ明確な差が残っています。Mozilla/SlashDataの調査が示す「導入率は勝っているのに本番化率で負けている」という構図は、モデル選定の議論をしている多くの現場にとって、耳の痛いデータだと思います。次にモデル選定の会議をするときは、ベンチマークの点数だけでなく、「これを1年間運用し続けられる体制があるか」を先に問うべきタイミングに来ているのかもしれません。