オープンソースAI vs クローズドAI──メリット・デメリット比較【2026年】

3行まとめ

1. オープンウェイトモデル（Llama 4、DeepSeek V4、Qwen 3）はクローズドモデルとの性能差を数ポイントまで縮め、コストは10分の1以下になっている
2. クローズドモデル（GPT-5.5、Claude Opus 5、Gemini 3）は複雑な推論・マルチモーダル・エンタープライズサポートで依然として優位
3. 「オープンソース」と呼ばれるモデルの大半はライセンス制限があり、OSI定義の厳密なオープンソースではない点に注意が必要

前提：「オープンソースAI」は正確ではない

まず用語の整理が必要だ。

2024年10月にOpen Source Initiative（OSI）が公開した「Open Source AI Definition（OSAID）1.0」によると、オープンソースAIの条件はモデルの重み・学習データ・コードのすべてが自由に利用可能であることだ。

この定義を満たすモデルはほぼ存在しない。Llama 4、DeepSeek V4、Qwen 3、Mistral Large 3はいずれも重みは公開するが学習データは非公開であり、正確には「オープンウェイト」モデルだ（出典）。

本記事では一般的な通称に従い「オープンソースAI」と表記するが、この区別は知っておく価値がある。

主要モデルの一覧

オープンウェイト陣営

各モデルの詳細はオープンウェイトモデル上半期まとめを参照。

クローズド陣営

6軸で比較する

1. コスト

コスト差はオープンウェイト陣営の最大の強みだ。

出典（Let's Data Science）が示す試算例では、1日1,000万トークン規模（月間約3億トークン）の利用で、API利用がGPT-5.2で月$36,000・Claude Sonnet 4.5で月$41,400・Gemini 3.1 Proで月$32,200になるのに対し、Llama 3.3 70Bを2基のH100でセルフホストすると月$4,500（Groqのマネージドサービス利用でも月$10,000）になるとされている。同記事は損益分岐点を月間500万〜1,000万トークンとし、それを超える利用ではセルフホストが年間50〜90%安くなるとしている。ただしこれはGPUレンタル代のみの比較で、MLOpsエンジニアの人件費・運用体制まで含めた「現実的な最小規模の本番運用」は年間$125,000〜$190,000かかり、それでも大量利用時の主要クローズドAPIより50〜75%安いと同記事は述べている。小規模利用ではクローズドAPIのほうが総コストは安くなる場合が多い。

2. プライバシー・データ主権

医療・法務・金融など機密データを扱う業種では、データを外部に出さずに済むオープンウェイトモデルのセルフホストが選ばれる傾向がある。Mistral LargeシリーズはEU拠点のMistral AIが開発しており、データ主権を重視する欧州企業から関心を集めているとされるが、この記事で出典としているAI Magicxの記事はMistral Small 4の性能比較が中心で、Mistral Large 3のEU域内データ主権や欧州企業での採用状況についての記述は確認できなかった。

3. カスタマイズ性

ファインチューニングはオープンウェイトモデルの決定的な強みだ。自社データで追加学習し、特定タスクに特化させることで、汎用モデルでは到達しない精度を実現できる。

ローカルでのLLM運用方法はローカルLLMガイドで解説している。Llama 4のセットアップ手順はLlama 4ローカル構築ガイドを参照。

4. 性能（ベンチマーク）

2026年6月時点のベンチマークスコア（報道ベース）：

注意点がいくつかある。

• SWE-benchのスコアは各社の自己申告を含み、評価条件が統一されていない場合がある。表の数値はLet's Data Science（本記事のsources内）が2026年に報告したQwen 3.5-397B・Claude Opus 4.6の値。旧版が載せていたDeepSeek V4 Pro 80.6%・Claude Opus 4 77.2%以上という数値は、出典としていたMorphLLMのページが今回の点検（2026-08-27）でアクセス制限により取得できず裏取りできなかったため置き換えた
• 「複雑な推論」のベンチマークは定義や範囲が報告元によって異なる
• ベンチマークのスコアと実用時の体感は必ずしも一致しない

総合的には、汎用的な推論・マルチモーダル・長期的な対話ではクローズドモデルが優位、**特定タスクへの特化（ファインチューニング後）**ではオープンウェイトが逆転する場合がある。

5. 安全性・ガードレール

ここにはトレードオフがある。クローズドモデルは安全性フィルタが組み込まれているが、その判断基準はブラックボックスだ。オープンウェイトモデルはコードと重みを直接検証できるが、悪用者がフィルタを除去することも技術的には可能になる。

6. サポート・運用負荷

技術チームを持たない中小企業や個人にとって、クローズドAPIの**「登録すればすぐ使える」**手軽さは大きなメリットだ。一方、大規模組織で専任のMLOpsチームがいる場合は、オープンウェイトのセルフホストが長期的にコスト効率が高くなる。

ライセンスの落とし穴

オープンウェイトモデルは「自由に使える」と思われがちだが、実際にはライセンス制限がある。

Llama 4のライセンスは「700M MAU超の企業はMetaに別途申請」という条件があり、大手プラットフォーム企業にとっては実質的な制約になる（出典）。

モデルの探し方・取得方法はHugging Faceガイドを参照。

どちらを選ぶべきか

実際には二者択一ではなく、用途によって使い分けるのが現実的だ。社内の機密分析にはセルフホストのオープンウェイトモデル、顧客向けチャットボットにはクローズドAPIというハイブリッド構成を採る企業は増えている。

この比較の限界と筆者のバイアス

• ベンチマークのスコアは各社の自己申告や報道ベースを含み、本記事では独自検証していない。評価条件・データセットが異なる数値を並べて比較している限界がある
• コスト比較の数値は推論コストのみであり、GPU調達・運用・人件費を含む総保有コスト（TCO）は環境によって大きく変わる
• 「オープンソースAI」と「オープンウェイトモデル」の区別は本記事で触れたが、業界全体で用語が統一されていない
• 筆者はClaudeを日常的に使用しており、クローズドモデル側の評価が偏っている可能性がある
• 中国発モデル（DeepSeek、Qwen）の利用については、地政学的リスクやデータ規制の観点から追加の検討が必要な場合がある

参照した比較記事4本

• Let's Data Science — Open Source vs Closed LLMs: The 2026 Decision Framework
• MorphLLM — DeepSeek V4: 1.6T MoE, 1M Context
• CoderSera — Llama 4 Guide: Scout, Maverick, Behemoth
• MindStudio — Open-Source vs Closed-Source AI Models
• AI Magicx — Qwen 3.5 vs Llama vs Mistral
• Medium — Navigating the AI Licensing Labyrinth

モデルの仕様・料金・ベンチマークスコアは2026年6月時点の公開情報に基づく。各モデルとも頻繁にアップデートされるため、最新情報は公式サイトで確認することを推奨する。