「オープンソースモデル」と「オープンウェイト」は別物
議論の出発点は用語の整理です。学習レシピ・データ・コードまで揃ったものがオープンソースモデルで、これはLinuxのようなOSに近い存在。対して重みと推論コードだけが公開されたものがオープンウェイトモデルで、こちらはプロジェクトに導入した特定バージョンのソフトウェアに近い、という切り分けです。前者の現代的な典型が、著者自身がAi2で構築に関わったOlmoであり、その先行例としてEleutherAIのPythiaが挙げられます。
この区別が効くのは、レシピが公開されていれば「どの企業でも受け取り、改変し、runを押して新しい重みを生み出せる」からです。データや学習コードの改善がコミュニティから次のモデルに還流する余地もあります。ただし、それは相応にリソースを食うプロセスでもあります。
重みは移ろいやすいが、賞味期限は長い
モデルの重みは平均すれば非常に移り変わりが早い一方、実際の賞味期限は長い、という指摘は現場感覚と一致します。エージェント的な挙動が本格化した今もなお、Llama 3の上に組んだワークフローを使い続けている企業は少なくありません。技術の最前線が動く速度と、本番システムが動く速度は別だという当たり前の事実が、オープンウェイトの経済的な価値を支えています。
Nvidiaが260億ドルを賭ける理由
NvidiaはNemotronで、法的に公開できるデータと学習コードをまとめて出しています。動機は明快で、トークンを作れる主体が無数に生まれれば知能は一社に独占されず、多数の企業から膨大な推論需要が立ち上がる——その需要はNvidiaの製品で受け止められる、という設計です。報じられている支出は260億ドル。うまく回れば、モデル構築コストを大きく超えるチップ需要と利益が返ってくる計算になります。
問題は、それが本当に成立するか誰にも分からないことです。最先端モデルの構築は極めて資本集約的ですが、「競争力あるモデルを作れる状態」は多くの人の予想より長く業界に開かれたまま残りました。学習から降りた企業もDatabricksと01.aiくらいで、例外的に見えます。それでも今後、オープンソース陣営はNvidiaの資金への依存を強めていきます。ここが実存的な猶予期間で、数年内に利益が返るか、あるいは別のオープンモデル企業が「開いていること」自体から回るプラットフォーム的な収益ループを育てるかしかありません。しかも報酬の規模は、AnthropicやOpenAIのAPIが生む利益と釣り合う水準でなければ、数十年単位の言語モデル開発で並走できません。
著者が最も可能性が高いと見る「第二の未来」
どちらの経路も成立しなかった場合、オープンモデルは効率・改変可能性・特化に軸足を移した別の発展経路へ分岐します。著者自身、これが最もありそうだと述べています。オープンモデルは極めて有用であり続けるものの、知識労働の協働・創薬・ソフトウェア開発といった最も価値の高い領域はクローズド側が独占的に押さえ、オープンはロングテールを埋める——具体的には、自社データを使ってオンプレで反復的な業務をこなす企業固有のエージェントです。
学習が「不透明化」していく副作用
もうひとつの逆風は、学習そのものが複雑化・抽象化していることです。現在のオープンモデル生態系を支えているのは、DeepSeek V4 FlashやInkling Small、GLM 5.Xといったモデルを特定のエージェント用途に微調整する熱狂で、最も使われている微調整APIはTinkerです。しかし、ベースモデルを汎用的な推論エージェントに育てる工程は、数年前の大規模事前学習と同じように不透明になりつつあります。ここ数年標準だった pretraining／midtraining／post-training という語彙が、pretraining／reasoning training／post-training に置き換わる可能性すらあります。
モデル全体を学習する関心が薄れれば、オープンソースAIへの投資も細り、ベースモデル（中核の推論学習を経る前の版）を公開する事業者は減り続けます。だからこそ一部の作り手は、製品や推論での下流利用に対するレベニューシェア型ライセンスを試し始めています。彼らが食べていけるかどうかは、Nvidiaの需要拡大戦略が続くかどうかとそのまま同義です。
同じ「コモディティ化」でも狙いが違う
知能へのアクセスを開放することは、最も強力な事業戦略のひとつです。AIを間接的に収益化する型の代表がMetaをはじめとする巨大なバランスシートを持つハイパースケーラーで、仮にMetaが非常に強力なMuse Spark 1.2をオープンウェイトで出せば、トークン販売に依存するAnthropicとOpenAIの収益成長率は大きく削がれます。Nvidiaは「魚の釣り方を教えて生態系を自走させる」、Metaは「トークンで市場を戦略的に埋める」。補完財をコモディティ化するという点は同じでも、行き着く生態系の形は違います。
💼 事業会社視点：これは自社にどう効くか
日本企業にとっての含意は「オープンモデ���の主戦場は特化とオンプレに寄る」という前提でロードマップを引き直すことです。SaaS事業者は、原価をオープンウェイト前提で設計している場合、ベースモデルを公開する事業者が減り続けるという逆風を織り込むべきです。今の低コストは、Nvidiaの260億ドルとレベニューシェア型ライセンスの実験が持続する限りの価格である可能性があります。EC・小売は、商品説明生成や問い合わせ対応のような反復業務こそオープンモデルのロングテール領域そのもので、自社データを持ち込むオンプレ運用の投資対効果は高い。一方、知識労働の協働や創薬、SWEといった高価値領域はクローズド優位が続く前提で、無理な内製化は避けるのが合理的です。受託開発は、レベニューシェア型ライセンスが増えると、納品したシステムの推論利用が課金対象になり得るため、契約前のライセンス条項の棚卸しが実務課題になります。そして全業種に共通するのが、Llama 3のワークフローが今も残る事実が示す通り、いま選ぶ重みは数年間そのまま動き続けるという点です。移行コストを最初から設計に入れておくべきです。