2026年中盤におけるオープンモデルへの私の予測

私たちは、オープンモデルがクローズドなラボに追いつけるかどうかを学ぶ時期を生きている。明白な答えは「いいえ、追いつけない」というものだ。この答えは、あらゆる分野で追いつかないと述べる一種の表現である。この枠組みは、オープンモデルが完全に追いつくという人気のある予測を閉ざす。つまり、すべてのモデルが行き渡り、オープンモデルとクローズドモデルがますます類似していくというシナリオだ。この過程を経る中で、長期的な能力の安定したバランスが確立される時期が非常に不透明であることは明らかだ。

これは非常に複雑なダイナミクスであり、私たちが監視する核心はモデル間の能力ギャップである。同時に、このギャップはオープンモデルの資金調達における進化しつつある動態、誰がオープンモデルを構築するか、ファストフォローを可能にする蒸留（distillation）などの技術が新しい応用分野にどう転換されるか、オープンソース AI エコシステムを阻害する可能性のある規制、そして実際にオープンモデルを利用しているのは誰かといった要素と絡み合っている。

能力ギャップは、供給と需要を異なる形状へと押しやる複雑な力の海における一つのシグナルに過ぎない。多くの場合、需要（もちろん、無数の個人、組織、主権国家がオープンモデルを望み、必要としている）は、供給から大きく分離されている。供給は完全に経済によって決定される。「どのビジネス戦略がオープンモデルの公開をサポートするか」という問いはまだ決着がついていない。

Interconnects AI は読者支援型の出版物です。新しい投稿を受け取り私の活動をサポートするには、購読をご検討ください。

この複雑さの中で、私の主要な信念を明確なリストに要約したいと考えました。これらは、今春にオープンモデルについて私が執筆または録音した 10 件以上の記事（随所に関連リンクがあります）の延長線上にあります。

計算資源の違いに基づけば、特に 2025 年後半から今日に至るまで、トップクラスのクローズドモデルがオープンモデルに対して能力面で着実に差を広げていないことは驚きです。

オープンモデルを開発するラボは、確立されたベンチマークにおいて技術的に非常に強く、追従を続けています。これは、豊富な人材と十分な計算資源のバランスの結果であり、今後も続くでしょう。

中国のオープンウェイト（重み公開）ラボは、米国の同規模クローズドラボと比較して、ややベンチマークスコアに重点を置いています。蒸留（distillation）技術はこの点で中国の大規模言語モデル（LLM）企業を支援しますが、万能薬ではありません。蒸留ダイナミクスの変化（例えば規制など）が能力バランスを決定づける要因になることはありません。この焦点のシフトは、フロンティアとの追走という物語を維持し続けるインセンティブの自然な進化であり、資金調達と採用にとって極めて重要です。

現時点では、クローズドモデルは同程度のスコアを持つオープンモデルよりも堅牢で、一般的に有用である傾向があります。クローズドモデルには、現在のまたは過去のベンチマークでは十分に捉えられていない、測定が難しい特定の性質を備えています。これは、個々のユーザーが絶えず新たな課題を提示する市場（つまり、知識労働者を直接アシスタントとして支援する分野）において、クローズドモデルが支配的な地位を確立するための鍵となります。

ベンチマークを通じて監視されているオープンモデルとクローズドモデルの競争は、市場構造が制約されるまで、主に経済的な持続力と迅速な追従のゲームとなるでしょう。私は、中国のオープンウェイトラボがまず資金難に直面し、今年後半にはそれが顕在化すると予想しています。資金難は、3〜9 ヶ月後に異なる能力軌道において現れることになります。

RL（強化学習）が支配するトレーニング時代は、継続的な能力向上における重要な要因として、実世界のユースケースへの適合性の重要性を高めています。これらは、ユーザーがエージェントを使って Claude Code や Codex といったツールを直接利用し、職務上の問題を解決するタスクです。これは、クローズドラボがオープンウェイトモデルに対して能力面で優位性を確立できる最初の明確な技術領域であり、ユーザーフィードバックに基づいたオンライン RL（強化学習）を直接的に活用する可能性があります。

オープンモデルは、エコシステム全体における反復的なタスクの API 市場における相対シェアとして測定されるように、反復自動化タスクにおいてますます採用されていくでしょう。これは、多くの新しい AI ネイティブアプリケーションやビジネスバックエンドの自動化などの形で現れます。この成功が、ドメイン固有で効率的なオープンモデルへのさらなる投資を促進することになります。

これは複雑な図景であり、長期的な軌道は能力の問題というよりも経済的な問題です。多くの他のメディアは、「中国は間違いなく AI において我々を追い抜く」というより単純な物語を描き、それがシンプルなストーリーであるためより多くの拡散を得ています。しかし現実は複雑です。真の AI 収益がさらなる投資を生み出し、最終的には急速にモデルを改善し続ける能力と結びつくことになります。経済的な現実はまだ、一般的なカテゴリとしてのオープンモデルのスケーリングには影響を及ぼしていません。

シェア

この経済に焦点を当てた視点は、より広範なオープンモデルエコシステムにおける私の立場に関連しています。

特定の種類のオープンモデルを禁止するよう繰り返し呼びかける声は続くでしょうが、実際の実施は不可能です。強力な AI モデル（つまりフロンティアに近いがまだ到達していないもの）のトレーニングは、大規模展開と比較して相対的に小さなコストです。例えば、米国がある計算能力の閾値を超えてオープンモデルを禁止した場合、別の主権实体が最終的にそれらをトレーニングし公にリリースし、モデルはより少ない監督の下で米国市場に流入することになります。

オープンモデルに対する影響力の第 2 次導関数は変化しており、米国は 2027 年初頭からオープンモデルの採用指標において徐々に地盤を回復していくでしょう（中国の速度が鈍化し、その後反転するには長い時間がかかります）。例としては、Google の Gemma 4（大成功）、Nvidia の Nemotron、および Arcee AI が挙げられます。

閉鎖型モデルがこれまで以上に強力に構築され、プレビューされ、リリースされるにつれ、最強の AI モデルのオープンウェイト版が存在することを決して許してはならないとする「安全性ショック」が増加するでしょう。これは Claude の神話に対する反応と類似しています。これにより、オープンモデルに対する負担の大きい規制が促進される可能性があります。

上記の状況に加え、主権国家や既存の権力構造が、今後登場する超強力な AI ツールをたった一社または数社の企業に独占させることはできないと認識するにつれ、オープンモデルへの長期的な関心も高まるでしょう。これらの主体は、オープンモデルを異なるガバナンスのパラダイムとして捉えるようになります。

知能へのアクセスを単一の営利企業に依存することの信頼性の低さを多くの利害関係者が認識するにつれ、オープンモデルのための新たな資金調達構造が出現します。

ローカルエージェント、OpenClaw、およびその他のパーソナルエージェントは、オープンモデル利用におけるこれまで主に無視されてきた巨大な市場を代表しています。これは一種の暗黒物質のようなものであり、オープンからクローズドへのモデルバランスに対する影響力において潜在的に広範かつ大規模な可能性を秘めています。

この投稿を支配し、意図的に繰り返されているのは「複雑（complex）」という一語です。

この複雑な現実が、なぜ私が最近のオープンウェイトモデルの能力を支持するほぼ明確な証拠があるにもかかわらず、米国のクローズド型研究所が明らかに先行すると確信できるのか、そのオープンモデル格差をどのように明確に記述するかについて、より深く考えるよう私を駆り立てています。オープンとクローズドの間の微妙な違いについては、近日公開される別の記事で詳しく触れる予定ですので、ぜひ購読してください！

私が見落としたポジションがあれば、お知らせください。