オープンウェイトまたはオープンソース？違いは compte

#初期の誤解

Ollama経由でLlama、Mistral、Qwenをダウンロードすると、「オープンソース」という言葉を至る所で耳にします。これはほぼ常に誤用です。正確な用語は「オープンウェイト」です。研究機関が公開するのはモデルの重み、つまり学習中に獲得された数十億の数値パラメータです。それ以外のもの、すなわち学習に使ったコード、データコーパス、具体的な学習手順は、たいてい非公開のままです。

混乱の原因は、もっともらしく見えても誤った類推にあります。モデルの重みを「ソースコード」と同一視してしまうのです。しかし、重みはソフトウェアのソースコードのように読んだり変更したりできるコードではありません。学習の結果をコンパイルしたものです。重みを受け取ることは、非常に強力で再構成可能な実行バイナリを受け取ることに少し似ています。ゼロから再構築するための工程一式を受け取るわけではありません。

#重み、コード、データ：開示の3つのレベル

モデルのオープン性を評価するには、3つの独立した構成要素を区別する必要があります。モデルは、そのうち1つ、2つ、または3つすべてを公開している場合があります。実際のオープン性の度合いを決めるのは、その組み合わせです。

重み（weights）

ネットワークの数値パラメータで、ファイルとして配布されます（多くの場合、GGUFまたはsafetensors形式）。これらがあれば、モデルを実行し、量子化し、ファインチューニングできます。最もよく公開されているのが、このレベルです。

トレーニングコード

スクリプト、詳細なアーキテクチャ、ハイパラメータ、事前トレーニングおよびアライメントのレシピ。これがないと、モデルを再現することはできません — ただそのまま使用するだけになります。

トレーニングデータ

モデルの学習に使われたコーパスです。法的な理由（著作権）、競争上の理由、実務上の理由（テラバイト規模のテキスト）から、公開されることはほとんどありません。

本来のオープンソースソフトウェアは、この3つに相当するものを提供し、内容を読んだり、変更したり、再コンパイルしたりできます。オープンウェイトのLLMでは、通常、最初の要素だけが公開されています。これは有用で、セルフホスティングには十分な場合も多いものの、厳密な意味でのオープンソースではありません。

#open-weight の本当の意味と、それによってできること

オープンウェイトモデルでは重みにアクセスでき、通常はローカルでの利用や改変、多くの場合は商用利用も認めるライセンスで提供されています。セルフホスティングを実践するうえで、日常的に必要なのはまさにこれです。

ローカルで実行

Ollama、LM Studio、またはllama.cppにモデルを読み込み、データを外部に送らずに、お使いのマシン上でオフライン実行する。

Quantizer

メモリ使用量を削減し（Q4_K_M、Q5_K_M、Q8_0…）、大きなモデルをGPUに収める。14BモデルはQ4なら約9 GBのVRAMに収まります。

Fine-tuner

自分の事例を使って、モデルを自分の専門分野に適応させる（LoRA、QLoRA）。公開された重みを土台にして始めます。

再配布する

ライセンスの条件に応じて、改変版を再公開する。これが、Hugging Face上の数千ものコミュニティ製派生版を生み出しています。

具体的には、Ollamaでモデルを起動すると、公開された重み（オープンウェイト）を利用することになります。デーモンは http://localhost:11434 で待ち受け、学習コードも学習データも利用者には分からないモデルを提供します。ただし、ローカルで使ううえでは、それらが分からないことはまったく問題になりません。

# Télécharger et exécuter des poids open-weights en local
ollama run qwen3.5:4b

# Inspecter la licence embarquée dans le modèle
ollama show qwen3.5:4b --license

#Llamaが厳密な意味でオープンソースではない理由

MetaのLlamaは、「オープンソース」と呼ばれながら実際にはそうではないモデルの典型例です。Metaは独自のライセンスであるLlama Community Licenseの下で重みを公開していますが、これはApache 2.0でもMITでもありません。従来のオープンソースの定義に照らすと、このライセンスが要件を満たさない理由は2つあります。

商用利用の規模に応じた閾値を設ける条項

このライセンスでは、月間アクティブユーザー数が非常に大きな閾値を超えると、特別な条件が課されます。真のオープンソースライセンスは、規模や用途によって誰かを差別することはありません（非差別の基準）。

使用制限

許容利用ポリシーでは、特定の用途が禁止されています。従来のオープンソースでは、適用分野を制限することは認められません（「利用目的による差別をしない」）。

コードもデータもなし

Metaは学習コードの全体も学習コーパスも公開していません。配布されているものだけではLlamaを再現できません。

オープンソースの標準的な定義を維持しているOpen Source Initiativeは、この種のライセンスはその基準を満たさないと判断しています。したがって、厳密に言えば、Llamaは許諾範囲が広い一方で制限もあるライセンスのオープンウェイトモデルであり、オープンソースモデルではありません。同じ考え方は、独自の「コミュニティ」ライセンスを採用する多くのモデルにも当てはまります。

#実際にオープンソースであるモデル

朗報です。そのラベルに値するモデルが存在します。オープン度の違いにより、2つのファミリーが区別されます。

#OSI承認ライセンスで提供されるモデルの重み

多くのモデルは、Apache 2.0またはMITの下で重みを公開しています。これらはオープンソースとして認められたライセンスで、用途や目的による制限がありません。Mistralの複数のモデル（Mistral Small 24Bなど）、Qwenファミリー（Qwen 3.5、Qwen 3.8）のうちApache 2.0が適用されるバージョン、そしてGoogleがGemma 4（2026年4月）でApache 2.0に移行したGemmaが該当します。これらは商用利用、改変、再配布を自由に行えます。ただし、重みにApacheライセンスが適用されていても、学習データや学習コードが公開されているとは限りません。

#全面的な公開：重み＋コード＋データ

さらに一歩進んで、重み、学習コード、データをすべて公開するプロジェクトもあります。OLMo（Allen Institute for AI）やPythiaファミリー（EleutherAI）などの取り組みは、完全な再現性を明確に目指しています。完全な意味で真にオープンソースと呼べるのはこれらだけですが、数は少なく、純粋な性能では最高水準のオープンウェイトモデルに必ずしも匹敵するわけではありません。

#オープン性を評価するための判断基準

新しいモデルを検討するときは、次の質問を順番に自問してください。マーケティングのうたい文句から一歩進み、そのモデルで実際に何ができるかを具体的に評価できます。

1. 01
   重みは公開されていますか？

   商用契約を結んだり、順番待ちをしたりせずにダウンロードできますか？できるなら、少なくともオープンウェイトです。できない場合（API 経由でしかアクセスできない場合）は、どのように説明されていても、クローズドなモデルです。
2. 02
   どのライセンスに基づいていますか？

   Apache 2.0またはMIT＝制約が少なく、重みについてはオープンソース。独自の「community/research」ライセンス＝制限事項（ユーザー数の閾値、商用利用、競合モデルの学習）をよく読む。
3. 03
   商業利用は許可されていますか？

   製品を開発する場合、これは決定的なポイントです。商用利用を全面的に禁止するライセンスもあれば、一定のしきい値を超えると商用利用を制限するライセンスもあります。
4. 04
   トレーニングコードは公開されていますか？

   公開されていれば、学習方法を理解し、再現することができます。学術目的のプロジェクト以外では、公開されていることはまれです。
5. 05
   データはドキュメント化されていますか？

   コーパスは公開されていますか？少なくとも説明されていますか？これは完全なオープンソース化に向けた最後の段階であり、達成されることが最も少ない段階でもあります。

最初の2つの質問に「はい」と答えられるモデルなら、セルフホスティングのニーズの圧倒的大多数をすでに満たしています。最後の3つの質問が特に重要になるのは、研究、監査、そして最も厳格なコンプライアンス要件に対応する場合です。

クローズド

重みにはアクセスできず、API経由でのみ利用できます。典型的な例は、クラウドで提供されるプロプライエタリモデルです。

制限付きオープンウェイト

重みは公開されていますが、独自ライセンスによる制限があります。例：Community Licenseの下で提供されるLlama。

許諾条件の緩やかなオープンウェイト

Apache 2.0 / MITライセンスで公開されているモデルの重み。例：Mistral Small 24B、Qwen 3.5 / 3.8、Gemma 4。

完全なオープンソース

モデルの重み・コード・データが公開され、再現可能です。例：OLMo、Pythia。

#あなたにとって実際にどう変わるか

この区別は理論上の話ではありません。状況によっては、実用面に直接影響します。

個人用途でセルフホスティングしている場合

この違いは、あまり気にする必要がありません。オープンウェイトで十分です。モデルを実行し、量子化でき、データも手元にとどまります。性能と、GPUに合ったモデルサイズを基準に選んでください。

商用製品を開発している

ライセンスが重要になります。商用利用が許可されていることと、何らかのしきい値によって思わぬ制約を受けないことを確認してください。安心して使うには、Apache 2.0 / MITを優先してください。

監査を行う、または適合性を証明する必要がある場合

コードが必要で、できればデータも必要です。真に一貫したトレーサビリティを確保できるのは、完全にオープンソースのモデル（OLMo、Pythia）だけです。

ファインチューニングを行い、再配布したい

ライセンスが派生作品の作成とその再配布を認めているか確認してください。ほとんどのパーミッシブライセンスでは認められていますが、一部の独自ライセンスでは条件が設けられています。

#さらに詳しく

モデルのオープン性について整理できたら、次のガイドを参考にセルフホスティングを実践できます。

Ollama とは何か、どのように動作するか

オープンウェイトのモデルの重みをダウンロードしてローカルで実行するための入門ガイド。基本コマンド（run、pull、list）も紹介します。

量子化の選択（Q4、Q5、Q8、FP16）

モデルの重みを取得したら、GPU上でその重みが占めるメモリ容量は量子化によって決まります。

GPUなしでLLMをローカル実行する（CPUのみ）

専用グラフィックカードがなければ、CPU上でオープンウェイトモデルをどのように活用できるか？