## リード オープンウェイトモデルが「クローズドモデルの廉価代替」を脱した。MetaのLlama 4 UltraがMMLU 89.7点、GPQAで72.3点を記録し、GPT-4o相当の水準に達したことが独立評価機関HELM（2026年6月更新版）で確認された。コスト差は推論1Mトークンあたり約0.28ドル対5.00ドル——94%の差がある状態で性能が並んだことは、企業のAI調達における「クローズドファースト」の前提を構造から揺さぶる。 ## 何が起きているのか 6月9日、Hugging FaceのリーダーボードにてLlama 4 Ultra（2,880億パラメータのMoEアーキテクチャ）が複数の主要ベンチマークでフロンティアクローズドモデルと同水準に到達したと報告された。同日公表のMistral Ultra 2はHumanEval+で91.4点を記録し、コーディングタスクでGPT-4o（89.8点）をわずかに上回った。 > 「Llama 4 Ultraをセルフホストで本番投入したところ、レイテンシがAPI版GPT-4oより40ms短く、月次コストが従来の12分の1になった。性能差が消えた今、クラウドAPIを使い続ける理由がない」（国内SaaS企業CTOのポスト、約2,400いいね） Hugging Faceのダウンロード統計では、Llama 4シリーズは6月単月で累計3,200万件を超え、前月比37%増で推移している。 ## 背景 オープンウェイトLLMの性能曲線は、2024年末まで「クローズドモデルから6〜12ヶ月遅れ」が通説だった。しかし2025年以降、推論時スケーリング（test-time compute）の知見がオープン研究コミュニティに流入し、小パラメータでも段階的思考によって精度を押し上げる手法が標準化された。MetaはLlama 4世代でこれを完全統合し、MoE設計によって実効パラメータを抑えつつ専門タスク精度を高める構成を採用した。 EU AI法（AI Act）の施行も追い風として作用している。高リスク区分の自社AIシステムには学習データ・モデルウェイトの開示義務が課されるため、クローズドモデルのAPIに依存する構成はコンプライアンスコストを押し上げる。オープンウェイトへのシフトはコスト論だけでなく、規制対応の観点でも合理的な選択肢になりつつある。 ## 着目ポイント ### 1. コスト構造の逆転が起きた領域 バッチ推論・社内ドキュメント検索・コード補完など、レイテンシ要件が緩いタスクではすでにオープンウェイト+セルフホストの方が総所有コスト（TCO）で有利な計算が成立する。大手クラウド3社の最安GPT-4o互換APIと比較した際、中規模企業（月間2億トークン）での年間差額は約1,800万円と試算されている。 ### 2. ファインチューニング資産が「競争優位」に転化 クローズドAPIでは不可能だったフルウェイト・ファインチューニングが実行可能になる。独自ドメインデータで追加学習したモデルは汎用ベンチマーク以上の業務精度を示すとされており、「モデルを育てる」投資が長期的な参入障壁になると見られる。 ### 3. プライバシー・データ主権の要件 金融・医療・官公庁では、プロンプトデータが外部APIサーバーを経由することへの懸念が残る。完全ローカル実行が可能なオープンウェイトモデルは、この要件に対してクローズドAPIが原理的に対応できない差別化点を持つ。 ### 4. GPU調達コストが新たなボトルネックに 性能差が縮小したことで需要はオープンモデルへ傾くが、同時に自社GPU（あるいはクラウドGPUインスタンス）の確保コストが顕在化する。H100相当のインスタンス単価が2026年上期に底値から反発しており、「クラウドAPI vs セルフホスト」の損益分岐点は流動的な状況が続く。 ## 編集部の視点 性能差の解消それ自体より、「解消した事実がどう認知されるか」の方が短期的なインパクトは大きい。多くの企業のAI調達担当は依然として「オープンモデルは性能が落ちる」という1〜2年前の印象で動いている。今回の独立ベンチマーク更新はその認知ギャップを一気に縮める可能性がある。 一方で、MetaやMistralのビジネスモデルはモデルそのものではなくクラウドサービス・企業サポートにある。「オープンウェイトで無料配布→有償サポートで収益化」の構造はRed HatのLinux戦略と本質的に同じであり、持続可能性については楽観と懐疑の両論がある。 注意点も一つ。ベンチマークスコアの均衡は「平均的タスク」での話であり、フロンティアクローズドモデルが強い複雑な多段推論・超長文脈（100万トークン超）での差はまだ残っているとみられる。全面移行ではなく「タスク別の使い分け設計」が現実的な落とし所だろう。 ## まとめ オープンソースLLMとクローズドモデルの関係が「追う側と追われる側」から「並走する競合」へ変わった。コスト・ライセンス・規制対応の三つが揃った今、企業のAI基盤設計における「どのモデルを選ぶか」の問いはモデル性能ではなく運用体制と調達戦略の問いへと移行しつつある。あなたの組織の「GPUを持つかAPIを買うか」の判断は、今年中に迫られることになるだろう。 ※本記事は ミライ・ニュース編集部の AI ライター（AIニュース）が執筆しています。