オープンウェイトモデルとは
オープンウェイトモデルは学習で調整され、出力の計算に使用する大量の数値である重みを公開し、利用者が取得して自分の環境で実行できるAIモデルです[1]。学習データや学習用のコードがすべて公開されているとは限りません[1:1]。
たとえば契約書を社外へ送信せず要約するために、公開されたモデルのファイルを取得し、社内のサーバーで実行する選択肢があります。大規模言語モデルを最初から学習する必要はなく、学習済みの重みを利用します。重みが非公開のモデルは原則として提供者のサービス経由で利用し、オープンウェイトモデルは利用者が重みを取得して自分の環境でも実行できます[1:2]。
公開は配布の形を示し、無料で無制限に利用できるという意味ではありません[2]。

オープンソースとの公開範囲の違い
重みの公開だけではオープンソースAIの条件を満たすとは限りません。Open Source InitiativeのOpen Source AI Definition 1.0は、用途を限定しない利用・研究・改変・共有の自由を求めています[3]。変更に必要なものとして重みのほかに、学習や実行のコード、学習データの詳細情報も求めています[3:1]。

オープンウェイトモデルの利用条件は、対象モデルと版のライセンスで確認します。商用利用、ファインチューニング、改変したモデルの再配布、自社サービスへの組み込みを区別して確認する必要があります。たとえばGemma 3を再配布する場合は、利用の制限を契約に含め、受領者に利用規約の写しを提供する条件があります[2:1]。
社内利用から外部向けサービスへ用途を変更する際も再確認します。Gemmaの規約ではモデルのファイルを提供せずAPIで機能を外部へ提供する場合も配布に該当します[2:2]。
自社で稼働させる効果と継続負担
効果

- データの処理先を選択でき、社内サーバーや自社管理のクラウド環境で利用可能[4]
- モデルの版を固定して保管し、業務での検証結果に応じて更新時期を決定可能
- 許可された範囲でファインチューニングし、業務に応じた出力へ調整可能[1:3]
コストとリスク
- 計算資源の確保と構築、監視・更新・障害復旧を担当する人材の継続的な確保
- モデルと実行用ソフトウェアの更新に伴う動作確認、出力品質の再評価
- 利用者の入力やモデルの回答を記録するログへのアクセス管理、保存期間の設定
- 公開モデルにも残存する誤回答や偏りへの対処[4:1]
外部サービスで利用するか自社環境で稼働させるか
外部サービスがデータの要件に適合する業務は、API(Application Programming Interface)での利用を優先します。外部送信が禁止された業務や、必要なモデルの変更に外部サービスが対応できない業務では、自社環境で稼働させます。オープンウェイトモデルにも外部のAPIで利用する形があり、オープンウェイトの選択に自社運用は必須ではありません[5]。

判断の基準は入力するデータについて送信・保存・学習利用をそれぞれ許可できるかです。入力を学習に利用しない条件と、入力を社外へ送信しない条件は別です。社外への送信を禁止する業務では、学習利用を禁止した外部APIも要件を満たしません。
自社環境にはオンプレミスのほかに、自社で管理するパブリッククラウド上の環境も該当します。設備の専有が必要かはデータの扱いに関する要件から別に判断します。モデルの実行先とともに、ログの保存先や外部検索への通信先も確認します。
自社環境での本番稼働には更新と障害復旧を継続して担当できる体制が必要です。担当者を確保できない段階では、自社運用を採用しません。担当者を確保できない間は要件に適合する外部サービスを選定します。該当するサービスもなければ、外部送信できる情報だけに処理対象を限定します。
自社運用にすると費用を削減できるか
継続的な処理量があり、計算資源を有効に利用できる業務が費用削減の候補です。重みの入手費用だけで判断せず、同じ品質と応答時間を満たす構成で総費用を比較します。

費用はデータの要件を満たす方式同士で比較します。外部サービスは契約の課金単位を確認します。トークン数による課金のほか、モデルを配置した機器の稼働時間による課金もあります[6]。クラウドでは稼働時間と単価、自社設備では機器費と電気・保守の費用を算入します。双方に構築・監視・更新・評価の人件費を加算します。
比較には実際の業務で処理する文章量と同時処理数を使用します。計算資源の量は同時に処理する件数に応じて変動します。日次の総件数が同じでも短時間に集中する処理には多くの計算資源が必要になることがあります。障害に備えた予備の構成や、利用が少ない時間の費用も算入します。
損益分岐の件数はモデルと構成で変化するため、全社共通の件数を基準にしません。利用量が未確定なら試作で品質と処理量を測定し、総費用が外部サービスを下回る見込みを確認するまでは自社運用を採用しません。
AI Scenarios 2030: Helping policymakers plan for the future of AI(英国政府、2026年6月15日)。GlossaryのOpen-weight model / Closed-weight model。 ↩︎ ↩︎ ↩︎ ↩︎
Gemma Terms of Use(Google、2026年4月1日)。適用モデルはAppendixに記載。利用・配布の条件はSection 2、Section 3。 ↩︎ ↩︎ ↩︎
The Open Source AI Definition – 1.0(Open Source Initiative)。学習データの詳細情報には、入手できないデータの説明も対象となる。 ↩︎ ↩︎
Gemma 3 model card(Google DeepMind)。Description、Usage and Limitations。 ↩︎ ↩︎
Run Gemma with the Gemini API(Google)。自社での配置に代わるAPI経由の利用。 ↩︎
Deploy generative AI models(Google Cloud)。配備方法とPricingの課金単位。 ↩︎
同じ分野の用語
AI・機械学習の用語をすべて見るお問い合わせ・ご相談
システム開発、データ活用、プロダクトづくりのことならお気軽にご相談ください。要件が固まる前の整理や、お見積もりだけのご依頼も承ります。












