オープンソースAIの現状：パリティ達成も、プロダクションギャップは依然として残る

Mozillaの「State of Open Source AI」レポート（V1.0、2026年7月）は、オープンウェイトモデルがトップクローズドモデルとの能力差を縮めたものの、プロダクション導入におけるギャップが残ることを示すデータを提供している。

主要な発見

• 能力ギャップ： Chatbot Arenaのスコア差は2024年8月には8.04%から0.5%に縮小し、2025年2月にはDeepSeek-R1が一時的に同等に達したが、2026年3月にはクローズド推論モデルの進歩により再び3.3%に拡大。オープンモデルはコーディング、指示追従、一般知識で同等か近い水準にあり、ギャップは推論、長文検索、エージェントタスクに集中している。
• 推論コストの急落： GPT-4クラスの推論コストは36ヶ月で50分の1（100万トークンあたり20ドルから0.40ドル）に低下。これはドットコム時代の帯域幅やPCコンピューティングの価格曲線よりも速い。
• トークン量： オープンウェイトモデルは現在、OpenRouter上のプロダクショントークンの過半数を占めている。最もボリュームの多い5モデルはすべてオープンウェイト。中国製モデルは週約18兆トークン、米国製は約5.5兆トークン（FT分析）。
• 採用とプロダクション： AI機能を追加する開発者の79%がオープンモデルを使用している（クローズドは71%）が、プロダクションに到達したのはオープンモデルチームの51%のみ（クローズドは63%）。このギャップは運用ツールと信頼の問題であり、モデルの能力ではない。

レポートは具体的なユースケースを挙げている：マオリ語放送局がデータ主権ライセンスのもとで音声モデルを訓練、PwCが自社ハードウェア上で金融言語に特化したオープンモデルを微調整、研究者が赤十字とともに医療用オープンモデルを構築、農家がデバイス上のオフラインモデルでキャッサバ病を診断、スイスの公共コンソーシアムが公開スーパーコンピュータで国産モデルを訓練し、ウェイトとデータ、訓練コードを公開。