Mozilla: オープンソースAIの現状

私たちのCTO、ラフィ・クリコリアンからの手紙 ニュージーランドの最北端で、マオリの放送局が、その民族に属するデータライセンスの下で、市場には小さすぎる言語であるテ・レオ（Māori語）のスピーチモデルをトレーニングしています。世界最大級の会計事務所の一つであるPwCは、金融言語でオープンモデルをファインチューニングし、顧客数百社のために、トークンごとのメーターなしで、自社ハードウェア上で運用しています。ローザンヌの研究者たちは、赤十字社と協力してオープンな医療モデルを構築し、人道支援ガイドラインに合わせて調整し、国内外で臨床試験の準備を進めています。東アフリカでは、農家が、クラウドが届いたことのない畑で、携帯電話自体でオフラインで動作するモデルを使ってキャッサバ病を診断しています。スイスでは、公的コンソーシアムが公的なスーパーコンピューターで国家モデルをトレーニングし、重み、データ、トレーニングコードのすべてを公開しました。彼らの誰も許可を求めず、誰もこれを借りることはできませんでした。彼らはそれを所有しています――それがすべての考え方です。 私たちは以前にもここにいました。Mozillaは、ある企業がウェブへの入り口を所有しようとしたために存在し、オープンコミュニティがそれを決してできないようにするために立ち上がりました。25年後、誰かが同じプレイをしています。私たちは前回、オープンに賭けました。オープンが勝ちました。一緒に、私たちはそれを再び行うことができます。私たちの信念はシンプルです。前進する道は、競争と相互運用性です。私たちは、多くのモデルがあり、それらを接続するための標準的な方法があり、いつでもどのベンダーからも離れる自由がある世界を信じています。オープンには実績があります。それはパイを成長させ、より多くの人々がその一部を所有できるようにしました。以下を読むことは地図です。オープンAIがどこで勝っているか――いくつかの数字は私たち自身をも驚かせました――そしてどこでそれが露出しているか。弱点を隠すケースは広告です。 ラフィの完全な手紙はこちら → レポートはこちらからダウンロード ↓ オープンな重みは、能力のギャップを閉じ、知能の価格を崩壊させました。 0% 能力ギャップはトップモデルに閉じた――コーディングでは同等、推論では遅れ 0倍 36ヶ月でGPT-4クラスの推論コストが低下: $20 → $0.40/1Mトークン 01 オープンソースAIの現状 同等性が達成されました。競争は一段上にあります。オープンな重みはもはや妥協ではありません。それらが作業が行われる場所です。本番トークンの大部分は現在それらを経由しており、OpenRouterで最もトラフィックの多い5つのモデルはすべてオープンです。クローズドモデルは、推論とマルチモーダル性においてフロンティアをリードしていますが、フロンティアはほとんどのワークロードが必要とするものではありません。コモディティ入力は価格決定力を持っていません。価値はエージェントのハーネスへと上に移動します。 能力ギャップ: 8.04% → 0.5% → 3.3% Chatbot Arenaでのオープン対クローズドのギャップ（24ヶ月間）。2024年8月までにギャップは0.5%に縮小し、2025年2月にはDeepSeek-R1が一時的にトップの米国モデルに匹敵しました。2026年3月までに、クローズド推論モデルが先行したため、3.3%に再開しました。しかし、3.3%はギザギザのフロンティアの平均です。オープンはコーディング、指示追従、一般知識では同等またはそれに近いですが、ギャップは推論、長文コンテキスト検索、エージェントタスクに集中しています。問題は、オープンモデルが十分に良いかどうかではなくなりました。それはあなたのワークロードに必要なものです。ポイントにカーソルを合わせます。出典: Chatbot Arena、2024年1月～2026年3月。 推論は36ヶ月で50倍低下 GPT-4相当の1Mトークンあたりの価格――ドットコム時代の帯域幅やPCコンピューティング価格曲線よりも速い。対数スケール。出典: Stanford HAI AI Index 2025（18ヶ月でGPT-3.5クラスが280倍低下）、Epoch AI（年率9～900倍の減衰）、2025年11月のMIT研究（フロンティアで年率5～10倍、ハードウェア調整済み）。 オープンな重みがトークンを制する OpenRouterでルーティングされるトークンに占めるオープンウェイトモデルの割合は、2025年後半のわずかなベースから3分の1に、2026年半ばには過半数に増加しました。出典: OpenRouter 100Tトークンスタディ（2024年11月～2025年11月）およびライブリーダーボード。中間点は補間されています。 リクエスト数では、クローズドな米国プロバイダーが依然としてリードしています――オープンなリードはトークンボリュームのリードであり、コーディングとエージェントワークロードに集中しています。 OpenRouterライブリーダーボード――過去1ヶ月、ルーティングされたトークン 最もトラフィックの多い5つのモデルはすべてオープンウェイトです。AnthropicのクローズドなClaudeモデルが、次に米国製のモデルです。 オープンウェイト クローズド 2026年半ばまでに、トップ9モデルは中国製モデルで週約18兆トークン、米国製モデルで約5.5兆トークンをルーティングしており、3対1以上です（FT分析）。 開発者がコストでルーティングする場合、オープンウェイトにルーティングします。 オープンは簡単に展開できます。オープンは展開が難しいです。 データはMozilla / SlashData 2026年開発者調査より。 オープンモデルは採用でリードしています: AI機能を追加している開発者の79%がそれらを使用しており、クローズドは71%ですが、両者は大部分補完的であり、開発者の半数が両方を使用しています。しかし、本番環境への導入はチームが停滞する場所です。オープンモデルチームの51%しか本番環境に到達しておらず、クローズドは63%です。ギャップはモデルの能力ではなく、運用ツールと信頼性です。 オープンモデルは採用でリードしており、ほとんどがクローズドと共存しています アプリケーションにAI機能を追加している開発者のうち、各モデルタイプを使用している割合と、両者の重複。 オープンモデル 79% クローズドモデル 71% 組み合わせ方 オープンのみ 29% 両方 50% クローズドのみ 21% 出典: Mozilla / SlashData 2026年開発者調査。 オープンとクローズドは、ほとんどのチームにとって代替品ではありません。50%が両方を実行し、29%がオープンのみ、21%がクローズドのみです。 オープンな採用がピークに達するところ、そしてクローズドが依然としてそれを上回るところ 地域別のオープンモデル採用状況。グレーターチャイナと東アジアが89%でリードしており、南米と西ヨーロッパだけがクローズドな採用がオープンを上回っている2つの地域です。同じ調査、開発者地域別。 南米と西ヨーロッパでは、これらの地域でのみ、クローズドモデルの採用がオープンを上回っています。 企業規模別の本番稼働率 ギャップがリソースに関するものであれば、規模がそれを埋めるはずですが、そうではありません。クローズドは規模とともに54%→73%に増加します。オープンはほとんど動きません: 53%→57%。 クローズドモデル オープンモデル 企業はクローズドな展開のために購入できます。オープンな展開は、誰も完成させていないツールを待っています。出典: Mozilla / SlashData 2026年開発者調査。 チームが離れる理由: オープンモデルの課題 Δ = 離脱者数 - 使用継続者数（パーセンテージポイント）。 最大のギャップ（パフォーマンス、統合、メンテナンス）は、能力ではなく運用上のものです。バーにカーソルを合わせます。 オープンモデルを使用継続 オープンモデルから離脱 Mozilla調査、n=1,410。 「オープンまたはオープンソースAIモデルを扱う際に直面する主な課題は何ですか？」 どこでも同じ課題: 地域別にオープンを妨げるもの 現在および離脱したオープンモデル開発者が、地域別に各課題を挙げた割合。 暖かいセルは、より多くの開発者がブロックされていることを意味します。 トップの行は、すべての地域で運用上のものです: インフラコスト、セキュリティとコンプライアンス、メンテナンス、展開の複雑さ。 南アジアはセキュリティとサポートに最も依存しており、北米とグレーターチャイナだけが15%以上が主要な課題がないと報告しています。 課題 | 西ヨーロッパ＆イスラエル | 北米 | グレーターチャイナ | 南アジア | 東アジア（グレーターチャイナを除く） | 南米 | 東ヨーロッパ＆CIS | オセアニア --- | --- | --- | --- | --- | --- | --- | --- | --- 高いインフラまたはコンピューティングコスト | 25% | 26% | 29% | 28% | 28% | 28% | 29% | 18% セキュリティ、プライバシー、またはコンプライアンス上の懸念 | 20% | 27% | 18% | 39% | 29% | 28% | 25% | 22% 継続的なメンテナンスとアップデート | 27% | 26% | 18% | 26% | 20% | 31% | 21% | 25% 展開、ホスティング、またはスケーリングの複雑さ | 27% | 24% | 19% | 24% | 11% | 30% | 26% | 25% 専門サポートの不足 | 17% | 16% | 21% | 31% | 24% | 23% | 23% | 32% モデルの評価または比較の難しさ | 14% | 17% | 14% | 23% | 16% | 26% | 25% | 18% ファインチューニングまたはカスタマイズの難しさ | 22% | 18% | 18% | 20% | 11% | 22% | 18% | 12% 既存システムへの統合の難しさ | 19% | 21% | 14% | 20% | 7% | 26% | 19% | 20% ドキュメントまたは学習リソースの不足 | 18% | 15% | 15% | 17% | 15% | 20% | 24% | 15% モデルのパフォーマンスが十分でない | 18% | 15% | 13% | 22% | 16% | 17% | 19% | 8% 主要な課題なし | 9% | 21% | 16% | 5% | 14% | 4% | 8% | 12% 加重サンプルサイズ | 286 | 277 | 206 | 192 | 164 | 147 | 98 | 39 出典: Mozilla / SlashData 2026年開発者調査（MZCS1）。n=1,410人の現在または離脱したオープンモデル開発者。オセアニア列（n=39）と東ヨーロッパ＆CIS（n=98）は信頼できる閾値を下回っています。 02 オープンソースAIスタック オープンスタックは、能力は高いが、運用は低いと評価されています。スタックの9つのレイヤーと48のコンポーネントが10の基準（1～5）で評価されました。レイヤーをクリックしてコンポーネントを開きます。各レイヤーには独自の基準スコア、成熟度グレード、オープンな...