オープンソースAIとオープンモデルの読書リスト

オープンソースAIとオープンモデルの読書リスト オープンモデルとその影響について、どのように理解を深めるか。 Nathan Lambert 2026年9月11日 84315 共有 皆さん、こんにちは！オープンモデルとその影響に関する、一般向けおよび政策向けの執筆の準備を進めています。そこで、私の調査資料を共有しようと思いました。ここには素晴らしい資料がたくさんあります。これは、過去数年間のオープンモデルに関する最高の記事のリストです。誰かがこの分野について理解を深めたいと思った場合、これを読むことで現状の包括的な概要が得られるでしょう。追加を検討すべき記事があればコメントで教えてください。随時更新します。 リスト最終更新日: 2026年9月13日 共有 基盤 オープンモデルとは何か、なぜ人々がそれらを公開するのか、ビジネス戦略とどのように関連するのか、そしてリスクは何か。 オープンソースAI戦略について、オープンソースソフトウェアがビジネスによってどのように利用されてきたか、そしてそれがAIにとって何を意味するかの初期の兆候を解説 — Open Source Software to Open Source Strategy, Bill Gurley (2026年5月)。 最も明確な説明の一つは、MetaがLlama 3をオープンリリースする理由についてのMark Zuckerberg氏のコメントです — Open Source AI is the Path Forward, Mark Zuckerberg (2024年7月)。 ライセンス、モデル実行コスト、データアクセスなどの要因に基づいて、オープンモデルを二項対立（オープン/クローズド）ではなく、グラデーションとして見るべき理由 — The Gradient of Generative AI Release: Methods and Considerations, Irene Solaiman (2023年2月)。 将来の経済におけるオープンモデルの役割、強力なクローズドモデルを補完するものとして。世界中のエンタープライズでカスタムエージェントワークフローを作成するためにオープンモデルがどのように使用されるか — What comes next with open models, Nathan Lambert / Interconnects (2026年3月)。 オープンモデルが既存経済の広範な部分に補完的なツールを提供することで価値をどのように獲得するかについての立場。IPの歴史とオープン対クローズドモデル（例: 分離）に関する現在の議論を参照 — Some Simple Economics of Open versus Closed AI, Christian Catalini (2026年8月)。 なぜオープンモデルはパフォーマンスにおいてクローズドモデルに常に遅れをとるのか — Open models in perpetual catch-up, Nathan Lambert / Interconnects (2026年2月)。 オープンモデルとクローズドモデルの採用がどのように異なるか — Open and closed models are on different exponentials, Nathan Lambert / Interconnects (2026年6月)。 強力なオープンウェイトモデルをリリースしながら、安全性を真剣に考慮する方法をバランスさせることについての明確な説明 — A Safe Path to Open Weights, Thinking Machines Lab (2026年7月)。 初期の論文で、テキスト中心のLLMがモデルの文書化された潜在的リスクをわずかに増加させたことを示した限界リスク — On the Societal Impact of Open Foundation Models, Sayash Kapoor, Rishi Bommasani et al. (2024年2月)。 クローズドモデルの安全ガードレールは定期的にバイパスされており、オープンウェイトモデルの仮説上のリスクが出現する前に、多くの実際的なAIリスクを引き起こしている — The Myth of unsafe Open Source AI, Florian Brand (2026年6月)。 真にオープンなAI研究を妨げている重要な要因である、オープンデータの大量削減 — Consent in Crisis: The Rapid Decline of the AI Data Commons, Shayne Longpre et al. (2024年7月)。 強力な中国製モデルがAIエコシステムに与える影響に関する最近の例 — Kimi K3: The open-weights escalation, Nathan Lambert / Interconnects (2026年7月) / GLM-5.2はオープンエージェントにとってのステップチェンジである, Nathan Lambert / Interconnects (2026年6月)。 2025年のオープンモデルのストーリーの要約: Nathan Lambertによる中国のAIエコシステムとオープンモデルのギャップ | The Curve 2025, Golden Gate Institute for AI (2025年11月)。 [オプション] 最新のオープンモデル採用データ: 米国対中国のモデル採用に関する一般的な概要 — The ATOM Report (2026年4月)、モデルのダウンロード、派生、地域別の研究採用に関する最新データ — Interconnects Adoption Dashboard、エコシステムで最も重要なモデル — Interconnects Artifacts Hub Interconnects AIは読者支援型の出版物です。購読を検討してください。 購読 米中競争 誰がオープンモデルをリードしているのか、どのように変化してきたのか、中国がその地位をどのように維持しているのか、そして関連する歴史。 中国との競争に直面して、米国が基礎研究開発/イノベーションのためにオープンモデルに投資する必要がある理由 — The ATOM Project, Nathan Lambert (2025年8月)。 オープンモデルが研究イノベーションとAIに有益な成果をどのように促進するかという視点 — Why I build open language models, Nathan Lambert / Interconnects (2024年10月)。 オープンモデルが教育、イノベーション、競争という3つのコアなアメリカの価値観をどのように育むか — Banning Open Source AI Would Be A Mistake, Nathan Lambert & Kevin Xu (2026年6月)。 最近の「バイブレーション規制」/曖昧な連邦監督メカニズムが、近い将来、フロンティアのオープンモデルの衝突や禁止につながる可能性 — 6 months to live for open models, Nathan Lambert / Interconnects (2026年7月)。 [オプション] 理解の最先端を示すための、完全にオープンな言語モデルの技術レポート: Pythia (EleutherAI, 2023)、Olmo (2024)、Olmo 2 (2024)、Olmo 3 (2025)。 AIに至るまでの中国のオープンソースの歴史 — Chinese Open Source: A Definitive History, Kevin Xu (2026年3月)。 中国のオープンソースにおける構造的優位性 — China’s Structural Advantage in Open Source AI, Kevin Xu (2025年6月)。 中国の研究室自身がモデル構築についてどのように議論しているか、そして中国の産業が米国とどう違うか — Notes from inside China’s AI labs, Nathan Lambert / Interconnects (2026年5月)。 なぜ中国の研究室はアメリカの競争相手に追いつくのが得意なのか（例: アメリカのオープンウェイト研究室は、公正なパフォーマンス比較で中国の研究室と競争するのに苦労している） — GLM-5.3: How Chinese labs keep stride with the frontier, Nathan Lambert / Interconnects (2026年8月)。 西側企業による中国製モデルの著名な利用が、規制当局の注目を集めている（詳細はこちら） 以下の企業は、中国製モデルの使用について議員から調査を受けている: DoorDash (CNBC, 2026年7月31日)、Airbnb (Bloomberg, 2026年4月29日; Semafor, 2026年4月29日)、Anysphere / Cursor (Bloomberg, 2026年4月29日; Semafor, 2026年4月29日)、Apple (Reuters, 2025年5月17日)。 他の西側企業は、コスト削減のために、アメリカのクローズド研究室のモデルから中国のオープンモデルへと、使用するモデルを公然と切り替えている。例としては、Perplexityが著名かつ迅速にDeepSeek R1を採用したこと（Forbes, 2025年1月28日）、Thomson ReutersがClaudeから移行するためにQwenを基盤としたこと（Business Insider, 2026年8月24日）が挙げられる。 コメントを残す 技術的詳細 分離とは何か、そしてそれが中国の研究室にどれだけ役立つか。オープンモデルはサイバーセキュリティのようなフロンティアAIリスクにどのように影響するか。そして、オープンモデルはクローズドフロンティアにどれだけ遅れているか。 オープン・クローズドモデルのギャップは近年縮小しており、現在は約4〜6ヶ月である。主要なオープンモデルは、2024年頃から中国の研究室から登場している。 SemiAnalysisの記事では、独立した評価を実施し、オープンモデルは時間の経過とともにクローズドフロンティアのパフォーマンスに近づいていると結論付けている — Are Open Models Catching Up?, SemiAnalysis (2026年8月)。 オープンモデルはパレート最適コストフロンティア上にあり、絶対的なパフォーマンスフロンティアにはない。例: DeepSeek V4 Flash、Artificial Analysisでの評価とコストを参照。 Epoch AIとArtificial Analysis（およびU.S. v China, 関連）からのデータソースは、オープン・クローズドギャップの経時変化を示している。 公開および非公開評価の混合全体でのオープン・クローズドギャップの独立分析 — How far behind are open models?, Håvard Tveit Ihle (2026年5月)。 例えば2025年には、Z.aiのプロダクトリードがリリース時間に関して「迅速にリリースせよ。数時間以内にオープンソース化する」と述べた — The Z.ai Playbook, ChinaTalk (2025年11月21日)。 サイバー、リスク、オープンモデル（これをさらに発展させる予定） なぜ悪意のあるアクターがサイバー能力に使用するオープンモデルを効果的に禁止できないのか（彼らは常にアクセスできる） — The OpenAI/Huggingface incident; how we should manage the imminent arrival of autonomous hacking too cheap to meter, Joshua Saxe (2026年7月)。 政府は、新興のサイバー脅威に関して、観察、状況判断、意思決定、行動をどのように行うべきか。