「open-weight ≠ open-source」AIモデルの“オープン”を見抜く
「このモデルはオープンソースだから安心」——AIモデルを選ぶとき、この一言で判断していませんか。実は「オープンソースAI」と呼ばれているモデルの大半は、厳密にはオープンソースではありません。正しくは「オープンウェイト（open-weight）」です。
この違いを知らないと、ライセンス上の制限を見落としたり、再現性・監査性を前提にした設計が破綻したりします。英語圏では2024年以降の重要論点として定着したこのテーマを、日本語で整理します。
免責：本記事は2026年時点の公開情報をもとにした解説であり、法的助言ではありません。個々のモデルのライセンスは必ず公式原文を確認してください。
結論：「重みが公開されている」≠「オープンソース」
| 区分 | 公開されるもの | 例 |
|---|---|---|
| オープンウェイト | 学習済みの重み（パラメータ）のみ。学習データや学習コードは非公開のことが多い | Llama、多くの「オープン」LLM |
| オープンソースAI（OSI定義） | 重み＋学習・推論コード＋学習データの詳細情報（再現可能な形） | OLMo、Pythia、Amber 等（少数） |
多くのモデルは重みだけを公開し、学習データは「競争上の優位」や「著作権上の懸念」を理由に非公開にしています。これらは便利でも、定義上のオープンソースではありません。
【輸入する常識】OSIが定めた「オープンソースAIの定義（OSAID）」
2024年10月、オープンソースの権威である OSI（Open Source Initiative）が Open Source AI Definition（OSAID） を正式承認しました。これにより「オープンソースAI」を名乗る基準が明文化されました。
OSAID は、オープンソースの4つの自由（使用・研究・改変・共有）がAIにも意味のある形で適用されることを求めます。具体的には次の公開が必要です。
- 推論・学習・データ処理のためのソフトウェア（コード）の完全な公開
- 学習データの詳細情報（データそのものの配布が難しい場合でも、第三者が理解・再現できる程度の情報）
- 重み・パラメータ
OSI が OSAID 準拠の例として挙げているモデルは、Pythia（EleutherAI）、OLMo（AI2）、Amber・CrystalCoder（LLM360）、T5（Google）などごく少数です（MIT や Apache 2.0 のような正式な認証プログラムがあるわけではなく、あくまで定義への適合例という位置づけです）。逆に言えば、世間で「オープンソースAI」と呼ばれるモデルの多くは、この基準を満たしていません。
なぜこの違いが実務で効くのか
① ライセンスに独自の制限が隠れている
オープンウェイトのモデルは、MIT や Apache 2.0 のような標準OSSライセンスではなく、独自ライセンスを採用していることが多くあります。Llama の「700M MAU 制限」「命名規約」、Stable Diffusion の「年商$1M閾値」、RAIL系の「行動制限」などが典型です。「オープンソースだから自由」という思い込みが、契約違反につながります。
② 再現性・監査性が担保されない
学習データが非公開だと、モデルがどんなデータで作られたかを検証できません。バイアスの監査、規制対応、セキュリティ評価が必要な用途（医療・金融・公共・選挙関連など）では、これは重大な制約になります。
③ 「RAIL」など行動制限付きライセンスの存在
重みが公開されていても、RAIL（Responsible AI License）系のように用途を制限する条項が付くことがあります。違法行為・差別・特定の高リスク用途を禁止するもので、これも標準OSSには無い概念です。
モデル選定時のチェックリスト
- そのモデルは「オープンウェイト」か「OSI定義のオープンソースAI」か区別したか
- ライセンスは標準OSS（MIT/Apache 2.0）か、独自ライセンスか確認したか
- 独自ライセンスの場合、規模制限・命名規約・行動制限の有無を確認したか
- 学習データの非公開が、自社の用途（監査・規制対応）で問題にならないか確認したか
- 「オープンソース」という言葉を鵜呑みにせず、原文に当たったか
「オープン」という言葉は便利ですが、中身は玉石混交です。言葉ではなくライセンス原文で判断するのが、唯一安全な方法です。
個別モデルのライセンスの罠については、こちらもあわせてどうぞ。
Contact us
お問い合わせ
画像認識をはじめとするAIのことなら是非OkojoAIに！ご相談ベースで構いませんので、遠慮せずお気軽にお問い合わせください。
