2026年、最良のオープンソースLLMと運用コスト

結論から言うと

データセンター規模での純粋な性能では、2026年半ばのリーダーボード上位はKimi K3とDeepSeek V4です。Kimi K3はMoonshotが2026年7月に公開した重みで、100万トークンのコンテキストウィンドウを持ちます。DeepSeek V4はMITライセンスのもと、Pro版がSWE-bench Verifiedコーディングベンチマークで80.6%を報告しています。どちらも公開評価においてクローズドのフラッグシップモデルと競合できる水準です。

GPUが1枚ある環境なら、Qwenの中型密モデルが定番の選択です。GPUを持たないノートPCなら、Gemmaのような小型モデルが現実的な上限になります。そして、APIを通じて安価かつ十分な性能の推論だけを求める開発者にとっては、Llama 3.3 70BやDeepSeek V3.2が、フロンティアモデルの料金のごく一部で応えてくれます。

正直なところ、「どのオープンモデルが最良か」という問いは、どのAIモデルを使うべきかという一般的な問いと同じ形の答えになります。タスクと実行環境次第であり、クローズドモデルとの差はすでに縮まっているため、価格とライセンスが決め手になることが多いのです。

オープンソースか、オープンウェイトか:ライセンスは本当に重要

「オープンソース」という呼び名は、実は3種類の異なる条件を包含しています。その違いは、痛い目を見るまで見えてきません。

真のオープンライセンス(MIT、Apache)。 DeepSeekはMITライセンスで公開しています。使う、改変する、それを使って商用製品を作る、いずれも心配すべき制約はありません。これはオープンソースの最も厳格な意味であり、2026年にはフロンティア級のモデルの一部がついにこれを採用しています。

条件付きのオープンウェイト。 Metaの Llamaライセンスがその代表例です。重みはほぼ誰でも無料でダウンロードできますが、ライセンスは極めて大規模な商用展開や一部の用途を制限しています。Llamaの解説記事では、この区分がなぜネット上で議論の対象になるのかを取り上げています。

研究用途に限定したオープンウェイト。 一部のリリースは研究目的や個人利用のみを許可し、商用展開は完全に禁止しています。何かを作る前に必ず読んでください。

チャット製品を通じてこれらのモデルを使う個人にとっては、こうした区分はまったく関係ありません。しかし、それを基盤にソフトウェアを提供する企業にとっては、ベンチマークを見るより先にライセンスを確認すべき最初の事実です。

2026年の主要オープンモデル比較

価格は、Whiziのモデルコストインデックスによる100万トークンあたりのホスト型API料金で、2026年8月20日にOpenRouterの公開価格から取得したものです。ベンチマークの数値は、各開発元が公開リーダーボードで報告した結果です。

注目すべき点が2つあります。まず、かつてはクローズドモデルの売りだった100万トークンのコンテキストウィンドウが、今ではオープンモデル全体で標準になっています。全表はコンテキストウィンドウ比較で確認できます。次に、価格の下限はさらに下がり続けています。Qwen3.7 Flashはコストインデックス上で標準的な質問1回あたり$0.000095で応答し、1,000回分でも10セント未満に収まります。

実際の運用コストはどれくらいか

Whiziのコストインデックスは、入力1,000トークンと出力500トークンからなる標準的な1回の回答を基準に全モデルの価格を算出しており、公開料率同士を比較できるようにしています。この基準で見ると、オープンモデルはクローズドのフラッグシップモデルよりわずかに安いのではなく、まったく別の経済圏に属しています。

Llama 3.3 70Bの標準回答は$0.00026です。DeepSeek V3.2なら$0.00047。インデックス内で最も高価なオープンモデルであるKimi K3でも$0.0105です。同じ回答に対してクローズドのフラッグシップモデルは$0.0175から$0.035かかり、インデックス全体で見た最安値と最高値の差はおよそ2,000倍に達します。Llama 3.3で1,000回分の回答を出すと26セントですが、クローズドのフラッグシップモデルで同じ1,000回分を出すと$30を超えることもあります。

これが、多くのAI製品で高速版や低価格版のティアを静かに支えているのがオープンモデルである理由であり、分類、抽出、大規模な要約といった大量処理のタスクがほぼ必ずオープンモデルに落ち着く理由です。ライブのコストインデックスには、100モデル分の全表と1回あたりの計算が掲載されています。

ここで正直に付け加えるべき注意点があります。重みを自分で動かすのが「無料」なのは、自分の時間とハードウェアも無料の場合だけです。70Bモデルをきちんと動かせるGPUは4桁ドルの買い物になり、一般向けGPU1枚に収まる中型モデルは、その代わりに性能を妥協しています。ほとんどの人にとって、オープンモデルへのホスト型アクセスこそが、ハードウェアなしで価格面の優位性を手にする方法です。

用途別に見る、どのオープンモデルを選ぶべきか

大量処理でコストを重視する作業(要約、抽出、タグ付け):Llama 3.3 70BまたはQwen3.7 Flash。1回あたり1セントの数分の1という価格なら、時々間違えるコストは、上位モデルが正しく答えるコストより低くなります。

コーディング:DeepSeek V4 ProまたはKimi K3のコーディング特化版。報告されているSWE-benchの数値は、クローズドのコーディングアシスタントと本格的に競える水準であり、MITライセンスであることがDeepSeekを組み込みやすい安全な選択にしています。Claude対DeepSeekでは両者を正面から比較しています。

長文書の処理:100万トークンのコンテキストを持つモデルであればどれでも構いませんが、予算重視ならLlama 4 Maverickが100万入力トークンあたり$0.20で選びやすい選択です。

ローカル運用とプライバシー重視:24GBのGPUでQwenの中型モデルを、あるいはノートPCでGemma級の小型モデルを動かします。プライバシーは完全に守られますが、性能は中程度にとどまります。Llamaガイドでは、ローカル実行に対する現実的な期待値を説明しています。

多言語対応と欧州ホスティング:Mistral Large 3が該当し、Mistralの解説記事でも中心的に扱われています。

オープンモデルがまだ及ばない部分

誠実なガイドであるために、あえてギャップを名指しします。それらは実在し、購入判断を左右するからです。

最上位クラスの推論。 最も難しい多段階推論やエージェント的タスクでは、公開されている評価の多くでクローズドのフラッグシップモデルが依然として優位に立っています。差は劇的に縮まりましたが、なくなったわけではありません。

仕上げと製品体験。 オープンウェイトは、あくまで重みとして出荷されます。音声モード、Deep Researchのようなツール、メモリ機能、アプリのエコシステムは、クローズドの提供元が一体で用意するプロダクトエンジニアリングであり、オープンモデルではそれをホストする側に委ねられます。

ホスティングの一貫性。 同じオープンモデルでも、量子化や配信方法の選択によってホストごとに性能が変わり得ます。これはクローズドAPIには存在しない失敗パターンです。オープンモデルが急に悪くなったように感じたら、モデル自体より先にホストを疑うべきです。

サポートと責任の所在。 クローズドモデルが問題を起こせば、そこにはベンダーがいます。自前でホストした重みが問題を起こせば、そこにあるのはGitHubのissueトラッカーだけです。

実際に使う3つの方法

1. 複数モデルを扱えるワークスペースを使う。 設定不要な方法です。Whiziは、Llama、DeepSeek、Kimi、QwenといったオープンモデルをGPT、Claude、Geminiと並べて用意しており、オープンかクローズドかの選択がサブスクリプション単位ではなく質問単位で済むようになります。同じ会話の中で、大量処理は安価なオープンモデルに、難しい推論はフラッグシップモデルに振り分けられます。

2. APIを通じて使う。 開発者にとっては、上記の価格でホストされたオープンモデルこそが、本番のワークロードでフロンティアプロバイダー以外を検討する主な理由になります。

3. 自前のハードウェアで動かす。 今ではOllamaやLM Studioのおかげで、ローカル実行は本当に簡単になりました。この方法を選ぶのはプライバシーやオフライン利用のためであって、節約のためではありません。電気代は安く済みますが、GPUは安くありません。