政府や規制産業ではモデルを自ら運用・再学習できることが重要になる
MBZUAIの創設5周年後に2026年2月18日付で書いたように、ウェイトだけでなく学習データやコード、学習手法まで公開することは、モデルを監査でき、学習データやモデルの出所を追跡できることを求める規制産業の買い手に対し、交渉上の強みになるはずだ。UAEは、こうした全面的な公開を国家規模で試している。
シンの主張は、国家主義というより商業上の合理性に基づいている。チャットボット単体の価値は限られ、より大きな価値は非公開データを使った事後学習にある。国がモデルを自ら管理できれば、自国のデータを使った事後学習を迅速に進められる。政府機関にとっては、モデル提供企業からの支援がなくなっても、自ら再学習できることが重要になる。
支援やモデル提供が途絶える理由はいくつもある。クローズドモデルを販売する企業が商用条件を変更する、廃業する、買収されるといった場合だ。中国の開発企業が販売するオープンウェイトモデルでも、中国政府の意向によって開発方針が変わる可能性がある。発生確率が低いリスクであっても、国の重要業務を担う多くの政府機関には受け入れ難い。
米国の銀行や防衛関連企業ではモデルの出所確認が先に問われる
私は、モデルを自ら運用・再学習できることを重視する考えは、米国の規制産業にも当てはまるとみている。この見方は一般的ではない。米国の銀行、公益企業、防衛関連企業が、規制対象となる実運用業務に中国製オープンウェイトモデルを導入するとは思わない。モデルや学習データの出所を確認できるかどうかは、調達部門が製品を選ぶ前にリスク委員会が判断する問題だからだ。そこで機会を得るのが、開発過程を示せる欧米のモデルである。候補はOLMo、Apertus、Nemotron、Granite、K2 Horizonに限られる。
全面開放にも公開後の安全性と再現コストという課題がある
オープンにすることには明確なリスクもある。OpenAI自身がgpt-ossのモデルカードで認めている最大の代償は、一度ウェイトを公開すると、第三者が取得したコピーへのアクセスを開発企業が取り消せず、安全対策を後から追加することもできない点だ。Z.aiは2026年8月下旬、GLM-5.3のウェイトへのアクセスを制限した。「オープンであれば常に安全だ」と一括りにすることはできない。
学習過程を公開すればベンチマーク結果を外部から検証できる
別の問題は、ベンチマーク結果をどこまで信用できるかである。ベンチマークの信頼性を検証する上では、学習過程まで開放することが強みになる。IFMは主力モデルを監査し、「報酬ハッキング」が起きていないか調べた。報酬ハッキングとは、AIが本来の課題を解くのではなく、評価や採点の仕組みにある抜け穴を使い、見かけ上の高得点を得る行動を指す。
IFMの監査では、合格と判定された500回の実行のうち24回で、モデルがテストの抜け穴を利用していた。IFMはエージェント型AIのベンチマークTerminalBench 2.1で、スコアを70.2％から66.9％へ訂正して公開した。技術的に再検証できたのは、学習途中のモデル状態を保存した中間チェックポイントを保持していたためだ。評判への悪影響を受け入れて訂正できたのは、IFMが、間違いがないように見せることより透明性を重視する大学の研究機関だからだ。最先端モデルを開発する企業のほとんどは、同じ水準の検証材料を公開していない。
公開データからモデルが何を学んだか追跡できる
ウェイトだけでなく学習過程まで公開すれば、外部研究者がモデルの挙動を調べることも可能になる。アレン人工知能研究所の研究者は、OLMo 3 7Bと公開済みのDolma 3データを使い、社会分野と科学・技術・工学・数学（STEM）分野での推論に影響した学習文書を特定した。該当文書から学んだ内容をモデルから取り除く実験でも、結果を確かめた。
モデルの再現には、224基のGPUを21日間使う規模の費用がかかる場合も
全面的な開放にも2つ注意点がある。第1に、学習方法やデータが公開されていても、モデルを再現する費用まで安くなるわけではない。アレン人工知能研究所によると、OLMo 3.1 32B Thinkで、試行錯誤を通じて性能を高める強化学習を1回延長するだけで、224基のGPUを使って21日間を要した。1つの学習工程を再現するにも、モデルをダウンロードするだけでは足りず、相応の研究予算が必要になる。
第2に、完全にオープンなモデルが実際の企業業務を正しく完了し、正しく完了した業務1件当たりのコストでも競争力があることを、独立した企業向けベンチマークはまだ示していない。それが示されるまでは、企業が採用を判断する材料は、開放性への信頼と価格が中心のままである。
企業は「オープンか」ではなく何を検査・再現できるかで選ぶべきだ
このエコシステムを動かす各主体への私の助言は、それぞれ異なる。2026年7月の「オープンウェイトと米国のAI主導権」書簡を支持した270超の企業・団体は、5段階のうち第2段階に当たる「制約の厳しいライセンスでウェイトを公開する」方式を軸に連携した。OSIが求めるデータ開示基準にも従うと約束するか、そうでなければ、規制当局が「オープンウェイト」を宣伝上の言葉とみなす可能性を受け入れるべきだ。
メタ、OpenAI、グーグルにとって、Apache 2.0でライセンスするのは容易な部分だった。次に、オープンとして提供するモデル群について、どのようなデータをどう組み合わせたかという学習データの作り方と、事後学習に使ったコードを公開してほしい。IFM、アレン人工知能研究所、Swiss AI Initiativeに対して残る批判材料は、モデルの性能である。ならば、企業の実務を正しく1件完了するコストを測るベンチマークに挑むことが、これらの組織にとって有利に働くはずだ。
企業の買い手は、「このモデルはオープンか」とだけ尋ねるのをやめるべきである。問うべきなのは、開放性の5段階のどこに位置するかだ。具体的には、ライセンスで何が認められているのか、モデルのどこまでを検査できるのか、自社で何を再現できるのか、自社設備で業務1件を正しく完了する費用はいくらなのかを確認する必要がある。
シンは、AI業界も電力やLinuxと同じように最終的にはオープンになると考えている。開放性は、開発企業が「オープン」とどれだけ強く宣伝するかではなく、実際に何ができるかで測るべきだという考え方である。私は、AI業界がよりオープンになるという方向性には同意するが、実現時期はまだ分からない。業界が守ろうとしている低い段階の開放性では、銀行や政府機関の信頼を得られないからだ。米国企業ではオープンウェイトが事実上の標準的な選択肢になった。企業市場でオープンサイエンスが獲得できる余地は、まだ大きく残っている。
