「オープンウェイトモデルを使いたいが、どれを選べばいいかわからない」——この問いを持ったことがある開発者に、この記事は届くはずだ。
2026年6月、オープンLLMの競争は加速している。Llama 4(Meta)という大きな基軸に、MiniMax M3(6/1)、GLM-5.2(6/13)、Nemotron 3 Ultra 550B(6/1)が加わり、DeepSeek V4 Proも4月に登場済みだ。これだけ並べれば、どれが何に強いのか、ライセンスは何か、規制リスクはあるかが見えなくなる。
この記事はその地図だ。用途別に選択肢を整理し、見落としがちなリスクも含めて実用的に解説する。
なお、本日AnthropicがAlibaba/Qwen関連の大規模蒸留攻撃を告発したというニュースが出ている。これはオープンLLMの選択に新しい判断軸を加えるため、最後のセクションで取り上げる。
2026年6月の主要オープンウェイトLLM一覧
まず全体像を押さえよう。以下が2026年6月時点で比較対象となる主要モデルだ。
| モデル | 提供元 | リリース | コンテキスト | ライセンス |
|---|---|---|---|---|
| MiniMax M3 | MiniMax(中国) | 2026/6/1 | 1M tokens | 独自(商用可) |
| GLM-5.2 | Z.ai/Zhipu AI(中国) | 2026/6/13 | 1M tokens | 独自(商用可) |
| Nemotron 3 Ultra 550B | NVIDIA(米国) | 2026/6/1 | 1M tokens | NVIDIA Open(商用可) |
| DeepSeek V4 Pro | DeepSeek(中国) | 2026/4月 | 128k+ | DeepSeek(商用可) |
| Llama 4 | Meta(米国) | 2026/4月 | 各種 | Llama 4 Community |
| Kimi K2.7 Code | Moonshot AI(中国) | 2026/6月 | 非公表 | 独自(確認要) |
一見して気づくのは、6月にリリースされた3モデルのうち2つ(MiniMax M3・GLM-5.2)が中国製であることだ。これは後半のリスク評価で重要になる。
ベンチマーク比較 — 何が何に強いか
モデルを選ぶとき、ベンチマークはあくまで参考だ。しかし「どの指標で何位か」を知らずに選ぶのも無責任だ。主要ベンチマークを整理する。
SWE-Bench Pro — コーディングエージェント能力
SWE-Bench Proは実際のGitHubイシューを自律的に解決する能力を測る。コーディングエージェントを作るなら最も参考になる指標だ。
| モデル | SWE-Bench Pro スコア |
|---|---|
| Nemotron 3 Ultra 550B | 65〜70.4% |
| MiniMax M3 | 59.0% |
| GLM-5.2 | 確認中 |
コーディングエージェントとして純粋な性能を求めるなら、米国製のNemotron 3 Ultra 550Bが現時点でオープンモデルの最高位だ。
Terminal-Bench 2.1 — CLI・エージェントタスク
Terminal-Bench 2.1はコマンドライン操作・シェルスクリプト・システム自動化など、エージェントが「黒い画面」を使いこなす能力を測る。
| モデル | Terminal-Bench 2.1 |
|---|---|
| GLM-5.2 | 81.0%(GLM 5.1比 +15.0pt) |
| MiniMax M3 | 66.0% |
DevOps自動化、CI/CDパイプライン、インフラ操作エージェントには GLM-5.2 の Terminal-Bench スコアが際立つ。前世代(GLM 5.1)から15ポイントの改善は、意図的な強化があったことを示唆する。
BrowseComp — Web情報収集・リサーチエージェント
BrowseCompはウェブ閲覧と情報収集を組み合わせた複合タスクを測る。リサーチエージェントや情報収集自動化に関係する。
| モデル | BrowseComp スコア |
|---|---|
| MiniMax M3 | 83.5 |
| Claude Opus 4.7(参考値) | 79.3 |
MiniMax M3 はリサーチ・情報収集能力において Claude Opus 4.7 を超えるスコアを示している。価格は $0.60/Mトークン(プロモーション価格)と競争力がある。Webエージェントのベースモデルとして真剣に検討する価値がある。
モデル別 詳細評価
MiniMax M3 — マルチモーダル×低コストの新定番候補
MiniMax M3 の最大の特徴は「ネイティブマルチモーダル」だ。テキスト・画像・音声・動画をひとつのモデルで処理できる。これはGPT-4oやGemini Ultra系のアーキテクチャと同じ方向性だが、オープンウェイトで1Mトークンコンテキストを実現しているのは数少ない。
独自アーキテクチャ「MSA(MiniMax Sparse Attention)」が長文コンテキスト効率化に寄与している。1Mトークンの文脈を使ったとしても推論速度が極端に落ちないのはこの設計によるところが大きい。
向いているユースケース: マルチモーダルRAG、長文ドキュメント処理、Webリサーチエージェント、画像+テキスト混在タスク
注意点: 中国製。後述する規制リスクと蒸留攻撃問題の文脈で評価が必要。
GLM-5.2 — エージェント・CLI特化の実力者
Z.ai(Zhipu AI)のGLM-5.2は「エージェントに特化した設計」という印象が強い。Terminal-Bench 2.1の81.0%は現時点でオープンウェイトモデルのトップクラスだ。GLM 5.1比のスコア改善が「+15pt」というのも、偶然ではなくエージェント性能に絞った集中投資の結果だろう。
コストはGPT-5.5の約7分の1とされている。企業が大量のエージェントタスクを処理するとき、このコスト差は無視できない。
またMCP(Model Context Protocol)との統合スコア「MCP Atlas」も提供しており、ツール呼び出し能力を定量的に示している点も開発者には参考になる。
向いているユースケース: CI/CD自動化、インフラ操作エージェント、シェルスクリプト生成、DevOpsツール連携
注意点: 中国製。ライセンス条項の精読を推奨(商用利用条件の確認要)。
Nemotron 3 Ultra 550B — 米国製オープンモデルの現時点最高位
NVIDIAのNemotron 3 Ultra 550Bは、550BパラメータのMoEアーキテクチャ(アクティブ55B)で構成される。パラメータ総数は巨大だが、推論時にアクティブになるのは55Bのため、速度は300トークン/秒以上を実現している。
SWE-Bench Proで65〜70.4%はオープンウェイトモデルで現在最高位の水準だ。さらに米国製であることから、規制対応が求められる環境(政府系・防衛関連・金融機関)での採用に向いている。
NVIDIA Open ライセンスは商用利用を許可しているが、利用規模やユースケースによって条件が異なる。詳細はライセンス文書で確認が必要だ。
向いているユースケース: コーディングエージェント、規制対応が厳しいエンタープライズ環境、高性能推論が必要なシステム、米国内データ処理
注意点: 550Bモデルのローカル実行には相応のGPUリソースが必要。クラウド経由での利用が現実的。
DeepSeek V4 Pro — 知能スコアで群を抜くが規制リスク最大
DeepSeek V4 ProはAI Analysis Intelligence Indexにおいて現行オープンモデルで最高スコアとされている。1.6T MoEという超大規模アーキテクチャが純粋な知能・推論性能では他を圧倒する。
ただし現在、DeepSeekは最もリスクの高い選択肢でもある。親会社は中国の金融機関(High-Flyer Quant)で、米国政府はDeepSeekを安全保障上の観点から注視している。米国の一部の政府機関・防衛関連企業ではすでに使用禁止の方針が出ており、Anthropicがその前身事例として告発したMoonshot AI・MiniMax・DeepSeekの3社の蒸留攻撃(2月)の一つもDeepSeekが含まれていた。
向いているユースケース: 純粋な知能・推論性能が必要な研究・実験用途(規制リスクを許容できる環境のみ)
注意点: 中国製・規制リスク最大。企業コンプライアンス部門への確認を強く推奨。
Llama 4 — エコシステムと実績で選ぶなら
MetaのLlama 4は、ベンチマークスコアの面では6月登場のモデルに抜かれている部分もある。しかしエコシステムの成熟度と実績では、他の追随を許さない。
Hugging Face上の導入事例・ファインチューニングレポ・コミュニティの知見量は圧倒的だ。問題が起きたとき調べれば答えが見つかる、というのは開発者にとって過小評価されがちな重要な価値だ。
また米国製であることから、コンプライアンス上の問題が少ない。「とりあえず安全なオープンモデルで始めたい」という場合の筆頭候補だ。
向いているユースケース: ファインチューニング、オンプレミス展開、多言語対応、コンプライアンス制約がある環境、コミュニティサポートが必要なケース
用途別 選択ガイド
以上を踏まえて、用途別の推奨を整理する。
| 用途 | 推奨モデル | 理由 |
|---|---|---|
| マルチモーダルRAG | MiniMax M3 | ネイティブマルチモーダル・低コスト |
| CLI/DevOpsエージェント | GLM-5.2 | Terminal-Bench 2.1 最高位・低コスト |
| コーディングエージェント(性能優先) | Nemotron 3 Ultra 550B | SWE-Bench Pro 最高位・米国製 |
| Webリサーチエージェント | MiniMax M3 | BrowseComp 83.5(Claude Opus 4.7超え) |
| 規制環境・エンタープライズ | Nemotron 3 Ultra 550B / Llama 4 | 米国製・コンプライアンス対応しやすい |
| ファインチューニング・実験 | Llama 4 | エコシステム・コミュニティ最大 |
| 純粋な推論性能(研究) | DeepSeek V4 Pro | 知能スコア最高位(規制確認必須) |
2026年6月に加わった新しい判断軸:蒸留攻撃リスクと利用倫理
本日、AnthropicがAlibaba/Qwen関連事業者による大規模蒸留攻撃を米上院銀行委員会に告発した。2,880万回のAPIアクセス、25,000の不正アカウント。この告発は、オープンLLMを選ぶ際の視点を一つ増やすことになる。
正直に言う。「中国製オープンLLMを使ってはいけない」という話ではない。MiniMax M3やGLM-5.2は実際に高性能であり、用途によっては最良の選択肢だ。問題はもっと具体的なところにある。
まず、蒸留で強化された疑いのあるモデルをエンタープライズ環境で採用するとき、そのモデルが「どの知識を使って賢くなったか」をトレースできないリスクがある。訓練データの出所が不透明なモデルを、機密情報を扱うシステムに使うことのリスクは実在する。
次に、米国政府の対中AI政策が今後どう動くかは予断を許さない。Fable 5の停止が示すように、使い続けられると思っていたサービスが突然遮断されるリスクは現実だ。中国製モデルへの依存が高まれば、同様のリスクに晒される可能性は考慮しておくべきだ。
そしてライセンスの問題。蒸留で強化されたモデルを使ったサービスが、元となった非公開モデルの著作権・利用規約に抵触するリスクを問われる法的議論は、まだ整理されていない。
個人的な見解を言えば、2026年時点でのオープンLLM選択は「性能」と「地政学リスク」の2軸で考える時代に入った。性能だけで選ぶのは不十分で、規制・ライセンス・出所の透明性を加味して判断する必要がある。
まとめ:あなたの用途に合った一手を
2026年6月のオープンLLMは豊かだ。ただし複雑でもある。
米国製で安全に使いたいなら Nemotron 3 Ultra 550B か Llama 4。エージェント性能とコスト効率を最大化したいなら MiniMax M3 か GLM-5.2(ただし規制リスク許容前提)。知能と推論を極めたいなら DeepSeek V4 Pro(規制確認必須)。
選択の軸は「用途×コスト×規制環境」の3つだ。これを自分のチームと状況に当てはめれば、答えは自ずと絞られる。
最後に一つ問いかけたい。あなたが採用しようとしているオープンモデルは、どのようなデータで、誰が、何の目的で訓練したものか——今日のAnthropicの告発を読んだ後、それを問い直してみる価値はある。