---
title: "オープンウェイト vs クローズド LLM：企業での選び方 | BroadRouter"
description: "ビジネスにはオープンウェイトとクローズドのどちらの LLM がよいか。コスト、管理、プライバシー、品質差、ロックインを比べ、オープンモデルを動かす 3 つの方法と、それぞれが有利な場面を解説します。"
url: https://broadrouter.com/ja/blog/open-weight-vs-closed-models/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/open-weight-vs-closed-models/)（2026-11-14 更新）。

# ビジネスで使うならオープンウェイトかクローズドか：コスト、管理、リスク

BroadNet Inference チーム · 約 4 分で読めます · 公開日 2026-11-14

最先端ではクローズドが優位ですが、Epoch AI の推計では最良のオープンウェイトモデルの遅れは約 4 か月です。オープンウェイトは複数のプロバイダーが同じ重みを提供できるため、管理、プライバシー、バージョン固定、ロックインで勝ります。難題で最高品質が要るならクローズドです。両方をタスク別に使う企業も多くあります。

## 要点

-   オープンウェイトとは、学習済みの重みが公開されていることです。学習データやコードが公開されているという意味ではありません。
-   Epoch AI は 2026 年 5 月、同社の能力指数で見ると、トップのオープンウェイトモデルはクローズドモデルより約 4 か月遅れていると推計しました。
-   オープンウェイトモデルを動かす方法は、セルフホスト、専用 GPU のレンタル、ホスト型 API の 3 つです。クローズドモデルを提供できるのはそのベンダーだけです。
-   オープンウェイトのほうがロックインは低くなります。あるホストが価格やポリシーを変えても、別のホストが同じモデルを提供できます。
-   セルフホストが最も安いのは GPU が常に稼働している場合だけです。変動の大きいトラフィックなら、ホスト型のオープンウェイト API のほうがたいてい安く済みます。

**このページの内容**

1.  オープンウェイトとは正確には何を意味しますか？
2.  オープンウェイトとクローズドモデルの比較
3.  品質差はどれくらいですか？
4.  オープンウェイトモデルを動かす 3 つの方法とは？
5.  オープンウェイトモデルの月額費用は？
6.  ロックインが見た目以上に重要なのはなぜですか？
7.  企業はオープンとクローズドのモデルをどう組み合わせていますか？
8.  BroadNet Inference の位置づけ

LLM で開発するチームは皆、多くの場合それと気づかずに、この選択をしています。1 社のベンダーの API からしか使えない**クローズドモデル**か、誰でも重みをダウンロードして動かせる**オープンウェイトモデル**か。この選択は、請求額、データの経路、製品の安定性、そして離れるときの難しさに影響します。

## オープンウェイトとは正確には何を意味しますか？

[オープンウェイトモデル](https://broadrouter.com/ja/glossary/open-weight-model/)は、学習済みのパラメーターを公開しています。自分でも、どのプロバイダーでも動かせます。これはオープンソースより狭い概念で、学習データや学習パイプライン全体は通常公開されません。

ライセンスはさまざまです。寛容なものもあり、たとえば OpenAI の Whisper はコードと重みを [MIT ライセンスで](https://github.com/openai/whisper)公開しています。商用利用、ユーザー数、利用分野を制限するものもあります。モデルの上に開発する前に、それぞれのライセンスを読んでください。

クローズドモデルの重みはベンダーの手元にとどまります。ベンダーの API か、ベンダーがライセンスしたクラウドを通じてアクセスを借りることになります。

## オープンウェイトとクローズドモデルの比較

| 要素 | オープンウェイト | クローズド |
| --- | --- | --- |
| 最上位の品質 | 最先端から数か月遅れ | 最も難しいタスクでたいていリード |
| トークン単価 | 安いことが多い。同じモデルでホストが競う | 1 社のベンダーが決める |
| 動かす場所 | 自社サーバー、レンタル GPU、任意のホスト | ベンダーの API かライセンスされたクラウド |
| プライバシーの選択肢 | セルフホスト、または[ゼロデータ保持](https://broadrouter.com/ja/glossary/zero-data-retention/)のホストを選ぶ | ベンダーの条件とプラン |
| バージョンの安定性 | 正確な重みを好きなだけ固定できる | ベンダーの予定でバージョンが廃止される |
| カスタマイズ | 自分でファインチューニングや量子化ができる | ベンダーが提供するものだけ |
| ロックイン | 低い：複数のホストが同じ重みを提供 | 高い：モデルごとにベンダーは 1 社 |
| 運用 | セルフホストなら自分の責任 | ベンダーの責任 |

## 品質差はどれくらいですか？

以前より小さくなりましたが、確かに存在します。スタンフォード大学の [2025 AI Index](https://hai.stanford.edu/ai-index/2025-ai-index-report/technical-performance) は、Chatbot Arena のリーダーボードでトップのクローズドモデルがトップのオープンウェイトモデルにつけていた差が、2024 年 1 月初めの 8.04% から 2025 年 2 月には 1.70% に縮んだと報告しました。[Epoch AI](https://epoch.ai/data-insights/open-closed-eci-gap) は 2026 年 5 月 29 日、同社の Epoch Capabilities Index で測ると “the most capable open-weight models have lagged frontier closed models by an average of four months”（訳：最も高性能なオープンウェイトモデルは、最先端のクローズドモデルに平均 4 か月遅れてきた）と推計しました。

実際には次のとおりです。

-   **分類、抽出、要約、翻訳、日常的なチャット：** オープンウェイトモデルでたいてい十分で、しかも安く済みます。
-   **コーディングエージェントと長い文書：** 強力なオープンウェイトの選択肢があります。自分のリポジトリでテストしてください。[コーディングエージェントに最適なオープンモデル](https://broadrouter.com/ja/blog/best-open-model-for-coding-agents/)を参照してください。
-   **最も難しい推論と最新の機能：** クローズドモデルが先に到達することが多いです。

リーダーボードは平均値です。重要なベンチマークは、自分の実際のテストケース 50 件です。

## オープンウェイトモデルを動かす 3 つの方法とは？

| 方法 | 最適な場面 | 注意点 |
| --- | --- | --- |
| 自社 GPU でセルフホスト | データを自社ネットワーク外に出せない。GPU が常に稼働 | ハードウェア、ドライバー、スケーリング、セキュリティ、アップグレード |
| 専用 GPU をレンタル | 負荷が安定している、カスタムの重みを使う | 遊んでいる時間にも支払う |
| ホスト型のオープンウェイト API | トラフィックが変動する、または伸びている。すぐ始めたい | ホストのデータ保持と稼働率を信頼することになる |

セルフホストはトークン単位では無料に見えますが、GPU は 1 時間に 1 リクエストでも 1,000 リクエストでも同じ費用がかかります。元が取れるのは、高く安定した稼働率のときです。それを下回るなら、トークン課金の API や[定額プラン](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)のほうがたいてい安くなります。

## オープンウェイトモデルの月額費用は？

ホスト型オープンウェイトモデルのトークン単価は簡単に計算できます。BroadNet 経由の [DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) で、月に入力 1 億トークン、出力 1,000 万トークンなら：

月額 `100 x $0.175 + 10 x $0.52`（キャッシュ割引前）。

同じ計算を、クローズドベンダーが公表している 100 万トークンあたりの価格と自分の実際のトークン数で行うか、1 つのワークロードを GPT、Claude、Gemini、Grok と 5 つのオープンモデルで見積もった[オープンウェイトとクローズドモデルの API コスト比較](https://broadrouter.com/ja/blog/open-weight-vs-closed-model-api-cost/)から始めてください。キャッシュされた入力は結果を大きく変えます。このモデルのキャッシュトークンは 100 万あたり $0.0055 です。[LLM API コスト計算ツール](https://broadrouter.com/tools/llm-api-cost-calculator/)はすべての BroadNet モデルでこの計算を行い、[LLM API 価格表](https://broadrouter.com/ja/llm-api-pricing/)は同じオープンウェイトに他のホストがいくら請求しているかを一覧にしています。

## ロックインが見た目以上に重要なのはなぜですか？

クローズドベンダーが値上げしたり、データの条件を変えたり、プロンプトを合わせ込んだモデルを廃止したりしたとき、選択肢は受け入れるか書き直すかしかありません。オープンウェイトモデルなら、同じ重みを別のホストや社内に移し、同じ振る舞いを保てます。

この選択肢を実際に使えるものにしておくには：

1.  OpenAI 互換の SDK でモデルを呼び、[ベース URL](https://broadrouter.com/ja/glossary/base-url/) とモデル ID は設定に置きます。
2.  回帰テストセットを持ち、プロバイダーを変えるたびに実行します。
3.  必要に応じて [LiteLLM](https://broadrouter.com/ja/guides/litellm-proxy-custom-provider/) のようなルーターを前段に置き、切り替えを設定変更だけで済むようにします。

## 企業はオープンとクローズドのモデルをどう組み合わせていますか？

ほとんどの企業は最終的に両方を使います。

-   量が多く定義のはっきりしたタスク（抽出、振り分け、要約、エージェントの定型ステップ）はオープンウェイトモデルに回します。
-   まれで難しいタスクはクローズドの最先端モデルに回します。
-   四半期ごとに再テストします。Epoch が測った差を考えると、タスクは時間とともに 2 つ目のリストから 1 つ目に移っていきます。

## BroadNet Inference の位置づけ

BroadNet Inference はホスト型のオープンウェイト API です。[DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/)、[GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/)、[Qwen3.8 27B](https://broadrouter.com/ja/models/qwen3.8-27b/)、BroadNet がビルドした Google の Gemma 4、さらに 2 つの音声認識モデルを、すべて [OpenAI 互換のエンドポイント](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-open-weight-vs-closed-models&utm_content=body)で提供しています。[プライバシー声明](https://www.broadnet.ai/inference-privacy)によると、プロンプトや出力は一切保持せず、推論データをモデルの学習、ファインチューニング、評価に使いません。DeepSeek V4.1 Flash は、セッションあたり 1 時間 $1 から月 $60 までの定額プランでも利用できます。

クローズドモデルは提供していません。GPT、Claude、Gemini が必要なタスクがあれば、そのルートにはそれらのベンダーを使い、残りはオープンウェイトにとどめてください。BroadNet を他のプロバイダーと比較するには、[20 項目のプロバイダーチェックリスト](https://broadrouter.com/ja/blog/choose-llm-api-provider-checklist/)を使ってください。

関連する無料ツール（英語）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[オープンウェイトモデル（open-weight model）](https://broadrouter.com/ja/glossary/open-weight-model/)

オープンウェイトモデルとは、学習済みの重みが公開され、誰でもダウンロードして実行できるモデルで、通常は条件付きのライセンスで提供されます。学習コードや学習データの詳細も公開し、他者が検証・再現できる完全なオープンソース AI とは別物です。

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[AI コーディングエージェント（AI coding agent）](https://broadrouter.com/ja/glossary/coding-agent/)

AI コーディングエージェントとは、言語モデルがループの中でコードベースに取り組むソフトウェアツールです。ファイルを読み、編集し、テストなどのコマンドを実行し、出力を読んで次の手順を決めることを、タスクが終わるか上限に達するまで繰り返します。

[LLM ベンチマーク（LLM benchmark）](https://broadrouter.com/ja/glossary/llm-benchmark/)

LLM ベンチマークとは、知識問題、コーディング、音声認識など 1 つの能力で言語モデルを測り比べるための、固定された（通常は公開の）タスクと採点方法です。スコアはそのテストでの相対的な能力を示し、自社のワークロードでの実力は示しません。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[モデルライセンス（model license）](https://broadrouter.com/ja/glossary/model-license/)

モデルライセンスとは、モデルの重み、コード、出力の利用・改変・共有の条件を定めた法的な取り決めです。オープンウェイトモデルは Apache 2.0 や MIT などの標準ライセンス、または大規模な商用サービスへの制限などの条件を加えうる独自ライセンスで公開されます。

[キャッシュ入力トークン（cached input tokens）](https://broadrouter.com/ja/glossary/cached-input-tokens/)

キャッシュ入力トークンとは、LLM プロバイダーが直前に処理し、再計算せずにキャッシュから再利用できるプロンプトのトークンです。通常はシステムプロンプトやドキュメントなど繰り返し送るプレフィックスで、新しい入力トークンより安い単価で課金されます。

## よくある質問

### オープンウェイトとオープンソースの AI モデルの違いは何ですか？

オープンウェイトモデルは学習済みの重みを公開しており、誰でも動かせます。オープンソースのモデルなら、学習コードやデータも公開されているはずです。人気のある「オープン」な LLM の多くはオープンウェイトにとどまり、ライセンスも寛容なものから制限の厳しいものまでさまざまです。

### オープンウェイトモデルはクローズドモデルと同じくらい優秀ですか？

近いものの、トップでは同等ではありません。Epoch AI は 2026 年 5 月、最良のオープンウェイトモデルは最良のクローズドモデルより約 4 か月遅れていると推計しました。日常的なタスクの多くでは差は小さく、最も難しいタスクではたいていクローズドモデルがまだリードしています。

### オープンウェイトモデルのほうが安いですか？

多くのホストが同じ重みの提供を競うため、トークン単価では安いことがよくあります。セルフホストが安くなるのは GPU が常に稼働している場合だけで、遊んでいる GPU は使っても使わなくても費用がかかります。

### オープンウェイトモデルのほうがプライバシーを守れますか？

守れる場合があります。セルフホストすればデータは自社ネットワークの外に出ませんし、ゼロデータ保持のホストを選ぶこともできます。クローズドモデルは、ベンダーが提供する場所で、ベンダーの条件の下でしか動きません。

### コードを書き直さずにクローズドモデルからオープンウェイトモデルに切り替えられますか？

ホストが OpenAI 互換 API を提供していれば、たいていは可能です。ベース URL、キー、モデル ID を変え、自分のテストセットでプロンプト、ツール呼び出し、出力品質を再テストしてください。

## 続けて読む

-   [LLM API プロバイダーの選び方：20 項目のチェックリスト](https://broadrouter.com/ja/blog/choose-llm-api-provider-checklist/)
-   [LLM API のデータ保持を比較：OpenAI、Anthropic、Gemini、Mistral](https://broadrouter.com/ja/blog/llm-api-data-retention-compared/)
-   [LLM API は定額とトークン課金のどちらが得か：損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [AI エージェントには OpenRouter か定額プランか：安いのはどちら？](https://broadrouter.com/ja/blog/openrouter-alternative-flat-rate/)
-   [Artificial Analysis の代替サイト：2026 年に LLM を比較できる場所](https://broadrouter.com/ja/blog/artificial-analysis-alternatives/)
-   [LLM API の SLA 比較：Azure、Bedrock、Google、OpenAI は何を約束しているか](https://broadrouter.com/ja/blog/llm-api-sla-uptime-compared/)
-   [ガイド：OpenAI Python SDK を BroadNet Inference で使う](https://broadrouter.com/ja/guides/openai-python-sdk/)
-   [ガイド：LiteLLM から BroadNet Inference にルーティングする（SDK とプロキシ）](https://broadrouter.com/ja/guides/litellm-proxy-custom-provider/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-open-weight-vs-closed-models&utm_content=page-cta) ·

**出典**

-   [Epoch AI：オープンウェイトとクローズドの能力差（Data Insight、2026 年 5 月 29 日）](https://epoch.ai/data-insights/open-closed-eci-gap)
-   [Stanford HAI：2025 AI Index Report、技術的性能](https://hai.stanford.edu/ai-index/2025-ai-index-report/technical-performance)
-   [GitHub の openai/whisper（MIT ライセンスのオープンウェイトモデルの例）](https://github.com/openai/whisper)
-   [BroadNet Inference プライバシー声明（2026 年 9 月発効）（英語）](https://www.broadnet.ai/inference-privacy)
-   [BroadNet Inference の機械可読な価格（pricing.json）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-open-weight-vs-closed-models&utm_content=sources)
