5つのベストオープンソースLLMの比較 (8月 2026)

オープンソースのオープンウェイトの大規模言語モデルは、コンパクトなローカルアシスタントから、長期的なソフトウェア作業用に設計された1兆パラメータのシステムまで、すべてを網羅しています。最も強力な選択肢は、単にパラメータ数が最も多いモデルではありません。デプロイハードウェア、コンテキストの長さ、モダリティ、ツールのサポート、ライセンス条項、およびチームが必要とする操作制御のレベルも、同等に重要です。

このリストは、開発者に有意義な重みへのアクセスを提供しながら、異常な強力な機能を提供する5つのモデルファミリーに焦点を当てています。いくつかは、寛容なソフトウェアライセンスを使用していますが、他はカスタムモデル条項を使用しているため、組織はデプロイ前に適用されるライセンスを確認する必要があります。ラインナップはまた、総パラメータとアクティブ化されたパラメータを区別しています。専門家アーキテクチャは非常に大規模になる可能性がありますが、各トークンに使用されるのはその重みの小さな部分だけです。

大多数のチームにとって、実用的にはワークロードの決定が重要です。DeepSeek V4とGLM-5.2は、非常に大規模なスケールで要求の厳しい推論とエージェントワークをターゲットにしています。Kimi K3は、ネイティブビジョンと異常に長いコンテキストウィンドウを組み合わせます。Qwen3.6-35B-A3Bは、よりデプロイ可能なマルチモーダル専門家の混合設計を提供し、OpenAIのgpt-ossファミリーは、透明な推論コントロールと広範なツールサポートを備えたテキストに焦点を当てた2つのオプションを提供します。

ベストオープンソースLLMの比較

1. DeepSeek V4

DeepSeek V4は、大規模なコーディング、推論、ツール使用、エージェントワークのために構築された大規模な専門家の混合モデルファミリーです。V4-Pro構成には、1.6兆の総パラメータがあり、各トークンに49億のアクティブ化パラメータがあります。一方、より効率的なV4-Flash構成には、284億の総パラメータがあり、13億のアクティブ化パラメータがあります。両者とも、1百万トークンのコンテキストウィンドウを中心に設計されており、開発者は大規模なリポジトリ、広範なドキュメント、長い相互作用履歴を跨いで作業するスペースを提供します。

ハイブリッドアテンションアーキテクチャは、長いコンテキストの能力と実用的推論をバランスさせることを目的としています。複数の推論モードにより、チームはタスクに応じて動作を適応させることができます。その柔軟性は、直接の応答、慎重な問題解決、ツールの実行、長期的なソフトウェア作業を交互に実行するシステムに役立ちます。DeepSeekはまた、関数呼び出しとエージェントの信頼性を強調しており、V4は計画、実行、結果の検査、そしてアプローチの修正が必要なアシスタントにとって特に関連性があります。

モデルはMITライセンスの下でリリースされており、組織が広範なデプロイの自由度を望む場合に魅力的な選択肢となります。トレードオフは、運用スケールです。スパースアクティブ化を持っていても、フルチェックポイントは大きく、重大なインフラストラクチャ、量子化、または有能なホスティングパートナーを必要とします。チームは、独自のワークロードで待ち時間、メモリ要件、ツール呼び出しの動作を評価する必要があります。

DeepSeek V4を訪問する

2. GLM-5.2

GLM-5.2は、Z.aiの長期的なプロフェッショナルワーク、複雑な推論、ソフトウェアエンジニアリング、ツール使用エージェントのためのオープンウェイトモデルです。モデルには753億のパラメータと1百万トークンのコンテキストウィンドウがあり、大規模なコードベース、深いドキュメント分析、長期的な目標を維持する必要があるワークフローに適しています。アーキテクチャとトレーニングは、信頼性の高い実行を強調しており、ベンチマークスタイルの回答だけでなく、長期的なタスクにも対応します。

注目すべき強みは、調整可能な思考努力です。開発者は、タスクの難易度と待ち時間プロファイルに応じて、異なる推論の深さを選択できます。これは、同じアプリケーションがルーチンワークと困難な計画の両方を処理する場合に役立ちます。GLM-5.2はまた、関数呼び出しとエージェントワークフローをサポートしており、開発環境、研究ツール、構造化されたビジネスシステムとやり取りしながら、長期的な作業コンテキストを維持することができます。

モデルはMITライセンスの下で配布されています。ただし、そのパラメータ数は、セルフホスティングを重大なインフラストラクチャの決定にします。プロダクションチームは、サービスアーキテクチャ、メモリ、観察可能性、安全性のコントロールを考慮する必要があります。GLM-5.2は、長期的な推論と継続的なタスク実行が中央の要件である場合に最も意味があります。

GLM-5.2を訪問する

3. Kimi K3

Kimi K3は、Moonshot AIのオープンウェイトのマルチモーダルモデルです。2026年7月にリリースされ、2.8兆のパラメータとネイティブビジョン、1百万トークンのコンテキストウィンドウを組み合わせています。これにより、単一のワークフローが、テキスト、コード、スクリーンショット、図、ドキュメント、長い相互作用履歴を、ビジョンを別のアドオンとして扱わずに、推論することができます。

モデルは、多くの中間決定を伴う長期的なエージェントタスクに特に適しています。Kimiのエージェント環境は、ツールを調整し、長期的なセッションを維持するように設計されており、大規模なプロジェクト状態とサポート材料を保持することができます。ネイティブビジョンは、インターフェースの検査、視覚的なドキュメント分析、ソフトウェアワークフローを混在させるタスクに優位性を提供します。

Kimi K3は、標準的な寛容なソフトウェアライセンスではなく、カスタムモデル条項を使用しているため、チームはライセンスをデプロイと配布の要件と比較検討する必要があります。そのスケールは、ほとんどの組織が最適化されたサービススタックまたはホストインフラストラクチャに依存することを意味します。モデルは、マルチモーダリティと長期的な実行が一緒に重要な場合に魅力的ですが、軽量ワークロードは、運用オーバーヘッドを正当化するだけの利点がない可能性があります。

Kimi K3を訪問する

4. Qwen3.6-35B-A3B

Qwen3.6-35B-A3Bは、35億の総パラメータと各トークンに3億のアクティブ化パラメータを持つ、効率的なマルチモーダルの専門家の混合モデルです。ビジョンエンコーダを統合しており、画像とテキストの理解を可能にします。上位の1兆パラメータシステムよりもはるかにデプロイ可能です。モデルには、262,144トークンのネイティブコンテキストウィンドウがあり、実際に必要なワークロードのために約1百万トークンまで拡張することができます。

Qwenは、エージェントコーディング、ツール使用、ビジュアル推論、一般的なアシスタントタスクのためにモデルを位置付けます。思考状態の保存は、多段階のワークフローが相互作用を跨いで推論を続けるのを助けます。Qwen-AgentとModel Context Protocolの統合との互換性により、モデルを外部ツールとデータに接続することが容易になります。その比較的低いアクティブ化パラメータ数は、カプセル化されたマルチモーダル動作を望むチームにとって特に魅力的です。

Apache 2.0ライセンスは、広範な実験とデプロイをサポートします。専門家の混合モデルであるため、実際のパフォーマンスはサービススタックとタスクに依存します。コンテキストをネイティブウィンドウの遥か先まで拡張すると、メモリ使用量が増加し、焦点が減少する可能性があります。チームは、ベースと拡張コンテキストの両方の構成をベンチマークする必要があります。

Qwen3.6-35B-A3Bを訪問する

5. gpt-oss

OpenAIのgpt-ossファミリーは、ローカル、プライベート、カスタマイズ可能なデプロイを目的とした、テキストのみの推論モデルで構成されています。大きなgpt-oss-120bには、117億の総パラメータがあり、各トークンに5.1億のアクティブ化パラメータがあり、80GBのメモリ内で実行するように設計されています。一方、小さいgpt-oss-20bには、21億の総パラメータがあり、各トークンに3.6億のアクティブ化パラメータがあり、16GBで動作します。

両方のバリアントは、128,000トークンのコンテキストウィンドウ、構成可能な推論努力、ネイティブツール使用、構造化された出力を提供します。開発者が推論スタックを透明にコントロールしたり、プライベートデータを扱ったり、より適応性のある推論コンポーネントを大規模なアプリケーション内に望む場合に特に役立ちます。モデルは、ChatGPTまたはOpenAI APIを介して提供されるものとは異なり、独立したデプロイを目的としたダウンロード可能な重みです。

Apache 2.0の下でリリースされており、研究と商業開発のための明確な条件を提供します。テキストのみの設計は、ネイティブ画像またはオーディオ理解を必要とするアプリケーションにとって制限ですが、チームはサービス、更新、セーフティレイヤー、監視を担当する必要があります。2つのバリアントのうち、20bモデルは、制約されたハードウェアのための実用的スタートポイントであり、120bは、より強力な推論と大規模なメモリフットプリントが必要なワークロードに適しています。

gpt-ossを訪問する

ベストオープンソースLLMの選択

DeepSeek V4は、大規模なコーディングと柔軟な推論モードを優先するチームにとって最も強力な選択肢です。一方、GLM-5.2は、長期的なプロフェッショナルワークフローとソフトウェアタスクに重点を置いています。Kimi K3は、ネイティブビジョンと長期的なエージェントタスクが1百万トークンのコンテキストで一緒に機能する必要がある場合に際立っています。

より効率的なマルチモーダルデプロイの場合、Qwen3.6-35B-A3Bは、低いアクティブ化パラメータ数とビジョン、ツール、そして大規模なネイティブコンテキストを組み合わせます。gpt-ossは、このグループで、自己管理ハードウェア上のコントロール可能なテキスト推論のために最もアクセス可能なファミリーです。コミットする前に、各候補を代表的なプロンプトでテストし、使用のためのライセンスを確認し、待ち時間、メモリ、出力の品質、ツールの信頼性、運用上の安全対策を、完全なシステムとして評価する必要があります。