オープンウェイトモデルは、公開評価で最高水準にあるクローズドフロンティアモデルに約 4 か月という短期間で肉薄しており、両者の差はさらに不安定になっている。
これは、AI の「オープン vs クローズド」競争を、ますます重要な商業的課題へと変貌させている。もしオープンモデルがフロンティアレベルのパフォーマンスに近づきながら、企業がデータ、インフラ、カスタマイズに対するより多くのコントロールを手にできるなら、企業はまだフロンティアラボに何を支払っているのか？そして最終的に価値はどこに帰着するのか？
この状況を理解するためには、まず「オープン」と「クローズド」のモデルが何を意味するかから始めるのが有効だ。オープン性にはグラデーションがあり、ユーザーが自由にダウンロードして改変できる完全オープンなモデルから、さまざまな制限付きのオープンウェイトモデルまで存在する。一方、クローズドモデルは重み（パラメータ）を非公開とし、アクセスを管理している。
どのモデルを基盤にするかを決める際、企業にとっての違いはパフォーマンスや価格だけにとどまらない。
Palantir の CEO である Alex Karp は、企業がフロンティアモデルプロバイダーに対して、「アルファ」（自社のビジネスを差別化する独自の知識やプロセス）を手渡すリスクがあると警告している。
Satya Nadella も X 上のエッセイで同様の指摘をしている。「あなたは本質的に知能のために二回対価を支払うことになる。一度目は金銭で、二度目はそれ以上に価値あるもの、つまりその知能を実用的なものにするために開示しなければならない独自知識によってだ。モデルにより高いパフォーマンスを求めれば求めるほど、より多くの知識を投入しなければならなくなる！」
これらはいずれも戦略的依存に関する警告であり、なぜより多くの企業がオープンモデルを検討し始めているかを説明するのに役立つ。
しかし、独自知識を明け渡すことへの懸念があるにもかかわらず、証拠は、最良のオープンウェイトモデルが数か月遅れを取っている場合でも、企業が依然としてフロンティアレベルのパフォーマンスに支払う意欲があることを示している。トークン消費がはるかに幅広いモデルに分散している一方で、フロンティアラボの収益は加速し続けている。
主要企業は両方のアプローチを活用しており、カスタマイズとコントロールが必要な場合はオープンモデルを選択し、利用可能な最高の能力が必要な場合はクローズドフロンティアモデルを使用している。一部の企業では、異なるワークフローに最適なモデルを組み合わせることで、数倍の効率向上と劇的なコスト削減を実現したと報告されている。これらの事例の一部については、後述の「Deep Dive」で詳しく取り上げる。
モデルメーカーの中にも両方のアプローチを採用しているところがある。Google は Gemini と Gemma を、Meta は Muse Spark と Llama を展開している。なぜ一つのモデルはクローズドのままにし、もう一つは無償提供するのだろうか？また、オープンモデルが無償でダウンロードできる場合、どのような条件が付随しているのか？開発者はどのようにしてクローズドラボと経済的に競合しているのだろうか？
当社の 99 ページにわたる「Deep Dive」では、これらの選択の背後にある経済学を検証し、AI がますます安価になるにつれて、誰が AI の利益を独占し、どの企業が価格決定力を維持できるかを左右する要因について考察している。
完全版レポートには以下も含まれている：
- 中国の競合他社が価格を引き下げる中、フロンティアラボが優位性を維持するためのコストを持続可能かどうか。
- モデルが競い合う 5 つの要素と、それぞれに必要なトレードオフ。
- モデルが実行可能な 3 つの場所と、業界におけるその分担状況。
- エンジニアリング効率が最大 12 倍向上し、コストが 20 倍以上削減されたケーススタディ。
- NVIDIA や Samsung がオープンウェイトに投資する理由と、リターンがどこから生まれる可能性があるか。
楽しんで読んでいただければ幸いです。私たちのグループで感想をお聞かせください：
