オープンモデルはより多くの組織で本番環境への導入が進んでいますが、その導入環境を保護する作業は、モデルの重み(weights)そのものを超えて範囲が広がりつつあります。MozillaのThe State of Open Source AI 2026は、モデルの性能が向上する一方で、デプロイメント、ガバナンス、運用ツールが依然として課題として残っていると指摘しています。
2026年のオープンソースAIを4つの数字で見る。(出典: Mozilla)
「オープンモデルを取り巻くインフラ、ツール、ガバナンスに投資しなければ、拡大できるのは制限の多いクローズドAIだけという状況に陥りかねません。それは公共の利益にも、テック政策決定における主権にも資するものではありません」と、MozillaのCTOであるRaffi Krikorian氏は述べています。
主要なオープンモデルとクローズドモデルの性能差は、Chatbot Arenaにおいて平均3.3ポイントまで縮まっており、組織が本番ワークロードに使用するモデルの選択肢が広がっています。この平均値には、タスクごとの差異が隠れています。オープンモデルはコーディング、指示追従、一般知識においてはクローズドモデルとほぼ互角か、それに近い水準にある一方、推論、長文脈での情報検索、エージェント関連タスクではクローズドモデルが依然として優位を保っています。
GPT-4クラスの性能を提供する最も安価なモデルの価格は、36か月間で50分の1に下落し、100万トークンあたり約20ドルから0.40ドルになりました。この数値はAPIの混合リスト価格を基にしたものであり、すべての推論ワークロードを代表するものではありません。
2025年末時点で、OpenRouter経由でルーティングされた全トークンのうち、約3分の1をオープンウェイトモデルが占めていました。この数値はルーティングされたトラフィックのみを対象としており、ChatGPTやGeminiといった自社サービスは含まれていません。
導入は進んでも本番稼働は遅れ気味
開発者の79%がオープンモデルを利用しており、組織の89%が自社のソフトウェアスタックのどこかにオープンなコンポーネントを組み込んでいます。
オープンモデルを利用する組織のうち、本番環境に移行しているのはわずか半数強にとどまります。クローズドモデルは依然としてより高い頻度で本番稼働に至っており、導入の障壁がモデルの性能だけにとどまらないことを示しています。
ベンダーパートナーとともに完了したデプロイメントは、社内で開発された実装よりも高い頻度で本番環境に到達しています。Mozillaは、実験段階から本番利用への移行を分ける主な要因として、運用ツールと組織内の信頼を挙げています。
コミュニティサポート、導入のしやすさ、モデルの性能については、標準化やエンタープライズ対応の準備状況よりも高い評価が得られています。最も評価が低いのは安全対策の分野で、ガバナンス、運用の一貫性、本番運用の成熟度がエコシステムの他の部分に後れを取っています。
組織が評価にかける労力の大半は、どのモデルを使うかを決めることではなく、運用要件やセキュリティ要件を満たす本番環境へモデルを組み込むことに向けられています。小規模組織では、オープンモデルとクローズドモデルの本番稼働率はほぼ同水準でした。この差は、中堅企業や大企業の導入者の間で広がっています。人員やインフラの追加はいずれのモデルタイプでも本番稼働率の向上と関連していましたが、規模の大きいグループではいずれも、オープンモデルの本番稼働率がクローズドモデルを下回ったままでした。
企業には、自社システムに適合するホスティング、保守、統合、サポート、統制の仕組みが必要です。
セキュリティと運用が導入の摩擦を生む
開発者はインフラコストを課題として挙げていますが、セキュリティ、プライバシー、コンプライアンスもそれに僅差で続いています。保守、デプロイメントの複雑さ、システム統合も、運用面で最も多く挙げられた懸念事項でした。
オープンモデルの利用をやめた開発者は、利用を続けている開発者よりもこうした運用上の問題をより頻繁に報告しています。保守要件と統合の課題における増加幅が最も大きく、初期の実験段階を過ぎた後、本番運用が摩擦の大きな要因となっていることがうかがえます。
次の管理レイヤーとなる「ハーネス」
Mozillaは、エージェント型ハーネスを次の主要な開発レイヤーと位置付けています。これには、オーケストレーション、ツール、メモリ、実行環境、権限管理、アイデンティティ、評価、可観測性、ガバナンスが含まれます。
ハーネスは、組織が本番デプロイメントを差別化する主要な領域になっています。モデルの重みは改良が進み、より広く利用可能になっていますが、モデルがどのように統治・監視され、他のシステムと連携するかを決めるのは、それを取り巻くソフトウェアです。
モデルの評価は、性能、精度、ベンチマーク結果に焦点が当てられがちです。しかし本番環境への導入では、複数のAIコンポーネントにまたがるアイデンティティ管理、権限管理、監査可能性、予算管理、運用面での監督といった、さらなる要件が求められます。
翻訳元: https://www.helpnetsecurity.com/2026/07/20/mozilla-open-source-ai-adoption-report/
