2026年6月時点における主要なオープンウェイトAIモデルの特徴と選定ガイド

要点

• 2026年6月時点で特に注目すべき主要なオープンウェイトAIモデルの特徴と、それぞれのユースケースを整理して解説する。

• 近年のオープンウェイトモデルは、米国の主要AI開発企業が提供するクローズドモデルに対して3〜6ヶ月程度の性能差を維持し続けており、有力なコスト削減の選択肢となっている。

• 優れたコストパフォーマンスでエージェント開発に採用される「DeepSeek V4 Flash」と、高度な計画・コーディング能力を持つ「GLM 5.2」の特徴を説明する。

• テキストだけでなく画像や動画もネイティブに処理できるマルチモーダルな性質を持つ「MiniMax M3」の強みを整理する。

• AIの利用規模が拡大するにつれて運用コストの削減が課題となる中、モデルのパラメーター情報が公開されている「オープンウェイトモデル」が注目を集めています。これらのモデルは米国の主要AI開発企業が提供するクローズドモデルに対して3〜6ヶ月程度の性能差を維持し続けており、有力な代替選択肢となっています。本記事では、2026年6月時点で特に重要とされる主要なオープンウェイトモデルの性能や使い分けについて解説します。

1. DeepSeek V4 Flash：エージェント開発のコストパフォーマンスを極めたモデル

DeepSeek V4 Flashは、自律的にタスクを実行するエージェント開発の現場において、最先端のクローズドモデルの代替として実際に導入され始めた最初のオープンウェイトモデルです。

より大規模な「DeepSeek V4 Pro」は、ソフトウェア開発の能力を測定するベンチマーク「SWE-bench Verified」で80.6%というトップスコアを記録し、GPT-5.5クラスの実力を示しました。しかし、実用面で大きなブレイクスルーとなったのは、性能とコストのバランスに優れた「Flash」モデルです。

• 主な仕様: MITライセンスで提供され、総パラメーター数は約2840億、動作時にアクティブになるパラメーターは約130億のMoE（パラメーターの一部のみを活性化させて動作を効率化する仕組み）モデルです。100万トークンのコンテキスト（一度に処理できるテキストの最大量）をサポートしています。
• 高い性能: SWE-bench Verifiedでは79.0%を記録しており、Proモデルとの差はわずか1.6ポイントにとどまります。
• 圧倒的な低価格: DeepSeekの公式APIでは、100万トークンあたり入力$0.14、出力$0.28という価格で提供されています。キャッシュ機能を活用すれば、実質的な入力コストは$0.029まで下がります。これはGPT-5.5の出力コストと比較して約150分の1の安さです。
• データポリシーと注意点: 公式APIは安価ですが、利用データがモデルの学習に再利用される規約となっています。データを学習に使用しない西側のホストプロバイダー（Fireworks、Together、DeepInfraなど）を利用する場合は価格が約2倍になりますが、それでも十分なコストメリットがあります。また、テキスト専用モデルであり、画像や動画の入力には対応していません。文章の執筆や表現力よりも技術的な作業に向いており、曖昧な指示よりも具体的なプロンプトを与えることで真価を発揮します。

2. GLM 5.2：高度な計画力とコーディング能力を提供するモデル

GLM 5.2は、計画の質や長期的なコーディングタスクにおいて強みを持つモデルです。価格面で注目されたDeepSeekに対し、GLM 5.2は計画能力の高さで存在感を示しています。

• ベンチマークでの高評価: 評価機関であるArtificial Analysisのインデックス（v4.1）において、GLM 5.2はオープンウェイトモデルの中で第1位（スコア51）を獲得しました。これは最先端モデルであるClaude Fable 5にわずか5点差まで迫る数値です。実世界のエージェント処理能力を測るベンチマーク「GDPval-AA v2」でも、GPT-5.5の最上位設定と同等の性能を示しています。
• コストと特性: 100万トークンあたりの加重平均価格は入力$0.447、出力$3.31です。DeepSeekほど低価格ではありませんが、クローズドな最先端モデルよりは安価です。ただし、GLM 5.2は思考プロセスに多くのトークンを消費する傾向があるため、出力トークン数が増えてコストがかさみやすい点に留意する必要があります。
• 地政学的背景: 米国の輸出管理指令により、海外からのアクセス制限がかかった影響で一部の最先端クローズドモデルが利用できなくなった組織にとって、ライセンスがMITかつ同等の性能を持つGLM 5.2は、業務の継続性を担保する選択肢として注目を集めています。
• 注意点: テキスト専用でマルチモーダル機能はありません。また、リリースされて間もないため、プロバイダーごとの処理品質にばらつきがあります。処理速度を示すスループット（単位時間あたりのデータ処理速度）は最大で毎秒約78トークンです。

3. MiniMax M3：画像や動画を処理できるマルチモーダルモデル

紹介するモデルの中で、唯一テキストだけでなく画像や動画をネイティブに処理できるのがMiniMax M3です。

• マルチモーダルの必要性: 開発するエージェントが画面のスクリーンショットを読み取る、ユーザーインターフェースの状態を検証する、図表を分析する、あるいは動画をもとに推論を行うといったタスクには、このモデルが第一候補になります。
• 評価と性能: Artificial Analysisのインデックスではスコア44（DeepSeek V4 Proと同等）となっており、純粋なテキストの知能指数では他のモデルに一歩譲りますが、多様なメディアを扱える点が最大の違いです。実世界のエージェントベンチマークでは、Claude Sonnet 4.6とほぼ同等の実力を示しています。

補足

オープンウェイトモデルを採用する際は、価格の安さだけでなく、入力データの取り扱いに関する利用規約や、処理したいメディア形式（テキストのみかマルチモーダルか）に合わせて適切なモデルを選択することが重要です。