オープンソースのLLM（大規模言語モデル）は、Meta、Alibaba、Mistral AIなどの企業や研究機関が公開しているAIモデルです。自分のサーバーやPCで動かせるため、API利用料がかからず、データを外部に送らない構成にできるというメリットがあります（サーバーやPCの費用は別にかかります）。
しかし「Llama」「Qwen」「Mistral」「DeepSeek」「Gemma」と主要なモデルだけでも多数あり、どれを選べばいいか迷います。この記事では、各モデルの特徴・ライセンス・日本語対応・得意分野を比較し、用途別の選び方を解説します。なお、モデルは更新が早く、この記事で紹介するバージョンは2025年前後に公開されたものが中心です（2026年10月時点で確認した内容です）。最新のバージョンやライセンスは各社の公式ページで確認してください。
オープンソースLLMとは
オープンソースLLMとは、モデルの重み（パラメータ）が公開されており、ダウンロードして利用できる大規模言語モデルのことです。
クラウドAI（ChatGPT・Claude等）との違いは、モデル本体を手元に持てる点にあります。API経由でなくローカル環境で動かせるため、API利用料がかからず、データを外部に送る必要がありません。
ただし「オープンソース」と「オープンウェイト」には違いがあります。厳密にはLlamaは学習コードが非公開のため「オープンウェイト」と呼ばれますが、一般的にはまとめてオープンソースLLMと呼ばれることが多いです。
オープンソースLLMが注目される背景には、クラウドAIへの依存リスクがあります。API料金の値上げ、サービスの突然の仕様変更、データプライバシーの懸念など、クラウドAI一本に依存するリスクを分散する手段として、自前でモデルを持てるオープンソースLLMの活用する企業や個人が増えています。
とはいえ、モデルの仕組みを知らないまま名前だけで選ぶと、後から「思っていた用途に合わなかった」となりがちです。Transformerの構造やトークン処理の基礎を先に押さえておくと、比較表の数字が何を意味しているのかが読み取りやすくなります。
主要モデル5選の特徴比較
| モデル | 開発元 | ライセンス | 日本語 | 得意分野 |
|---|---|---|---|---|
| Llama 4 | Meta | Community License | 対応 | 汎用・マルチモーダル |
| Qwen 3 | Alibaba | Apache 2.0 | 対応 | 多言語・日本語 |
| Mistral Small 3.2 | Mistral AI | Apache 2.0 | 対応 | 効率重視 |
| DeepSeek R1 | DeepSeek | MIT | 対応 | 推論・コーディング |
| Gemma 3 | Gemma License | 対応 | 軽量・エッジデバイス |
Llama 4（Meta）
MetaのLlama 4はScoutとMaverickという2つのバリエーションがあり、MoE（Mixture of Experts）構造を採用しています。大規模なマルチモーダル対応が特徴で、テキストだけでなく画像の理解も可能です。
ライセンスはMeta独自のCommunity Licenseで、月間アクティブユーザー7億人を超えるサービスでの利用には別途ライセンスが必要です。また、Llama 4のマルチモーダルモデルについては、EUに居住する個人やEUに拠点を置く企業への提供に制限が設けられています。条件を満たせば商用利用も可能ですが、利用前にライセンス本文を必ず確認してください。
Llama 4 Scoutは比較的小さなMoE構成のモデルです。一方、Maverickはより大規模な処理に対応するバリエーションです。さらに上位のBehemothは開発中として発表されていました（公開状況は公式で確認してください）。
Qwen 3（Alibaba）
Alibabaが開発するQwen 3は、多言語に対応しており、日本語も扱えるモデルです。Apache 2.0ライセンスで公開されており、商用利用の条件が比較的ゆるやかなのが特徴です。
パラメータサイズも0.6Bから235Bまで幅広く揃っており、用途に応じてサイズを選べます。さらにQwen系にはVL（Vision-Language）モデルも存在し、画像理解を含むマルチモーダルタスクにも対応しています。
日本語の用途が中心であれば、Qwen 3の8Bモデルは性能と実行コストのバランスを取りやすい選択肢のひとつです。社内チャットボットや文書要約などに使う場合は、自分の用途で出力品質を確認してから導入してください。
Mistral Small 3.2（Mistral AI）
フランスのMistral AIが開発するMistral Small 3.2は、240億パラメータの中型モデルで、効率を意識した設計になっています。Apache 2.0ライセンスで公開されており、商用利用の条件が比較的わかりやすいのが特徴です。
Mistralはヨーロッパ発のAI企業です。EUのAI規制（AI Act）への対応は各社・各モデルの提供形態で異なるため、コンプライアンスの観点で使う場合は、自社の要件に合うか公式情報で確認してください。また、Mixtral（MoEモデル）のラインナップもあります。
DeepSeek R1（DeepSeek）
中国のDeepSeekが開発するR1は、推論（Reasoning）に特化したモデルです。数学・論理・コーディングなど思考力が求められるタスクを想定して設計されています。MITライセンスで公開されており、商用利用の条件が比較的ゆるやかです。ただし、DeepSeekの公式サービス（Webアプリ・API）と、重みを自分の環境で動かす場合とでは、データの扱いが異なる点に注意してください。
DeepSeek R1は「Chain of Thought（思考の連鎖）」を出力しながら推論する方式を採用しており、複雑な問題を段階的に解く用途で使われています。プログラミング支援や数学的な計算が必要な場面で試されることが多いモデルです。なお、Ollamaなどで配布されている「8B」などの小型版は、R1の出力をほかのモデルに学習させた蒸留モデルで、R1本体とは別物です。
Gemma 3（Google）
GoogleのGemma 3は1Bから27Bまでの軽量モデルが中心です。スマートフォンやエッジデバイスでの動作も視野に入れた設計になっています。なお、Googleはその後Gemma 4も公開しており、ライセンスも変更されている場合があります。最新の条件は公式で確認してください。
Googleの大規模言語モデル「Gemini」の技術をベースにしつつ、オープンウェイトとして公開されたモデルです。軽量ながらも多言語に対応しており、リソースが限られた環境での利用に向いています。
日本語に強いモデルの選び方
オープンソースLLMを日本語で使う場合、モデル選びは特に重要です。英語に比べて日本語の学習データが少ないため、モデルによって日本語の品質に差が出ることがあります。
日本語で使うなら、Qwen 3やLlama 4、DeepSeek R1などが候補になります。日本語の自然さは用途やモデルのサイズによって異なるため、実際に自分の用途で試して比べてください。
日本語に特化したモデルとしては、ELYZA（東京大学発のAIスタートアップ）やNTTのtsuzumi 2なども選択肢に入ります。ただし、これらはパラメータサイズやモデルの公開範囲に制約がある場合があるため、公式ドキュメントで確認してください。
用途別のモデル選び方
- 日本語のチャット・文章作成 → Qwen 3が候補のひとつ。多言語対応モデル
- コーディング支援 → DeepSeek R1またはQwen 3。推論系タスク向け
- 商用利用の条件を確認しやすいもの → Apache 2.0ライセンスのQwen 3・Mistral、またはMITのDeepSeek R1
- 低スペックPCで動かしたい → Gemma 3（1B〜4B）またはPhi-4 mini
- マルチモーダル（画像+テキスト） → Llama 4 ScoutまたはQwen系のVLモデル（Llama 4はEU向けの制限に注意）
- EU規制への対応が必要 → モデルごとの提供条件を公式で確認（Mistralなど欧州の事業者も選択肢）
モデル選びで制約になりやすいのが手元のマシンです。7B〜14Bクラスを動かすならVRAM 12〜16GB前後のグラフィックボードが目安になり（量子化の度合いによって変わります）、VRAMが足りないと選んだモデルが動かないことがあります。
ライセンスの違いを理解しよう
オープンソースLLMを使う上で、ライセンスの違いは確認しておきたいポイントです。
| ライセンス | 商用利用 | 改変 | 制約 | 代表モデル |
|---|---|---|---|---|
| Apache 2.0 | 可 | 可 | 著作権表示・ライセンス文の同梱など | Qwen 3・Mistral Small 3.2 |
| MIT | 可 | 可 | 著作権表示・ライセンス文の同梱 | DeepSeek R1・Phi-4 |
| Llama Community | 条件付き | 可（条件あり） | 月間7億ユーザー超で別途許可。Llama 4の一部モデルはEU向けに制限あり | Llama 4 |
| Gemma License | 条件付き | 自由 | Google独自の利用規約あり | Gemma 3 |
商用利用の条件の分かりやすさを重視するなら、Apache 2.0またはMITライセンスのモデルが候補になります。LlamaのCommunity Licenseには月間7億ユーザーという閾値やEU向けの制限などがあるため、大規模なサービスや欧州向けの提供を考える場合は注意が必要です。
オープンソースLLMの始め方
実際にオープンソースLLMを動かすには、OllamaやLM Studioを使う方法があります。
Ollamaなら、インストール後にターミナルで以下のコマンドを入力するだけで始められます。
ollama run qwen3:8b
LM Studioなら、アプリを起動してモデルを検索・ダウンロードし、チャット画面でやりとりを始めるだけです。
どちらのツールもローカル利用は無料のため（Ollamaにはクラウド向けの有料プランも別にあります）、気になるモデルを試して、自分のユースケースに合うモデルを探す方法があります。モデルのダウンロードには数GBの容量が必要なので、ストレージの空き容量は事前に確認しておきましょう。
複数のモデルを比較していると、内蔵ストレージを圧迫しやすくなります。モデルの保管先を外付けにまとめておく方法もあります。
大きめのモデルを自分のPCで試したい場合は、メモリ容量を重視したミニPCも選択肢になります。MINISFORUMはミニPCのブランドで、公式サイトの「MS-S1 MAX」には128GB版と64GB版が掲載されています。版によってメモリが異なり、保証内容も商品ごとに記載されているため、機種名だけでなく容量と保証を商品ページで確認してください。
オープンソースLLMの課題と注意点
- 最新のクラウドAIと比べると、複雑な推論タスクでは差が出る場合があります
- モデルのアップデートやセキュリティパッチは自分で管理する必要があります
- 学習データに含まれるバイアス（偏り）が出力に反映されるリスクがあります。特に医療・法律・金融分野では注意が必要です
- 大型モデル（70B以上）を動かすには、高性能なGPUと大容量のメモリが必要です
よくある質問（Q&A）
Q. クラウドAIと比べて品質は劣りますか？
モデルの大きさや用途によって異なります。大型のモデルは、タスクによっては商用のクラウドAIに近い結果が出る場合もありますが、最新の最先端モデルとの差が残るケースもあります。用途によっては実用的なので、自分のタスクで試して比較してください。
Q. 企業で導入するときの注意点は？
ライセンスの確認が重要です。また、モデルの学習データに含まれる偏り（バイアス）への対応や、社内のAI利用ガイドラインの整備も検討してください。参考：Hugging Face Models
Q. オープンソースLLMはどこからダウンロードできますか？
Hugging Face（huggingface.co）が最大のモデルリポジトリです。各モデルの公式ページからもダウンロードできます。OllamaやLM Studioを使えば、ツール内からワンクリックでダウンロード可能です。自分のPCで実際に動かす流れは、以下の記事で解説しています。
Q. 日本語モデルだけを使いたいのですが？
日本語に特化したモデルとしてはELYZAやNTT tsuzumi 2が選択肢に入りますが、汎用モデルのQwen 3やLlama 4も日本語に対応しています。まずは汎用モデルを試してみて、日本語品質に不満がある場合に日本語特化モデルを検討する方法があります。
まとめ
オープンソースLLMは、モデルを無料でダウンロードして自分の環境で動かせる選択肢が広がっています。日本語ならQwen 3、推論ならDeepSeek R1、軽量さならGemma 3など、用途に応じた候補があります。
まずはOllamaやLM Studioで気になるモデルを試してみて、自分のユースケースに合った1つを見つけてみてください。
📦 この記事で紹介した商品
👉 「大規模言語モデル入門の書籍」を見る
Amazon 楽天 Yahoo!
