オープンAIモデル比較2026：Qwen 3.8、DeepSeek V4、GLM 5.3、Nemotron

  • LargitData
要約

2026年8月時点で、Qwen3.8-27B、Nemotron 3.5 Lightning、Muse Glimmer 30B、Gemma 4、TAIDEは現実的なローカル候補です。DeepSeek V4、Kimi K3などの旗艦モデルはクラスタが必要で、GLM 5.3はサービス先行です。本稿ではライセンス、ハードウェア、Agentコスト、中米のオープンモデル戦略、台湾のデータ主権を比較します。

2026年の企業向けオープンウェイトAIモデル選定：能力、オンプレミス導入、ライセンス、セキュリティ、コストを比較

2026年8月15日更新：企業のモデル選定は、Llama 3、Qwen 2.5、DeepSeek R1 が中心だった時代から大きく変わりました。現在の候補は Qwen 3.8、DeepSeek V4-Flash-0731、GLM 5.3、Kimi K3、NVIDIA Nemotron 3.5 Lightning、Meta Muse Glimmer 30B、Gemma 4、そして台湾の TAIDE です。本稿ではホステッドサービスとダウンロード可能なウェイトを分け、ライセンス、インフラ、Agent の安定性、多言語性能、データ所在を比較します。

先に結論：オンプレミスの初回検証には Qwen3.8-27B、Nemotron 3.5 Lightning、Muse Glimmer 30B、Gemma 4、Gemma-3-TAIDE-12B が現実的です。DeepSeek V4-Flash-0731 は Agent のコスト基準、Qwen3.8-2.4T、Kimi K3、Nemotron 3 Ultra はデータセンター級です。GLM 5.3 は Coding Plan で利用できますが、現時点で「新しいウェイトが公開済み」とは表現できません。

「オープンソース」は3種類に分けて考える

  • 商用 API：導入は速い一方、データ、価格、バージョン、終了時期をプロバイダーが管理します。
  • オープンウェイト：パラメータをダウンロードして推論や微調整ができますが、学習データや完全な再現手順まで公開されるとは限りません。
  • オープンソース AI：Open Source AI Definition 1.0 は、ウェイトに加えてシステムを研究・変更・再構築するための情報とコードを求めています。

社内ネットワークからデータを出せない場合、API は候補外です。ウェイトを取得できても、再配布、派生サービス、商用利用の条件が要件を満たすとは限りません。

2026年の主要モデル：導入判断に必要な仕様

モデル提供形態公開仕様コンテキスト企業向けポイント
Qwen3.8-27Bウェイト公開、API予定27B dense、ネイティブVLM262K、1Mへ拡張可能Apache 2.0。画像・動画・reasoning effort に対応する現実的なローカル候補。
Qwen3.8-2.4T-A95B / MaxAPI＋ウェイト2.4T / 95B active262K、約1.01Mへ拡張独自の qwen3.8-max ライセンス。27Bとはライセンスも必要インフラも異なる。
DeepSeek V4-Flash-0731API＋ウェイト284B / 13B active、DSpark1M、最大出力384KMIT。Coding、ツール利用、Agent のタスク完了コストを重視。
DeepSeek V4-Pro-0813API＋ウェイト約1.7T / 49B active1M、最大出力384KMIT。高難度推論と長時間Agent向けで、8月12日から deepseek-v4-pro の版になりました。ウェイトも公開されていますが、自社運用の負荷はFlashより格段に大きい。
GLM 5.3Coding Plan、API予定GLM 5.2基盤＋後処理学習1M、最大出力128Kテキスト専用、常時thinking、low/high/max。現在はサービス版。
Kimi K3API＋ウェイト2.8T / 104B active1,048,576 tokensネイティブマルチモーダル。独自ライセンスと大規模インフラが必要。
Nemotron 3.5 LightningAPI/NIM＋ウェイト30B / 3B active1MOpenMDW-1.1、NVFP4/BF16。高スループットの Agent 実行向け。
Nemotron 3 UltraAPI/NIM＋ウェイト・データ・recipes550B / 55B active1M長時間 Agent の推論と調整を担うデータセンター級モデル。
Meta Muse Glimmer 30Bウェイト公開約29.6B dense＋Vision Encoder131K+Apache 2.0。4-bit版は24GB/32GB環境のローカルAgentを想定。
Gemma 4API＋ウェイトE2B、E4B、26B MoE（約3.8B active）、31B DenseEdge 128K / 大型は最大256KApache 2.0。全モデルが画像・動画、E2B/E4Bは音声にも対応。

仕様とライセンスは更新日時点の公式情報に基づきます。最大コンテキストで同じ精度、速度、コストが維持されるとは限りません。

企業選定マトリクス

公式仕様、対応モダリティ、モデル規模、本稿の企業ユースケースから整理した1〜5段階の編集部指標です。条件の異なる各社 benchmark を合成したランキングではありません。

モデルAgent / Codingマルチモーダル繁体字中国語の可能性ローカル導入性推奨役割
Qwen3.8-27B★★★★★★★★★★★★★★★★★★★★中国語マルチモーダル基準
DeepSeek V4-Flash-0731★★★★★★★★★★★★★★★★★★★★高コスト効率Agent
GLM 5.3★★★★★★★★★★★★★★★サービスのみEngineering Agent比較
Kimi K3★★★★★★★★★★★★★★★★★★★★長文マルチモーダル上限
Nemotron 3.5 Lightning★★★★★★★★★★★★★★★★★★★★高スループット実行層
Muse Glimmer 30B★★★★★★★★★★★★★★★★★★★★ローカル多模態Agent
Gemma 4 E4B★★★★★★★★★★★★★★★★★★★★Edgeマルチモーダル
Gemma-3-TAIDE-12B★★★★★★★★★★★★★★★★★★★★台湾言語評価の基準

読み方：5つ星は本稿の企業シナリオへの適合度であり、絶対的なモデル性能ではありません。繁体字中国語は台湾向けの独自評価セットで再検証してください。

主要モデルの違い

Qwen 3.8：導入可能な27Bとクラスタ級2.4T

Qwen3.8-27B は Apache 2.0 の dense VLM で、テキスト、画像、動画、262Kネイティブコンテキスト、1M拡張、reasoning effort に対応します。現実的なオンプレミス候補です。

2.4T-A95B は95B activeのMax級モデルですが、独自ライセンスと大規模クラスタが必要です。

DeepSeek V4-Flash-0731：token単価ではなくタスク完了コスト

V4-Flash-0731 は284B/13B active構成を Agent、Coding、ツール利用向けに再学習し、DSparkを追加したMITモデルです。API価格だけでなく、完了までのターン数、token、失敗と再試行を測る必要があります。

Agent economics の解説は、token単価ではなくタスク完了までの総コストを測る考え方を示しています。

GLM 5.3：後処理学習によるサービス更新

GLM 5.3 は Coding Plan で提供され、APIは近日公開とされています。GLM 5.2基盤に後処理学習を加え、複雑なソフトウェア開発、端末操作、長時間Agent、脆弱性分析を強化しました。テキスト専用、1Mコンテキスト、最大128K出力、常時thinkingです。GLM 5.2 がほぼ同時に Hugging Face で MIT ウェイトを公開したのとは異なり、今回は安全性評価の後に段階的にウェイトと広範なAPIを公開すると説明されています。実際に公開されるまでは、オンプレミスの容量計画に入れないでください。

Kimi K3：ネイティブマルチモーダルと1Mコンテキスト

Kimi K3 は2.8T/104B activeのMoEで、長時間のCoding、調査、知識作業を対象とします。独自ライセンスと大規模な推論基盤を個別に審査してください。

NVIDIA Nemotron：Lightningは実行、Ultraは高難度調整

Nemotron 3.5 Lightning 30B-A3B はNVFP4/BF16を提供し、高頻度ツール呼び出しと低遅延Agentを狙います。Nemotron 3 Ultra は550B/55B activeで、ウェイト、データ、学習recipesを公開します。NVIDIAはNIM、TensorRT-LLM、Dynamo、NeMoを含むシステム全体を構築しています。

Meta Muse Glimmer 30B：一般向けハードウェアのローカルAgent

Muse Glimmer 30B は約29.6Bのdenseモデル、Vision Encoder、131K+コンテキスト、ツール利用、計画、失敗回復を備えたApache 2.0モデルです。公式4-bit版は言語モデルを20GB未満に抑え、24GB/32GB環境での完全なローカル動作を想定します。

本番導入では中型モデルが有利なことも多い

  • Qwen3.8-27B：中国語、画像、Coding、Agentのバランス。
  • Nemotron 3.5 Lightning：高スループットとNVIDIA導入基盤。
  • Muse Glimmer 30B：ローカル画像・テキストAgent。
  • Gemma 4：幅広いサイズと西側サプライチェーン。
  • gpt-oss：Apache 2.0、ツールと構造化出力。
  • Ministral 3：Edgeと多言語向けの3B/8B/14B。
  • TAIDE：台湾の繁体字中国語と業務文書。

Gemma 4：Edgeからワークステーションまで

Gemma 4 はApache 2.0で、E2B、E4B、26B MoE、31B Denseの4サイズを展開します。全モデルが画像と動画に対応し、E2B/E4Bは音声にも対応します。Edgeモデルは128K、大型モデルは最大256Kのコンテキストです。まずE4BでモバイルやIoTのオフライン処理を検証し、ワークステーション向けには量子化26B／31Bを試します。26Bは約3.8Bパラメータをactivateして低遅延を重視し、31B Denseは品質とfine-tuningの柔軟性を重視します。

台湾の評価でTAIDEを残す理由

Gemma-3-TAIDE-12B-Chat-2602 はGemma 4ではなくGemma 3ベースです。世界ランキングではなく、台湾の行政、教育、顧客対応、繁体字中国語の基準として価値があります。台湾法令、機関名、民国暦、住所、通貨、全角記号、両岸の語彙差を同じ評価セットで検証してください。

ハードウェア設計：active parametersは必要メモリではない

環境現実的な範囲用途注意点
16–32GB量子化3B–12B、一部MoE個人の文書処理長文でKV cacheが増える。
32–64GB量子化12B–35B部門PoC、低並列RAGQwen、Muse、Nemotronも実負荷検証が必要。
80GB単体/複数GPU量子化70B–120B/MoE社内共有サービスprefill、decode、並列化、フェイルオーバーを測る。
複数ノードQwen 2.4T、DeepSeek V4、Kimi K3、Nemotron Ultraフロンティア品質ネットワークと運用が中心課題。
ノートPC、ワークステーション、GPUサーバー、複数ノードデータセンターという4段階のAI導入
モデルをロードできることは出発点にすぎません。コンテキスト、同時接続、KV cache、運用要件によって必要規模は変わります。

LM Studio、Ollama、vLLM、SGLangの役割

LM StudioとOllamaはローカル実験を簡単にし、vLLMとSGLangは多数ユーザー、長文、高スループットの本番配信を担います。ただし認証、権限、レート制限、監査、安全対策、バージョン固定、冗長化は別途必要です。

自社の評価セットを作る

100〜300件の実タスクで、正確性、引用、抽出F1、テスト通過率、繁体字中国語、ツール/schemaの安定性、P50/P95遅延、prompt injection、1年間のTCOを測ります。各問題を3回以上実行し、モデルID、ハッシュ、量子化、推論エンジン、sampling設定を保存します。

中国と米国で異なるオープンモデル戦略

「中国はオープン、米国はクローズド」という単純化は正しくありません。中国の開発企業は超大規模MoE、1Mコンテキスト、日付付きの頻繁な後処理学習版、低価格APIで採用を広げています。ただしQwen、DeepSeek、GLM、Kimiのライセンスと公開形態は同じではありません。

米国は、最先端の独自APIと、導入可能なサイズ、緩やかなライセンス、Edge/データセンターハードウェア、データ・安全・ツールの一体化を重視するオープンウェイト路線を並行させています。Gemma 4、Muse Glimmer、Nemotron、gpt-ossが代表例です。

高速なモデル更新と、ハードウェア・ツール・データ・安全性を含むオープンエコシステムという2つの接続された戦略
2つの戦略は排他的ではありません。企業はフロンティアサービスと導入可能なモデル、オープンなツール基盤を組み合わせます。

Jensen HuangのX初投稿：オープンモデルは安全、革新、主権を強化する

2026年7月24日、NVIDIA CEOのJensen HuangはXでの初投稿に、NVIDIAが署名した公開書簡を選びました。AIはすべての産業と企業を変え、各国が構築するものになり、オープンモデルは安全とサイバーセキュリティ、イノベーションの普及、AI主権を強化するという主張です。

投稿はOpen Weights and American AI Leadership共同書簡につながります。NVIDIA、Meta、Google、OpenAI、Microsoft、Hugging Face、Linux Foundationなどは、オープンウェイトが参入障壁とベンダーロックインを下げ、競争と顧客のデータ・導入管理を強化すると論じました。これはHuang個人が単独執筆した宣言ではなく、彼がXの初投稿で支持した共同見解です。

台湾企業はデータ主権と調達方針も確認する

オンプレミスだけで安全になるわけではありません。ウェイトの出所とハッシュ、remote code、第三者量子化、telemetry、外部通信、SBOMを確認します。

台湾の数位発展部は、政府機関によるDeepSeekのクラウド、アプリ、ローカルモデル利用を禁止しています。民間企業を一律に禁止するものではありませんが、政府、重要インフラ、政府案件ではPoC前に書面承認を得るべきです。

実務的な導入手順

  1. データ所在、原産国、ライセンス、ホスティングの制約を定義する。
  2. APIの旗艦モデルで品質上限を作る。
  3. Qwen、Nemotron、Muse、Gemma、gpt-oss、Ministral、TAIDEを同じ評価で比較する。
  4. 知識更新と引用が必要なら微調整より先にRAGを改善する。
  5. 実際の長さと同時接続で負荷試験してからハードウェアを購入する。
  6. モデルgatewayでrouting、rollback、コスト、ログ、セキュリティを統一する。

2026年の企業選定FAQ

最初のPoCで試すべきモデルは？

ホステッド旗艦を品質上限にし、Qwen3.8-27Bを中国語マルチモーダル、Gemma 4 E4B／26BまたはMuse Glimmerをローカル多模態と供給元分散、TAIDEを台湾言語の基準にします。Agentの大量実行にはNemotron Lightningを追加します。

24GB／32GBで現実的に動くモデルは？

Gemma 4 E2B／E4Bは最も明確なEdge候補で、量子化Muse Glimmerは24GB／32GBを明示的に想定します。TAIDE 12Bも台湾言語の検証に現実的です。Gemma 4 26B／31BとQwen3.8-27Bは量子化、コンテキスト、ハードウェア次第です。ロード可能と多数ユーザーへの安定配信は別です。

最新モデルのうち、本当にウェイトを取得できるものは？

Qwen 3.8、DeepSeek V4、Kimi K3、Nemotron、Muse Glimmer、Gemma 4は公開していますが、ライセンスと規模は異なります。

DeepSeek Flash-0731とPro-0813の選び方は？

どちらもMITでウェイトが公開されており、違いはコスト効率と導入負荷です。Flash-0731は284B/13B activeでCodingとツール中心の用途に、Pro-0813は兆級MoEで高難度推論に向きます。自社運用のコストはProが大幅に高くなります。トークン単価ではなく、成功率、再試行、総タスクコストで比較してください。

APIと自社運用はどう使い分ける？

低負荷・変動負荷・即時の最高性能にはAPIが有利です。厳格なデータ所在、安定した高稼働、固定ウェイト、深いカスタマイズでは自社運用を検討します。token単価ではなく1年TCOを比較します。

台湾企業は中国系モデルを直接採用できる？

民間企業はデータ分類、業界規制、契約、サプライチェーン方針ごとに判断します。政府のDeepSeek制限は明確です。政府、重要インフラ、政府案件では書面承認と代替モデルを用意してください。

まとめ

ホステッド旗艦を品質上限、導入可能なオープンウェイトを本番基準、自社評価を最終判断にします。Qwen3.8-27B、Nemotron Lightning、Muse Glimmer、Gemma 4、TAIDEは現実的なローカル候補です。DeepSeek V4、Qwen 2.4T、Kimi K3、Nemotron Ultraはクラスタ案件、GLM 5.3はサービス先行です。モデル名だけでなく、ガバナンス、RAG、権限、監視を含めて選定してください。

一次資料：Qwen3.8-27B、DeepSeek V4-Flash-0731、GLM 5.3、Kimi K3、Nemotron 3.5 Lightning、Muse Glimmer 30B、Gemma 4、TAIDE。