オープンウエイトモデルとは　gpt-ossは1170億パラメータを80GBのGPU1基で動かす

オープンウエイトモデルとは、学習済みの重みのファイルを公開し、誰でも取り込んで動かせるようにしたAIのモデルです。APIだけで使わせる「クローズドなモデル」と対になる言葉です。

配るのは「重み」だけ

大規模言語モデルは、学習によって決まった数百億から数千億の数値（パラメータ、重み）の塊です。この重みのファイルと、それを読み込んで動かすための設定を公開すれば、利用者は手元のGPUで同じモデルを動かせます。

ただし、学習に使った文章の中身や、学習のやり方までは公開しないことが多いです。そのため、重みだけを出すものを「オープンウエイト」と呼び、学習データや手順まで出すものと分けて扱います。

使う側の利点は3つあります。データを外のAPIに送らずに済むこと、自社のデータで追加の学習（ファインチューニング）ができること、トークンごとの利用料がかからないことです。代わりに、GPUの調達と運用の費用は自分で持ちます。

主なモデルの数字

主なオープンウエイトモデル（各社のモデルの公開ページから）

モデル	総パラメータ	1回の計算で使う分	ライセンス
OpenAI gpt-oss-120b	1170億	51億	Apache 2.0
OpenAI gpt-oss-20b	210億	36億	Apache 2.0
DeepSeek-R1	6710億	370億	MIT
メタ Llama 4 Maverick	約4000億	約170億	Llama 4 Community License
メタ Llama 4 Scout	約1090億	約170億	Llama 4 Community License

どれも、全体のうち一部の「専門家」だけを動かすMoE（専門家混合）という作りです。gpt-oss-120bは総パラメータの約4%（計算）だけを使って1語ずつ答えを作ります。

OpenAIは、gpt-oss-120bはエヌビディアのH100やAMDのMI300Xのような80GBのGPU1基に収まり、20bは16GBのメモリで動くと説明しています。DeepSeekは、R1の答え方を小さなモデルに移した6つのモデル（15億〜700億パラメータ）も合わせて公開しました。

半導体の需要との関係

重みが手元にあると、AIを動かす場所が自社のサーバーやパソコンにも広がります。gpt-oss-20bのように16GBに収まるモデルは、GPUを積んだパソコンでも動く大きさです。一方、6710億パラメータのDeepSeek-R1を動かすには、メモリの大きいGPUを複数台つないだサーバーが要ります。

メタのLlama 4のライセンスは、前の月の月間利用者が7億人を超える会社に、メタへの許諾の申請を求めています。Apache 2.0やMITには、この種の条件はありません。

関連する用語

• MoE（専門家混合）：モデルを多数の小さな部分に分け、入力ごとに一部だけを動かす作り方。
• 蒸留：大きなモデルの答え方を、小さなモデルに学ばせる方法。
• ファインチューニング：公開された重みに、自社のデータで追加の学習をすること。
• 推論モデル：答える前に考える過程を長く出力するモデル。DeepSeek-R1とgpt-ossはこの型です。

Llama 4のScoutとMaverickのモデルの公開日は、2025年4月5日です。