オープンウェイトモデルとは?オープンソースとの違いは「公開範囲と利用条件」|商用利用の前に確認すべきこと

Llama、Qwen、DeepSeekのように、無料でダウンロードできる生成AIモデルを「オープンウェイトモデル」と呼びます。誰でも重みファイルを手に入れられるため、オープンソースと同じ意味だと思われがちです。
実はこの2つは同じではありません。重みが公開されていることと、公開されている範囲や利用条件が「オープンソース」の基準を満たしていることは、別の話です。
Llama、Qwen、DeepSeekの公式ライセンスを確認すると、モデルごとに商用利用の条件や禁止事項が違います。同じ開発元のモデルでも、バージョンによって条件が違うこともあります。
この記事では、オープンウェイトモデルとオープンソースの違い、モデルごとの利用条件の違い、使う前に確認すべきことを整理していきます。読み終えると、「無料で使える」で終わらせず、自分が使う前に何を見ればよいか分かるようになります。
法律の専門的な判断が必要な場合は、必ず公式ライセンス文書と専門家の確認を優先してください!
この記事の監修者

AIリスキル株式会社 代表取締役
AIツールギャラリーを運営するAIリスキル株式会社の代表取締役。企業・自治体向けの生成AI研修とAI導入支援を手がけています。
実績: 大阪・関西万博 公式プログラム「AI HEROES COLLECTION」司会進行 / 神戸市デジタル人材育成エコシステム構築事業の運営 / MBS「せやねん!」「よんチャンTV」に生成AIの専門家として出演 / Felo日本初コアアンバサダー / Genspark第1期公式アンバサダー / Skywork公式アンバサダー / AKOOL公式パートナー など
Llama、Qwen、DeepSeekなどが代表例です。重みをダウンロードすれば、自分のパソコンやサーバーでモデルを動かせます。
「オープンウェイト」という言葉自体には、OSI(Open Source Initiative)のような公式の認定団体があるわけではありません。重みが公開されているという状態を指す呼び方です。
オープンソースとの違いは「何が公開され、どんな条件が付くか」

Open Source Initiativeが定めるOpen Source AI Definition(AIモデル向けのオープンソース定義)では、利用・調査・改変・共有という4つの自由が必須条件です。
これに加えて、モデルの学習と実行に使う完全なコード、訓練データの詳細情報(出典や取得方法などの「データ情報」)、パラメータ(重み)の3点を、改変できる形で提供することも求められています(Open Source Initiative、2026年9月11日確認)。
注意したいのは、この定義が求めているのは学習データそのものの丸ごと公開ではなく、出典や取得方法といった「データ情報」だという点です。
また、改変したモデルを元と同じ条件で公開する義務(同条件公開)のような条件が付くことも、この定義の範囲内として認められています。オープンソースだからといって、あらゆる条件が一切付かないわけではありません。
一方オープンウェイトモデルの多くは、重み(パラメータ)は公開されていても、訓練に使ったコードやデータ情報までは公開されていません。
加えて、商用利用の利用者数のしきい値や特定用途の禁止といった、この定義の想定を超える条件が付いていることがあります。
つまり、重みが公開されている(オープンウェイト)ことと、公開範囲・利用条件がOpen Source AI Definitionの基準を満たしている(オープンソース)ことは、別の話だということです。
モデルによって利用条件はこんなに違う

Llama
Llama4の公式ライセンスでは、Meta自身が「オープンソース」とは明記していません。月間アクティブユーザーが7億人を超える場合、Metaへ別途ライセンスを要請する必要があります(Meta公式ライセンス、2026年9月11日確認)。
Qwen
Qwen2.5-72B-Instructの公式ライセンスでも、商用利用時に月間アクティブユーザーが1億人を超える場合は、Alibaba Cloudへライセンスを要請する必要があると定められています(Qwen公式ライセンス、2026年9月11日確認)。
DeepSeek
DeepSeekは、モデルによってライセンスが分かれています。DeepSeek-V3は独自のライセンスで、商用利用は認められていますが、軍事利用や虚偽情報生成などの禁止事項を引き継ぐ義務があります。
一方DeepSeek-R1は、制限の少ないMITライセンスで公開されています(DeepSeek公式リポジトリ、2026年9月11日確認)。
同じ開発元のモデルでも、バージョンによってライセンスが違うことがあります。モデル名だけで判断せず、使いたいモデルそのもののライセンスを確認することが大切です!
「無料・商用自由」と決めつけられない理由

オープンウェイトモデルは、ダウンロード自体は無料であることがほとんどです。ただしそれは、あらゆる用途で無条件に商用利用できることを保証するものではありません。
ここまで見てきたように、利用者数のしきい値を超えると別ライセンスが必要になったり、特定の用途が禁止されていたりするケースがあります。
「オープンウェイトだから」という理由だけで商用利用の可否を判断せず、使いたいモデルの公式ライセンス文書を確認することが必要です。
商用利用の前に確認したいこと

商用利用を検討する場合は、モデルの配布元が公開している公式ライセンス文書を確認してください。
多くの場合、モデルカード(技術仕様の説明)とライセンス文書は別のページに分かれています。技術仕様だけを見てライセンスを確認したつもりにならないよう注意が必要です。
利用者数のしきい値、禁止事項、改変・再配布時の義務は、モデルごと、バージョンごとに異なります。法律的な判断が必要な場合は、専門家に確認することをおすすめします。
実際にどう使われているか

オープンウェイトモデルは、Ollamaのようなツールを使って自分のパソコンで動かすローカル実行によく使われます。
企業では、自社のサーバーやクラウド上に推論基盤を構築し、外部にデータを送らずにモデルを動かす用途にも使われています。
Hugging Faceのようなプラットフォームでモデルを配布し、自社データで追加学習(ファインチューニング)を行う使い方もあります。
使う前に確認したい3つの点

1つ目は、公式のライセンス文書を確認することです。モデルカードだけでなく、ライセンス本文まで目を通してください。
2つ目は、商用利用に関する条件を確認することです。利用者数のしきい値や、別ライセンスが必要になる条件がないかを確認します。
3つ目は、利用禁止事項を確認することです。軍事利用や特定分野での利用が禁止されているモデルもあります。自社の用途が該当しないか確認してください。
よくある質問

オープンウェイトモデルは無料で使えますか
ダウンロード自体は無料であることがほとんどです。ただし、無条件で商用利用が自由というわけではなく、モデルごとのライセンス条件によって変わります。
オープンウェイトモデルは改変や再配布ができますか
モデルによって異なります。改変や再配布ができる場合でも、元のライセンスの使用制限を引き継ぐ義務や、変更箇所の明示義務が課されていることがあります。公式ライセンス文書で確認してください。
オープンウェイトモデルとオープンソースモデルという呼び方の違いは何ですか
「オープンウェイトモデル」は重みが公開されている状態を指す呼び方です。「オープンソース」はOpen Source AI Definitionが求める、コード・データ情報・パラメータの提供という基準を満たすことを指します。
両方の基準を満たすモデルもあれば、重みは公開されていてもコードやデータ情報の公開、利用条件の面でこの基準を満たさないモデルもあります。
まとめ

オープンウェイトモデルとは、モデルの重みが誰でもダウンロードできる形で公開されているモデルのことです。
オープンソースとの違いは、何が公開され、どんな条件が付くかという点にあります。重みが公開されていても、コードやデータ情報までは公開されていなかったり、商用利用の条件や禁止事項を定めた独自ライセンスが付いていたりすることが多くあります。
モデルによって、同じ開発元でもバージョンによって条件が異なります。
商用利用を検討する場合は、公式のライセンス文書を確認し、利用者数のしきい値や禁止事項を確認しておくと、導入後のトラブルを避けやすくなります。
自社での導入や確認の進め方を相談したい場合は、お問い合わせはこちらからご相談ください。
この記事の出典
- The Open Source AI Definition 1.0(Open Source Initiative、2026年9月11日確認)
- Llama 4 Community License Agreement(Meta、2026年9月11日確認)
- Qwen2.5-72B-Instruct LICENSE(Hugging Face上のQwen公式ライセンス、2026年9月11日確認)
- DeepSeek-V3 LICENSE-MODEL(DeepSeek公式GitHubリポジトリ、2026年9月11日確認)
- DeepSeek-R1 LICENSE(DeepSeek公式GitHubリポジトリ、2026年9月11日確認)
関連AIツール
この記事は役に立ちましたか?
感想は、今後の記事改善に活用します。
関連記事
ベクトル検索(Vector Search)とは?キーワード検索との違いは「意味の近さ」で探すこと|RAGでの役割と苦手な場面
ベクトル検索(Vector Search)とは、言葉の一致ではなく意味の近さをもとに探す検索方法です。エンベディングと距離の計算、RAGでの位置づけ、固有名詞や型番のような完全一致が重要な場面での使い分けをやさしく整理します。
エンベディングとは?ベクトル検索との違いは「もの」か「処理」か|数値表現と使い道をやさしく解説
エンベディングの意味を、ベクトル検索との役割の違い、モデルをまたぐと比較できない理由、検索・推薦・RAGでの使われ方まで具体例で解説します。
ファインチューニングとは?RAGとの違いは「何を変えるか」|向く用途と費用の考え方
ファインチューニングとは、学習済みのAIモデルを追加データで再学習させ、応答の仕方を変える手法のことです。RAGとの違いと、向く用途、費用の考え方を整理します。
コンテキストウィンドウとは?AIが一度に読める量の上限|長い文章で精度が変わる理由
コンテキストウィンドウとは、AIモデルが1回のやり取りで参照できる情報量の上限のことです。何が上限に含まれるか、上限内でも精度が変わる理由、外部記憶やチャット履歴との違いをやさしく整理します。
次のAIツール選びへ
気になるツールを並べて、料金や特徴の違いを確認できます。


