Hugging Faceにモデルファイルを公開し、開発者が自分のGPUで動かせるようにする。それだけで「オープンソースモデル」と呼ばれる場面は多いが、正確ではない。公開されているのは学習で得た重み（パラメータ）だけで、モデルを動かす自由と、どう作られたかを検証し改良し再配布する自由は別物だからだ。Open Source Initiative（OSI）は両者を明確に区別し、スタンフォード大学HAIのJames Landay所長は「動かせるか」と「信頼し改善できるか」は別の問いだと指摘する。この境界を法的に定めようとするOpenMDWライセンスが、今まさにOSIの審査でなお決着していない理由まで読めば、自社のAI活用でどちらの基準を求めればよいかが判断できるようになる。
オープンウェイトとオープンソースAI、何が違うのか
重みとは、AIモデルが学習によって獲得した数値パラメータのことだ。モデルアーキテクチャや推論コードと組み合わさって初めて、LLM（大規模言語モデル）は動く。開発者はこの重みをダウンロードし、自分のGPUで自己ホストし、社内文書でファインチューニングし、プロプライエタリなAPIへプロンプトを送らずに済ませられる。データやコスト、ベンダーロックインを自社で管理できるという利点が、ローカルモデル向けの実行基盤や推論サービス、ファインチューニングツールという大きなエコシステムを育ててきた。
OSIはこの状態を「オープンウェイト」と呼び、「訓練済みニューラルネットワークの最終的な重みとバイアス」と定義する。この重みだけでは「完全な説明責任に必要な情報の一部」しか得られない。学習データそのものや、十分に詳細な文書がなければ、外部の人間はどの情報源が使われたか、著作権や私的な素材が紛れ込んでいないか、ベンチマークのデータが学習時に漏れていなかったかを確かめられない。重みは結果であって、過程の証拠ではない。
Landayは、この状態を「オープンな配布」であって「オープンなモデル」ではないと表現する。「重みは動かせる。自分のマシンで実行し、他人のデータパイプラインから切り離せる。だが、どう作られたか、何で訓練されたか、なぜそう振る舞うかは見えない」。ダウンロードできる自由と、検証できる自由は別の階層にある、という指摘だ。
重みの公開だけでは検証できない理由
Landayはさらに踏み込み、開発者が学習データを開示するか、「徹底的に文書化され監査可能な記録」を提供しない限り、モデルを最大限の意味でテストし、再現し、異議を申し立てることはできないと述べる。オープンウェイトとオープンソースAIの間には「大きな溝がある」というのが、その結論だ。
この溝は抽象的な話ではない。重みだけが公開されたモデルは、どの言語やコミュニティのデータが過小に扱われたか、事前学習後にどんな安全性の調整（アライメント）が加えられたかが分からない。企業が自社サービスに組み込む際、著作権侵害のリスクや、特定の集団に偏った出力の原因を外部から検証する手段がないまま採用することになる。
Landayの整理はさらに単純だ。「オープンウェイトは『これを動かせるか』に答える。オープンソースは『これを信頼し、改善し、その上に次のものを構築できるか』に答える」。米国と中国の研究所を含め、ほぼ全ての開発元が前者の問いにしか答えていない、と同氏は指摘する。この非対称こそが、次に見る定義とライセンス設計を巡る対立を生む土台になっている。
OSAID準拠とOpenMDW、公開範囲はどこまで違うのか
OSIは重みの公開とは別に、独自の「Open Source AI Definition（OSAID 1.0）」を持つ。重みを含むモデルパラメータをOSI承認済みの条件で提供することを要求するが、それをどんな法的手段で実現するかまでは指定しない。この曖昧さが、実際に何が公開されるかを分かりにくくしている。
3つの公開方式が実務でどこまで違うかを表にすると、次のようになる。
| 公開方式 | 重み | 学習コード | 学習データ | 再配布条件 |
|---|---|---|---|---|
| オープンウェイトのみ | 公開 | 非公開が一般的 | 非公開が一般的 | 明文規定なし |
| OSAID 1.0準拠 | 公開必須 | 公開必須 | 同等システムを再構築できる詳細情報の開示を要求（生データの公開は義務化せず） | OSI承認条件下（法的手段は未指定） |
| OpenMDWライセンス | 提供されれば対象（完全性は要求せず） | 提供されれば対象 | 提供されれば対象（開示義務はなし） | 「Model Materials」を単一定義で包括許諾、終了条項など法的条件を明記 |
オープンウェイト公開は重みのみで足り、OSAID準拠のオープンソースAIは学習コードの公開と学習データに関する詳細情報の開示を義務づけるのに対し、OpenMDWは重みや学習データ、コードを「Model Materials」として一括許諾するだけで、完全性の開示までは義務づけない、という三者三様の設計になっている。OSAIDが要求するのは「文書化」であって「生データの公開」ではない点が、Landayの言う溝がOSAID準拠モデルでも完全には埋まらない理由だ。
Linux Foundationのシニアバイスプレジデント、Mike Dolanが提出したOpenMDW（Open Model, Data, and Weights）ライセンスは、この曖昧さに法的な輪郭を与えようとする試みだ。従来のオープンソースはソースコードを中心に設計されているが、LLMはコード、アーキテクチャ、そして著作権や非公開の学習データセット由来の数値パラメータが組み合わさった別物だ。OpenMDWはモデル（アーキテクチャと重み）と、関連するデータや文書、ソフトウェアを「Model Materials」という単一の定義でまとめ、著作権や特許を含むあらゆる権利について一括で自由な利用を許諾する。何を含めて提供するかはライセンサー次第で、完全性や学習データの開示・監査可能性を義務づける規定はない。Amazon、Meta、IBM、Microsoft、NVIDIAが貢献者に名を連ね、業界の後ろ盾は厚い。
OSIの定義はなぜここまで批判されるのか
OSAID 1.0は2024年10月に公開された。OSIはその時点で、定義は今後も進化し続けると認めていたが、批判者は中心的な欠陥が未解決のままだと見ている。
Lightning AI CTOでPyTorchへの貢献者としても知られるLuca Antigaは、OSAIDが学習データのライセンス処理を扱っていないことを問題視する。「学習データのライセンス処理を扱わないことで、OSIは契約条件を効果の薄いものにする大きな穴を残している」と述べ、モデルがOSAIDの要件を形式的に満たしていても、学習データの利用条件を検証できなければ実務では採用しにくいと指摘する。
批判はAntigaだけにとどまらない。オリジナルのOpen Source Definition（OSD）の著者であるBruce Perensは2024年にOSAIDを非難し、その後「これはオープンソースではない。OSI自体がオープンウォッシングに関与している」と述べた。Software Freedom Conservancyの政策フェロー、Bradley Kuhnと、Red Hatのシニア商務顧問Richard Fontanaは、OSAIDの撤回を求め、「OSIは行き過ぎた政策妥協を性急にコミュニティへ課した。OSAIDはFOSSコミュニティに亀裂を生み、OSIの評判、権威、影響力を傷つけた。機械学習の実践者、FOSSコミュニティ、規制当局への肯定的な政策的影響も見られない」と主張している。
擁護派もいる。OSAID策定時にOSIを率いた前事務局長のStefano Maffulliは、OpenMDWのレビューについて「ビッグテックが嫌いで、今のAIはビッグテックだから、AIが嫌い。だから何としてもブロックしようとする、というイデオロギー的偏見に汚染されている印象を受け続けている」と評し、批判の側にも動機の偏りがあると反論する。定義を巡る対立は、技術的な論点であると同時に、誰がAIの「オープン」を定義する資格を持つかという主導権争いの色を帯びている。
OpenMDWの審査はなぜ決着していないのか
OpenMDWライセンスは2025年から存在し、2025年7月22日公開のLinux Foundation AI & Dataのブログ記事は、当時すでにOpenMDW-1.0が導入済みだったと記している。2026年5月28日にはバージョン1.1がリリースされ、同時にNVIDIAがCosmos、Isaac GR00T、Ising、Nemotronの各モデルファミリーへ将来的に採用する方針を示した。
Dolanは2026年8月13日17時0分51秒（UTC）、OpenMDWをOSIの公式ライセンスレビューへ正式に提出した。同じ提出書では、NVIDIAの採用が計画から実行段階へ進み、19件のモデル（CosmosやIsing、Nemotronを含む）でOpenMDW-1.1が採用済みになったと記されている。直近ではJensen Huangが発表したAlpamayoモデルでも同ライセンスが使われているという。
だが、OSAID 1.0が公開された2024年10月から、OpenMDWの終了条項を巡る審査が続く2026年8月時点まで、「何をもってオープンなAIと呼べるか」という係争は2年近く未決着のままだ。提出から8日後、2026年8月21日公開のLWN.netの記事の時点でもOSIのレビュアーは合意に達していない。
最も議論を呼んでいる条項は終了条項だ。「モデル配布物が特許または著作権を直接・間接に侵害していると主張する訴訟を提起、維持、または自発的に参加した場合、本契約に基づき付与された全ての権利は終了する。ただし、その訴訟が自分自身へ先に提起された対抗訴訟への応答である場合を除く」という一文が、その中心にある。Red HatのRichard Fontanaは、この条項の範囲が広すぎ、特定のモデルの重みを巡って侵害訴訟を起こしただけで、同じ配布物に含まれる無関係なPythonコードなどへの権利まで失う恐れがあると警告する。さらにOpenMDWは「他者に適用されうる権利処理は、利用者が単独で責任を負う」と明記しており、学習データの著作権がクリアかどうかをライセンス自体は保証しない。法的な輪郭を与えようとした試みが、結局は検証責任を利用者へ押し戻す形になっている。
日本の開発者と企業が今、判断すべきこと
日本の企業やチームがAIモデルを選ぶとき、この違いは実務に直結する。社内文書でファインチューニングし自社基盤で動かすだけなら、オープンウェイトモデルで足りる場面は多い。だが、学習データに含まれる著作権処理や、特定分野で偏った出力の原因を外部監査に耐える形で説明しなければならない場面では、重みの公開だけでは不十分で、学習データに関する詳細情報の開示を義務づけるOSAID準拠のモデルを選ぶ根拠になる。一方、再配布や特許訴訟のリスクを契約条件で明確にしたい場面では、完全性までは保証しないもののモデルやデータ、コードを一括許諾するOpenMDWライセンスが判断材料になる。
調達や監査の担当者は、ベンダーの「オープンソース」という表記を鵜呑みにせず、学習データの文書化水準と、再配布や改変時の法的責任がどちらに帰属するかを契約条項レベルで確認したほうがよい。OpenMDWのようにモデル、データ、重みを単一の枠組みで扱うライセンスが業界標準として定着すれば、その確認作業自体が簡略化される可能性がある。
OpenMDWがOSIの認証を得られるかは、まだ開いた問いのままだ。それでも、Linux Foundationと支援企業群が、コード、データ、重みをまとめて扱う法的な条件を作ろうと動いている事実は変わらない。誰かがこの取り組みを実らせない限り、「オープンなAI」は形容矛盾になるか、単なる空疎なマーケティング用語に成り下がる。その分岐点を見極める上で、終了条項の審査結果は最初の試金石になる。
