米中オープンモデル勢力図分析──中国製 open-weight モデルのダウンロード数が米国の 2 倍に拡大
中国製 open-weight モデルがベンチマークと実用性能で米国製をリードし、AI 開発のパワーバランスが変化している実態を米議会向けブリーフィング資料から読み解く。
リリース: 2026-09-21 · 読了 4 分記事の要約
1. 核心（What）
- 中国製 open-weight モデルの Hugging Face での累積ダウンロード数は 32 億回に達し、米国の 2 倍の規模を記録している。
- AAII ベンチマークにおいて、Z.ai の GLM-5.3 や Moonshot AI の Kimi K3 が 44-45 点を記録し、米国製上位（23-26点）を上回る。
- 中国のオープンモデル群は米国クローズドフロンティアから 2-5 ヶ月遅れの水準にあり、米国製オープンモデル（6-9ヶ月遅れ）を先行している。
- オープンソースの定義として、完全な再現を可能にする学習コードとデータを含むものは米国非営利組織（Olmo, Pythia 等）が主導している。
2. 影響（Why）
- 中国製モデルのコスト効率と性能: 商用利用可能な open-weight モデルの選択肢として中国製が米国製を凌駕しており、API コストを大幅に削減したい国内 SaaS 事業者は中国製オープンモデルのローカル検証を急ぐ必要がある。
- ライセンスとリスク管理の再設計: 米国企業が中国製オープンモデルに依存する構造が進む中、国内の金融や医療などの規制業種におけるシステムアーキテクトは、地政学的リスクを考慮したモデル選定ポリシーの策定が急務となる。
3. 根拠・詳細（How）
- ベンチマーク評価と公開遅延の要因: Artificial Analysis Intelligence Index (AAII) を用いた評価において、中国製モデルは開発サイクルが速くスナップショット時点のベンチマークで高得点を維持する構造になっている。
- データ調達方針の変化: Moonshot AI や Z.ai などの主要中国ラボは、初期の社内ワークショップ偏重から、2026 年夏以降は米国および国内新興企業からエージェント向け強化学習用データを購入する方針へ転換している。
4. 展望・課題（Next）
- 規制とセキュリティ対策の不確実性: サイバーセキュリティリスクの増大に伴い、オープンウェイトモデルの配布規制と米国内のオープンモデル投資のバランスを巡る議論が継続している。