オープンソースLLMのトップランナー（2025年8月版）
ランキング概要：3つのベンチマークで見るトップランナー
Vellum AI（Humanity's Last Exam / 総合）
1位 Kimi K3（56.0%）
2位 GLM 5.2-max（54.7%）
3位 Kimi K2.6（54.0%）
4位 DeepSeek V4 Flash（51.6%）
5位 DeepSeek V4 Pro（48.2%）
LMArena Chatbot Arena（人間評価 Eloレート：オープンウェイト限定）
1位 GLM 5.2-max（Z.ai）Elo 1471
2位 Mimo V2.5-Pro（Xiaomi）Elo 1468
3位 GLM 5.1（Z.ai）Elo 1467
4位 Kimi K2.6-thinking（Moonshot）Elo 1461
5位 Hy3 / GLM 5（Tencent / Z.ai）Elo 1457
LLMPM Rankings（BBH, GPQA, IFEval, MATH, MMLU-Pro の平均スコア）
1位 Kimi K2.5（77.3%）
2位 Kimi K2.6（74.7%）
3位 Qwen3.5-122B-A10B（72.3%）
4位 Qwen3.5-27B（71.4%）
上位モデルの詳細プロフィール
Kimi Kシリーズ（Moonshot AI / ByteDance系）
最新作 Kimi K3 の数値は圧巻。Humanity's Last Exam（HLE）56.0%・GPQA Diamond 93.5%・BrowseComp 91.2%。全ベンチでトップクラス。ByteDance傘下のMoonshot AIが開発した大規模推論モデル。複雑なマルチステップ推論、Web探索タスクにおいて、ClosedSourceのLLM（GPT-4、Claude Opus等）にも匹敵する性能を出している。
Kimi K2.6 はK3の直前のバージョン。HLE 54.0%・Chatbot Arena Elo 1461・SWE Bench 80.2%。バランスが取れている。Agentic Coding分野でも上位圏に位置し、実務利用にも十分耐え得る性能。
Kimi K2.5-thinking はElo 1450・総合Avgスコア77.3%でLLMPMランキング1位を獲得。推論（Reasoning）専門のバージョン。Chain-of-Thoughtを駆使した高度な推論タスクに特化している。
ライセンス：Modified MIT
アーキテクチャ：MoE（Stable LatentMoE）採用、コスト効率重視
総パラメータ：2.8T（世界初3Tクラス・オープンウェイトモデル）
活性化パラメータ：~104B / トークン
routed experts：896 per layer
1 tokenあたり active：16 + shared experts 2
強み：総合知能、科学推論、Web探索、マルチモーダル対応
用途：研究開発、高度な推論が必要な業務、一般会話
GLMシリーズ（Z.ai / Zai Lab）—— Chatbot Arena王者
GLM 5.2-max はLMArena Chatbot ArenaでElo 1471。オープンウェイトモデル中No.1。Humanity's Last Examでは54.7%・GPQA Diamondでも91.2%。科学・医学・数学の難問に強い。Z.ai（旧Zai Lab）がMITライセンスで公開しており、商用利用も可能。
GLM 5.1、Hy3（Tencent × Z.ai協働）もElo 1457–1467圏で安定して上位に入っている。GLMシリーズは一貫して「人間との対話品質」の高さを売りにしている。マルチターン会話、ツール利用、ブラウザ操作などの実用的なタスクに優れる。
ライセンス：MIT / Apache 2.0（モデルによる）
アーキテクチャ：MoE + DeepSeek Sparse Attention（DSA）のハイブリッド。GLM 5.x全てがMoEベース
GLM 5 / 5.1 / 5.2：共通の744B（総）/ 40B（active）MoE
routed experts：256 per layer、top-8 active + shared expert 1
Multi-Latent Attention（MLA）搭載、78 layers
GLM-5.2：IndexShare機構（1M contextで2.9x FLOP削減）
強み：人間評価トップクラス、多言語（中国語・英語優位）、ツール活用
用途：カスタマーサポート、チャットボット、マルチモーダルアプリ
Qwen3.5シリーズ（Alibaba）
Qwen3.5 は0.8Bから397Bまで広範なパラメータ規模でリリース。用途に応じて最適なサイズを選べる、最大の特徴。LLMPM Rankingsでは122B-A10B版が72.3%・27B版が71.4%。比較的小規模でも高性能を維持している。
Apache 2.0ライセンスなので商用利用は自由にできる。中国語・英語・日本語を含む多言語対応に優れる。推論（Thinking）モードと非推論モードの両方をサポート。複雑なタスクではChain-of-Thoughtを発動する。
ライセンス：Apache 2.0
展開サイズ（モデルごとアーキテクチャが異なる）：
Denseモデル（小～中規模）：0.8B / 3B / 7B / 14B / 32B / 72B
MoEモデル（大規模）：122B-A10B / 235B-A22B（Thinking）/ 397B-A17B（Thinking）
小規模モデルほどDense、大規模モデルほどMoEという設計思想
強み：マルチサイズ展開、多言語対応、推論モード付き、商用利用自由
用途：エッジデバイスからクラウドまで幅広く活用可能
DeepSeek V4シリーズ（DeepSeek）
DeepSeek V4 Pro はSWE Bench（実際のGitHub Issueをコードで解決するベンチマーク）で80.6%。オープンソースモデルNo.1。V4 Flash はFlash版としてコストを抑えたバリエーション。HLE 51.6%・BrowseComp 85.9%を記録している。
DeepSeekは一貫して「高性能 × コスト効率」を追求。V4シリーズはMoEアーキテクチャと高度なトレーニング手法でこれを体現している。MITライセンスでの公開により、企業のAI導入でも選択肢になり得る。
ライセンス：MIT
アーキテクチャ：両モデルともMoEベースのハイブリッド設計（Dense attention + MoE layers）
V4 Pro：1.6T（総）/ 49B（active per token）。CSA + HCAのハイブリッド・マルチプルAttention
V4 Flash：284B（総）/ 13B（active per token）
DeepSeekMoE（Hash Routing、Sqrt(Softplus) Gating）
mHC（Manifold-Constrained Hyper-Connections）、Muon Optimizer搭載
FP4 Quantization対応
強み：Agentic Coding分野No.1、コストパフォーマンス最高峰、コード生成・デバッグに特化
用途：開発支援エージェント、コードリファクタリング、Bug Fix自動化
MiniMax M3（MiniMax）
GPQA Diamondで93.0%（Kimi K3に次ぐ2位）、SWE Benchでも80.5%（DeepSeek V4 Proに肉薄）。推論とコーディングの両方で上位に入る、珍しいモデル。中国のAI企業MiniMaxが開発し、比較的新しい参入ながら即座にトップクラスの性能を達成した。
科学・数学分野での推論能力が高く、研究支援や教育用途での注目度が高まっている。
ライセンス：公開状況要確認
アーキテクチャ：MoE + Sparse Attentionのハイブリッド
総パラメータ：~428B / 活性化：~23B per token
128 routed experts、top-4 active + shared expert 1
MiniMax Sparse Attention（MSA）搭載、1M context対応
Multi-Token Prediction（MTP）による推論速度向上
強み：GPQA Diamond 2位、SWE Bench 2位と二冠候補、バランス型
用途：学術研究、高度な質問応答、コード生成
Gemma-4-31B（Google）
Gemma 4 シリーズの31B版は、Chatbot ArenaでElo 1451を獲得。中規模モデル（～32Bクラス）の最高峰。Apache 2.0ライセンスで商用利用は自由にできる。Google独自のトレーニングデータと手法。「小さいけど驚異的」な性能を実現した。
リソースが限られた環境でも高性能なモデルが必要な場合、有力な選択肢になる。Gemma 4シリーズには他にも**26B A4B（MoE版）**があり、こちらはtotal ~25.2B / active 3.8B per tokenで、推論速度を優先するAgenticワークフローに特化している。
ライセンス：Apache 2.0
アーキテクチャ：
Gemma 4 31B（Dense）：~30.7B total / 60 layers / BF16推論時に~64GB VRAM必要。単一GPUでの動作が可能
Gemma 4 26B A4B（MoE）：~25.2B total / 3.8B active per token / 128 experts + shared expert 1 / top-8 active
Hybric Attention（sliding window + global attention 6:1）、Multi-Token Prediction（MTP）搭載
強み：スモールサイズながら高性能、Google製としての信頼性
用途：オンプレミス導入、リソース制約のある環境での本格利用
Mimo V2.5-Pro（Xiaomi）
Mimo V2.5-Pro は中国のスマートフォンメーカーXiaomiが開発したモデル。Chatbot Arena Elo 1468、オープンウェイトNo.2の座に就いている。スマートフォン・IoTデバイス向けの最適化にも注力。「エッジでの高性能AI」の実現者。
MITライセンスで公開されており、スマホ端末でのローカル推論との親和性が高い。
ライセンス：MIT
アーキテクチャ：MoE + Sliding Window Attentionのハイブリッド
総パラメータ：1.02T（~1,023B）/ 活性化：42B per token
70 layers（1 dense layer + 69 MoE layers）
384 routed experts、top-8 active
Hybrid Attention（Global 10 layers / Sliding Window 60 layers、6:1 ratio）
Multi-Token Prediction（MTP）、27T tokensでpre-training済み
FP8（E4M3）Mixed precision対応、1M context
強み：スマートフォン最適化、チャット品質の高さ、エッジ推論対応
用途：モバイルデバイス内蔵AI、スマートスピーカー、IoTアシスタント
モデルのアーキテクチャ比較（MoE vs Dense）
上位モデルのうち、どのモデルがMoEを採用し、どれがDenseか。
MoE採用モデル
Kimi K3（Moonshot）：2.8T total / 104B active
GLM 5.x全系列（Z.ai）：744B total / 40B active
GLM 5 / 5.1 / 5.2が全てMoEベース
DeepSeek V4 Pro / Flash（DeepSeek）：1.6T / 284B、両方MoE
Qwen3.5大～中規模モデル（Alibaba）：122B-A10B / 235B-A22B / 397B-A17B、MoE
MiniMax M3（MiniMax）：428B total / 23B active
Mimo V2.5-Pro（Xiaomi）：1.02T total / 42B active
Gemma 4 26B A4B（Google）：~25.2B total / 3.8B active（MoE版）
Dense採用モデル
Gemma 4 31B（Google）：~30.7B totalのフラッグシップDenseモデル。単一GPUで推論可能
Qwen3.5小規模モデル（Alibaba）：0.8B / 3B / 7B / 14B / 32B / 72B、全てDense
Qwen3.5はサイズによってアーキテクチャを使い分ける
まとめ：2025年8月のOpen LLMトレンド
Kimi K / GLMの躍進：中国・ByteDance系・Zai系のモデルが総合ベンチで覇権を握る
MoEアーキテクチャの標準化：高性能 × コスト効率を求めるならMoEがデファクトに
マルチサイズ展開：Qwen3.5のように0.8B～397Bまで揃える流れに。小規模=Dense、大規模=MoEという設計思想も定着
Agentic Coding競争激化：SWE Benchスコアが実務価値の指標に
ライセンスの緩やかさ：MIT / Apache 2.0で商用利用自由なモデルが増加
注目すべきは、Kimi K3 がHLE 56%と閉じたLLMと肩を並べること。そして GLM 5.2-max が人間評価（Chatbot Arena）でNo.1という点。どちらもMITライセンスで商用利用可能。
