オープンAIは商用トップに3.3%差まで迫っていた——で、自分は50万の機械を買うべきか
正直に書くと、僕はオープンソースのAIをほとんど使ったことがない。動かすための性能のいいパソコンも持っていない。
ただ、いろんな会社の現場で話を聞いていると、「トークンのコストが高い」という声は本当によく聞く。前に書いたトークンショックの記事は、その実感から調べたものだった。
そんな折、Mozillaが「State of Open Source AI」という白書を出した。読んで、少し考えが変わった。近いうちに、50万円くらいかけて自分用のAIマシンを買おうかと、割と真剣に思い始めている。その計算を、この記事で最後までやってみる。
まず事実：オープンAIと商用トップの性能差は、2年で8%から3.3%に縮んだ
Mozillaの白書（2026年7月）でいちばん目を引いたのが、この数字だ。
チャットボットの実力を人間の投票で比べる「Chatbot Arena」で、オープンに公開されているモデルの最上位と、OpenAIやAnthropicのような商用の最上位の平均能力の差が、2024年には約8%あった。それが2026年3月には3.3%まで縮んでいる。
もちろん、これは「平均」の話だ。長い文脈を読ませたり、何ファイルもまたぐ複雑な作業をさせたりする高難度タスクでは、まだ商用トップのほうがはっきり強い。ここは正直に押さえておきたい。
それでも、方向は明確だ。差は、閉じる側に動いている。
そして値段：同じ仕事をさせたときのコストは、ざっくり50分の1
性能が近いだけなら「安いほうがいい」で終わる話ではない。だが、コスト差が桁違いだと話が変わる。
同じ白書によると、オープンモデルを自前やクラウドで動かした場合、同等の仕事をこなすコストは、商用APIのおよそ50分の1の水準まで下がってきているという（3年間の総保有コストで比較した試算）。
性能差3.3%、コスト差50倍。この2つを並べると、「多少の品質を諦めてでもオープンを使う」判断が、現場で合理的になり始めているのがわかる。
面白いのは、オープン勢は「儲けていないのに、どんどん使われている」こと
ここが投資家としていちばん引っかかった点だ。
オープンモデルを出している陣営（特に中国勢）のトークン利用シェアは、この2年で一気に伸びた。AIモデルの中継サービス「OpenRouter」の集計（処理したトークン量ベース）では、中国のオープンモデルのシェアは2024年末には2%未満だったのが、2026年4月には45%に達している。オープンモデル全体でも、2025年末時点で利用の約3分の1を占める。
一方で、白書によれば、オープンモデルは実際のAI利用の約3分の1を占めるのに、AI市場全体の収益に占めるシェアはわずか4%にとどまる。
つまり、「利用は3分の1、なのに稼げているのは4%」。まだ儲かっていないのに、猛烈な勢いで使われている。これは、かつてのLinuxやオープンソースソフトが辿った道とよく似ている。無料で配って利用者を広げ、収益は別のところ（クラウド、サポート、周辺サービス）で回収する。この構図が、AIでも始まっている。
ただし、「オープンでは誰も稼げない」わけではない。白書によれば、Databricksは年換算売上54億ドル、Mistralは4億ドル（1年で約20倍）に達している。「オープンで稼げない」のではなく、「稼げる企業だけが猛烈に伸びている」段階、と見たほうが正確だろう。
オープンソースの世界には『伽藍とバザール』（エリック・レイモンド）という古典がある。少数精鋭が閉じて作る「伽藍」より、大勢が開いて作る「バザール」のほうが、結局は品質で追いつく——25年前にそう論じた本だ。いま起きているのは、その構図のほぼ正確な再現に見える。違うのは、追いつく速度だけだ。
投資家目線で言えば、AI相場の主役であるAnthropicやOpenAIの「フロンティアで稼ぐ」モデルの足元で、「安く広く使われる層」が地滑り的に育っている。両者は別のレイヤーの戦いをしている、と見たほうがいい。
ただし、ここに現場のリアルな壁もある。同じ白書によれば、開発者の79%がオープンモデルを試しているのに、実際に本番環境まで載せられているのは51%（商用モデルは63%）にとどまる。差の残り半分は「性能」ではなく、セキュリティ審査・ガバナンス・運用体制といった、モデルの外側にある。アーキテクトとして言えば、自前化のいちばんの障壁は、実はハードウェアではなく「本番に載せる責任」のほうだったりする。
現場はもう動いている——Coinbaseの「配管を作り替える」やり方
これは机上の話ではない。前回のトークンショックの記事で取り上げたCoinbaseが、まさにこれを実装している（下図は前回記事から再掲）。
Uberが「利用を上限で縛る」ことで請求を抑えようとしたのに対し、Coinbaseは社内にLLMのゲートウェイ（配管）を作り、仕事の難易度で行き先を振り分けた。ふだんの仕事はオープンウェイト（GLMやKimiなど）に流し、本当に難しいタスクだけをフロンティアの最上位モデルに回す。結果、利用量は増え続けたまま、請求額はほぼ半減したという。
「安いオープンを普段使い、難所だけ高級品」。この配分こそ、性能差3.3%・コスト50分の1という数字を、現場のコストに翻訳した答えだ。
じゃあ、個人が同じことをやるには——道具はもう無料で揃っている
ここからが、自分ごととしての本題だ。個人が「普段はオープンを使う」環境を作れるのか。
結論から言うと、道具はすでに無料で揃っている。Claude Codeのようなエージェント型のコーディングツールには、オープンな代替がいくつもある。
Cline / Roo Code（VS Code拡張。ローカルのモデルに繋げる。実績豊富）
Aider（ターミナルで動く、コミット単位の編集が得意）
OpenCode・Continue.dev（比較的新しめ。併せて選択肢に）
いずれも無料で、自分のマシンで動かすオープンモデルに接続できる。APIキーを外部の有料モデルに向ければ併用もできる。つまり、Coinbaseの「配管」を、個人レベルでも組めるということだ。
問題は、それを動かすマシンだ。
で、いくらで何が動くのか——調べてみたら「50万でコスト削減」は甘かった
ここで、冒頭の「50万円で機械を買うか」に戻る。正直に言うと、最初は「50万円の機械を買えば、月1.5万円のClaude代が浮く」くらいの軽い気持ちだった。だが調べてみたら、そう単純ではなかった。
まず前提を一つ。ローカルでLLMを動かすとき効くのは、ゲームのような描画性能ではなく、メモリの容量と帯域だ。大きなモデルを丸ごと載せられるかどうかで、動く・動かないが決まる。だから、VRAMが32GBしかないRTX 5090のような"ゲーム最強"のGPUでも、大型モデルには容量が全然足りない。ここが、多くの人の直感とズレる。
そのうえで、いまベンチマーク最上位のオープンモデルはKimi K2.7 Code（Moonshot AI）だ。実際のGitHubの課題解決を測る「SWE-bench Pro」で58.6%を出し、Claude Opus 4.6（53.4%）やGPT-5.4（57.7%）を上回っている。冒頭の「差が3.3%」どころか、指標によってはオープンがついに商用トップを抜いている。
ところが——これを自宅で、実用的な量子化（Q4）で動かすには、約600GBのメモリが要る。Mac Studioの256GB構成（約100万円）でも足りない。最上位OSSを自宅で動かすのは、実質100万円を超えるコースだった。
じゃあ、50万円で何が動くのか。現実的にはQwen3-Coder 30BやLlama 3.3 70Bあたり（Mac Studio M4 Max 64GB級、約50〜60万円）。日常のコーディング支援には、これで十分使える。
ただ、ベンチで冷静に見ると、この30B〜70Bクラスは、商用でいうとClaude 3.5〜3.7 Sonnet相当＝だいたい1〜1.5世代前だ。現行のClaude Sonnet 4やOpus 4（SWE-bench Verifiedで73%前後）とは、10〜20ポイントの差がある。50万円のMacで月1.5万円を浮かせても回収は約3年半、しかも動くのは一世代前の性能——という現実だった。
ちなみに、白書がいう「コスト50分の1」は、Coinbaseのように大規模・クラウドで回したときの経済圏の話。個人が自宅で最上位を動かす、というのとはレイヤーが違った。
結論：個人が使うだけなら、いまはサブスクが正解だ
だから、正直な結論はこうなる。個人が普通に使うだけなら、素直にClaude／OpenAIのサブスクを払うのが、いちばん賢い。 最上位を"使う"だけなら、クラウドのAPI経由のほうが、自前マシンを買うよりずっと安い。自前化する動機は、コスト削減ではなく——手元で全部完結させたい、社外にデータを出したくない、いじって学びたい——そういう別の理由になる。
「50万円で機械を買えばコストが浮く」という当初の目論見は、少なくとも今日の時点では、甘かった。ここは正直に認めておく。
それでも、この計算はいつか必ずひっくり返る
ただ——ここまで調べて、確信したこともある。オープンの最上位（Kimi K2.7）は、もう一部のベンチで現行のClaude Opusを上回っている。性能差は「縮む」を通り越して、部分的には逆転が始まっている。
いま100万円かかる構成は、メモリの大容量化と価格低下で、いずれ50万円に降りてくる。ローカルで動くサイズのモデルが現行トップに追いつき、量子化がさらに賢くなった瞬間、「自宅で最上位を、月額ゼロで」が現実になる。 そのとき、この計算はひっくり返る。
だから、僕はいま50万円の機械を「まだ買わない」。サブスクのほうが安いうちは、素直にそれを払う。でも、いつ買うかは真剣に見ている。 トークンコストの話を現場で聞くたび、そしてオープンモデルのベンチが上がるたびに、その「いつか」は着実に近づいている。
オープンAIの数字は、遠いテック業界のニュースではない。自分の財布と、数年後の仕事の道具立てに、直接効いてくる話として、静かに見ておく価値がある。
関連記事：この記事の出発点になった回。UberやCoinbaseが「トークンコスト」にどう向き合ったか、各社の実例を調べています。
出典：Mozilla「The State of Open Source AI V1.0」（2026年7月）、OpenRouter「State of AI 2025」、SWE-bench Verified/Pro 各リーダーボード、Unsloth/Ollama のメモリ要件ほか。モデル名・ベンチスコア・必要メモリ・価格・回収月数は2026年7月時点の概算（$1=150円、Claude Code Max＝月100ドル≒約1.5万円で試算）で、いずれも要確認。SWE-bench Pro（Kimi等）とVerified（Sonnet 4等）は別指標のため、単純比較には注意。Mac Studioの大容量メモリ構成は時期により在庫・構成が変わるため、購入前に公式で確認を。
