オープンソース LLM 2026 年春の現在地 — DeepSeek V4 / Gemma 4 / Qwen 3.5 / Llama 4 比較

2 年前まで、オープンソース LLM の議論は Llama 一強だった。2026 年春の景色は様変わりしている。DeepSeek V4 Pro が SWE-Bench Verified で 80.6% を出し、Claude Opus 4.6 とほぼ同水準。Gemma 4 は Apache 2.0 ライセンスで agentic ワークフロー特化、Alibaba の Qwen 3.5 が日本語性能で初めて 0.80 の壁を超えた。

closed-source vs open-source の構図は、もはや単純な性能差では語れない。本稿では 2026 年 4〜5 月時点の主要 オープンソース LLM 8 モデルを、用途別の選択指針として整理する。

主要プレイヤー（2026 年 4〜5 月）

モデル	ベンダー	アーキテクチャ	ライセンス	注目点
DeepSeek V4 Pro	DeepSeek	MoE 1.6T (49B activated)	MIT	SWE-Bench 80.6%、1M context、$0.30/MTok
DeepSeek V4 Flash	DeepSeek	MoE 284B (13B activated)	MIT	軽量版、同 1M context
Gemma 4 31B Dense	Google DeepMind	Dense	Apache 2.0	Arena 第 3 位、τ2-bench 86.4%、256K context
Gemma 4 26B MoE	Google DeepMind	MoE	Apache 2.0	エッジ実行向け、agentic 特化
Qwen 3.5 397B	Alibaba	MoE (A17B activated)	Apache 2.0	日本語 0.8191 でオープン勢初の 0.80 突破
Llama 4 Scout	Meta	Dense	Llama Community	10M token context が独走
GLM-5 (Reasoning)	Zhipu AI	Dense	MIT	コーディングで GLM-4.7 が HumanEval 94.2%
Mistral Medium 3.5	Mistral	Dense 128B	Apache 2.0	SWE-Bench 77.6%、欧州系の安定供給

ライセンスは全モデル商用利用可。MIT / Apache 2.0 の純度の高さが企業導入の障壁を実質ゼロにしている。

用途別の選択指針

コーディング・エージェント

DeepSeek V4 Pro が現状の頂点。SWE-Bench Verified 80.6% は Claude Opus 4.6 と 0.2 ポイント差。Terminal-Bench 2.0 / LiveCodeBench でも Claude を逆転している。コーディングエージェント基盤を オンプレ + オープンウェイトで組みたいケースの第一選択。次点は GLM-5 Reasoning（HumanEval 94.2%）。

推論（Reasoning）

Mixture of Experts (MoE) の活用が鍵。**Qwen 3 235B（Reasoning モード）**または DeepSeek R1 が定番。GLM-5 Reasoning も伸びてきており、3 強構造になりつつある。

超長文脈

Llama 4 Scout の 10M token は独走。次点が DeepSeek V4 Pro / Flash の 1M。法務文書一式・コードベース全体・複数論文同時投入のような「100 万トークンを超える」ユースケースは Llama 4 Scout 一択。

Agentic ワークフロー（ツール実行 / 自動化）

Gemma 4 が「edge agentic」として設計された数少ないモデル。τ2-bench 86.4% は実運用での安定したツール呼び出しを意味する。Android 標準搭載という流通力もあり、モバイル / オフライン エージェント向けに有利。

コンシューマハードウェア（GPU 24GB 以下）

Gemma 3 27B か Phi-4 14B。GLM-4.7-Flash（30B、24GB VRAM 動作）も選択肢に入る。MoE モデルはアクティブパラメータが少なくても 総 VRAM 要件が高いので、Dense モデルが扱いやすい。

日本語業務利用

Qwen 3.5 397B が日本語ベンチマーク 0.8191 でトップ。次点は Qwen3 32B（コスト / 性能比で実用解）。日本語向けの fine-tuning が効きやすく、要約・翻訳・ビジネス文書生成で実用域。

業界構造の変化

オープンソースの主役が 米 Meta 一強 → 中国系 + Google + Mistral の多極化 に明確にシフトした。BenchLM.ai のオープンウェイト LB 上位の半数以上を中国ラボ（DeepSeek / Moonshot AI / Zhipu AI / Alibaba）が占める。Google は Gemma 4 で agentic edge という軸を切り、Mistral は欧州供給の安定性で差別化する。

フロンティアモデル の研究投資が closed → open へ流れているのは、収益化の難しさよりも ベンダーロックインを警戒する企業需要が大きい。MIT / Apache 2.0 ライセンスは「自社推論・自社ファインチューン」を可能にする決定打となる。

2026 年後半の見通し

• コーディング: GLM-5 / DeepSeek V4 / Qwen 3.5 の競争が続く。closed-source（Claude / GPT）との性能差は SWE-Bench で 1 ポイント以内に収束しつつある
• 長文脈: 10M token（Llama 4 Scout）の壁を Qwen / DeepSeek が破れるかが論点
• Agentic: τ2-bench / GAIA で 90% を超えるオープンモデルが年内に登場する見込み
• ライセンス: Llama Community License は Apache 2.0 / MIT に劣る。Llama 5 で再緩和が来るかが業界注目点

オープンソース LLM は「商用代替」のフェーズを終え、**「特定軸ではフロンティア」**になった。2026 年は「どれを選ぶか」よりも「何種類使い分けるか」が問われる年になる。

参考：Best Open-Source LLM in May 2026 (Codersera, 2026)、Open Source LLM Leaderboard 2026 (Vellum AI)、Best Open Source LLM in 2026 — Rankings & Benchmarks (BenchLM.ai)、DeepSeek V4 Complete Guide (Codersera, 2026)、CAISI Evaluation of DeepSeek V4 Pro (NIST, 2026)、Gemma 4 — Byte for byte, the most capable open models (Google Blog, 2026)、Gemma 4 — Google DeepMind、Open-Source LLM 2026 比較 (DevelopersIO)、日本語対応 LLM ランキング 2026 (Qualiteg)