オープンモデルDLの83%は1B未満、ECのモデル選定3つの論点

齋藤竹紘2026年8月16日2026年8月16日AIニュース

オープンモデルのダウンロードは、83%が1Bパラメータ未満の小型モデルに集中しています。

Hugging Faceが2026年8月14日に公開した半期レポート「State of Open Models: Summer 2026 Observations」は、2026年1月から7月までのHub上の実データを並べ、オープンモデル（重みが公開され、自社サーバーやPC上でも動かせるAIモデル）の使われ方が話題性とはまったく違う形をしていることを示しました。パラメータ数を宣言しているモデルのうち、1B未満が全期間ダウンロードの83%を占め、100B超はわずか1%です。EC事業者にとってこれは「話題のフラッグシップを追うか、実務で回るモデルを選ぶか」という選定の話に直結します。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。

何が起きたか：Hubの実データが示す3つのねじれ

レポートの中心にあるのは、注目と利用がまったく別の経済で動いているという指摘です。今年のダウンロード上位25件と「いいね」上位25件を並べたところ、両方に登場したリポジトリは1件だけでした。2026年に公開されたモデルはダウンロード上位25件に1本も入らず、25件のうち13件は2022年公開のものです。文章の類似度を測る定番の小型モデルall-MiniLM-L6-v2は7か月で15.5億回ダウンロードされた一方、いいねは5,156件にとどまりました。

2つ目のねじれは規模です。中国の研究所が公開する月次の最大モデルは754Bから2.78兆パラメータの幅で推移し、米国側は7か月のうち5か月で130B未満にとどまりました。例外はNVIDIAのNemotron 3 Ultra（561B）と、Thinking Machines LabのInkling（952B）です。米国で新規モデルを最も多く公開した2社はAMDとNVIDIAで、いずれも200リポジトリ超を出しています。オープンモデルの発信源が、モデル研究所からハードウェア・インフラ企業へ移りつつあるという整理です。

3つ目はライセンスです。今年公開された20B超の中国系178件のうち、59%がApache 2.0、22%がMITで、非商用制限付きは0件だったとレポートは記しています。米国側の同じ規模帯はApacheまたはMITが29%、独自条項が41%、ライセンス表記なしが30%でした。ただしこの「非商用制限0件」という記述には、記事のコメント欄で「Kimiは年商2,000万ドル超の企業が提供する場合にMoonshotの許諾が要る」との反論が付いています。実務ではレポートの集計ではなく、採用するモデルのライセンス原文を都度確認する必要があります（要確認）。

日本のEC事業者にとっての論点：小型・派生・エージェント

第一に、モデル選定の重心です。商品説明文の下書き、レビューの分類、問い合わせの一次振り分け、在庫アラートの文面生成といったEC実務の定型処理は、フラッグシップの推論力を必要としません。2026年に発生したダウンロードのうち、70B超のモデルに向かったのは3%だけでした。楽天市場やAmazon、Shopifyの運営で毎日数百件から数千件を処理する用途ほど、小型モデルの単価と応答速度が効いてきます。既存記事の複数モデルのルーティング設計で触れたとおり、重い処理と軽い処理を1本のモデルに束ねないことがコスト設計の起点になります。

第二に、派生モデルの厚みです。Qwen系の派生モデルはHub上で151,448件に達し、Metaの合計の2.6倍、Llamaリポジトリに限れば4.7倍の規模になりました。2位のGoogleは82,506件です。Qwen派生は2026年の7か月を通じて1日あたり180から210リポジトリのペースで増えています。ローカル実行に使うGGUF形式の月間ダウンロードもQwenが3,960万件で、Gemmaの2,080万件、Llamaの750万件を上回りました。日本語の商品カテゴリや自社の言い回しに合わせて微調整したいとき、事例と派生の多い系統を選ぶほど、詰まったときに参照できる先行例が多くなります。先日取り上げたQwen 3.8のApache 2.0公開は、この流れの延長線上にあります。

第三に、エージェントです。レポートによれば、Hubの最大の利用者は初めて人間ではなくエージェントになりました。7月のエージェント経由アクセスはClaude Codeが44.4%で首位ですが、4月は67.8%、5月は6.4%と月ごとに大きく振れています。Codexは10.4%から20.8%へ着実に伸びました。さらに7月のエージェント経由トラフィックの約4分の1は、データセットに名前が登録されていないツールからのものでした。特定のツールに業務手順を固定すると、半年後に前提が変わっている可能性が高いということです。この不安定さは、ベンチマークとハーネスの選び方で書いた「道具ではなく手順を資産にする」という論点と重なります。

初動アクション：今週できる4つの確認

まず、社内で使っているAI処理を「判断が要るもの」と「定型のもの」に分けて棚卸しします。定型側の件数と月額を出すだけで、小型モデルへ寄せたときの削減幅が概算できます。次に、採用候補のモデルについてライセンス原文を開き、商用利用の条件と売上規模の条項を読み合わせます。レポートの集計値は目安であり、条項の実体はモデルごとに違います。

三つ目に、ローカル実行を検討している場合は、GGUF変換版の提供元を確認します。レポートは、主要な研究所が公式のGGUF変換をほとんど出しておらず、開発者が使っているのは第三者の変換版であることが多いと指摘しています。量子化の設定次第で精度が変わるため、社内検証では変換版そのものを固定して比較する運用が要ります。四つ目に、エージェント経由の作業がある場合は、ツール名ではなく手順書と評価データを社内に残します。7月時点で名前の付いていないツールが4分の1を占める市場では、乗り換えを前提にした記録の残し方が効いてきます。

まとめ

オープンモデルの世界は、規模の競争が中国系の研究所に、公開量が米国のハードウェア企業に、そして実際のダウンロードが小型モデルに、それぞれ分かれて進んでいます。日本のEC事業者が見るべきは最大パラメータ数ではなく、自社の定型処理に対して十分な小型モデルと、そのライセンスと、派生の厚みです。話題の量とダウンロード数が別物であることを踏まえて、選定基準を静かに引き直す時期です。

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

引用元: Hugging Face

【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）

齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。齋藤竹紘のすべての投稿を表示