クローズドモデルを優先してから1年以上を経て、Metaはローカルなエージェントワークロード向けに設計された300億パラメータのモデル「Muse Glimmer」のリリースにより、オープンウェイト戦略を復活させている。この動きは、企業がAIをよりデータに近い環境で実行し、インフラに対するより厳密な制御を維持したいとますます求めている中で生じた。コスト的な考慮だけでなく、データ主権の要件や規制コンプライアンスの圧力によって、機密性の高いワークロードにおいてクラウドのみのデプロイが実用的ではなくなる中で後押しされたトレンドである。

月曜日にMeta Superintelligence LabsからApache 2.0ライセンスでリリースされたMuse Glimmerは、商業利用、改変、再配布をコピーレフト義務なしで認める最も寛容なオープンソースライセンスの1つであるApache 2.0の下で公開され、単一のGPUを搭載したMacまたはPC上で最適に実行される。このモデルは、コーディング、ウェブリサーチ、デバッグタスクを含む複雑な多段階のエージェントワークロードを処理する。

このローンチは、高度な推論と複雑なエージェントタスクを対象としたクローズドモデルであるMuse Spark 1.1をMetaが発表してからわずか1週間後のことである。相次ぐリリースは、中国のAIベンダーが価格と性能で競争力のある代替品で存在感を高めている中、Metaがオープンモデル市場で競争力を維持する意向を示している。

Glimmerはまた、Metaが2023年にLlamaファウンデーションモデルのローンチで開拓したオープンモデル哲学への部分的な回帰でもある。Llamaは最も広くダウンロードされたオープンウェイトモデルファミリーの1つとなった。しかし、それ以来、同社は約1年前に第4世代をリリースしたにもかかわらず、Llamaを段階的に後退させてきた。

ハイブリッド戦略

アナリストは、全面的な方針転換ではなく、Metaがデュアルトラックアプローチを追求していると見ている。

「Metaが単にオープンモデルに戻っているとは思わない」とTekonyxのプレジデント兼チーフリサーチオフィサーのSid Nagは述べた。彼は、MetaがクローズドモデルをフロンティアAIラボからの提供と競争力のある水準に保つことを目指す一方で、オープンモデルを使用して特にソーシャルメディアエコシステム外の企業を含むリーチを拡大しようとしていると説明した。このアプローチは、オープンなGemmaモデルがクローズドなGeminiラインを補完するGoogleの戦略と類似している。

Metaのリリースのタイミングは、MoonshotやAlibabaなどのベンダーによる競争力のある中国のオープンモデルの台頭と一致しているが、Glimmerは独自のポジションを占めている。300億パラメータという規模は、1兆パラメータ以上を誇る一部の人気のある新しい中国モデルと比較してはるかに小さい。

「これは非常にスリムで軽量なモデルであり、主にデスクトップで実行される」とGartnerのアナリストであるArun Chandrasekaranは述べた。「Metaはより小さく、AIが実行されているエンドポイントデバイスのエッジに向かって直接進んでいる。より中央集権的なクラウドベースのモデルではなく、主により多くのローカルなデスクトップ向けエージェントワークロードをカバーすることを意図している。」

Chandrasekaranは、特に現在OpenAIの傘下にあるOpenClawやAnthropicのClaude Coworkの成功に照らして、企業がどのようにAIをデプロイしているかをMetaが注視していると指摘した。

「人々はこれらのモデルをデータに最も近い場所で、ワークフローに最も近い場所で実行したい」とChandrasekaranは述べた。「そのために、Metaはそのエコシステムの一部になりたい。Metaはそれを可能にしたい。Metaは企業内のより多くのワーカーがよりローカルにAIを実行できるように力を貸したいと考えている。」

制御とコスト効率に対するエンタープライズの需要

モデルをローカルで実行することは、制御に対するより広範なエンタープライズのニーズも反映している。Nagは、多くの組織がドメイン特化型モデルを求めていると指摘した。ほとんどのフロンティアモデルプロバイダーはこうしたモデルの提供に苦戦しているが、AnthropicはCoworkを活用して tailored なソリューションを求める企業を惹きつけている点で例外的である。

オープンモデルはまた、推論コスト面でも魅力的な利点を提供するとNagは述べた。「フロンティアモデルのトレーニングには多額のコストがかかるが、数百万のエンタープライズ推論ワークロードの実行は時間とともにさらにコストがかさむ」と彼は説明した。「ウェイトを公開することで、Metaはすべてのワークロードを自ら運用するのではなく、顧客にインフラコストの多くを負担させている。」

これらの利点にもかかわらず、ChandrasekaranはMetaが意味のあるエンタープライズでの普及を勝ち取るにはまだ重要な課題があると警告した。「モデルの上にプラットフォームレイヤーを構築する必要がある。それが企業が求めているものだからだ」と彼は述べた。「Metaはまた、エンタープライズ向けのセキュリティと法的補償の機能を改善すべきである。」

競争環境が激化する中、中国のオープンモデルと米国のフロンティアラボの双方がエンタープライズの関心をめぐって競い合う中、軽量なエッジ展開可能なオープンモデルと重量級のクローズドシステムを並行して投入するMetaのデュアル戦略は、AI市場の複数のセグメントにまたがって同時にポジションを確保している。