「Open Weight」のコラム

**Google DeepMind の Gemma Team が [arXiv:2607.02770](https://arxiv.org/abs/2607.02770) として 2026-07-02 に Gemma 4 Technical Report を公開**。**2.3B / 12B / 31B のパラメータ範囲**、**Dense と MoE の両バリアント**、**text / image / audio ネイティブマルチモーダル**、**12B は encoder-free 統一設計**（raw audio と image patches を追加エンコーダなしで直接処理）、**reasoning mode（thinking mode）標準搭載**、**改良された vision / audio エンコーダ**、**推論速度・メモリ効率・long context の architectural refinement**、**STEM / multimodal / long-context ベンチで上位オープンモデルと競合**。300 名以上の著者による大規模プロジェクト。オープンウェイトのため商用利用可、Hugging Face・Ollama で配布。位置付けは [Qwen 3.6-35B-A3B](../columns/qwen36-35b-a3b-uncensored-abliterated-2026-07)・[ローカル LLM 2026 年 6 月版](../columns/local-llm-landscape-2026-june-update) と並ぶオープンウェイト最前線の新章。**Google の open-weights 戦略の到達点**、encoder-free unified 設計は Qwen / Llama / DeepSeek のマルチモーダル手法（別途 vision encoder + projection）と一線を画す。**reasoning mode** は Anthropic / OpenAI クローズドモデルの extended thinking との対称、オープン側の追随。留保: 商用ライセンスの詳細条件、systemic-risk（EU AI Act 10^25 FLOPs 閾値）該当可能性、Google Cloud Vertex AI との統合エコシステム偏重。

**DeepReinforce が2026年6月26日に Ornith-1.0 を公開** しました（[公式](https://deep-reinforce.com/ornith_1_0.html) / [Hugging Face コレクション](https://huggingface.co/collections/deepreinforce-ai/ornith-10)）。**エージェント・コーディング特化のオープンウェイト LLM ファミリー** で、**MIT ライセンス・地域制限なし**。 **3つのサイズで提供**: [Ornith-1.0-9B](https://huggingface.co/deepreinforce-ai/Ornith-1.0-9B)（dense、~19GB BF16）/ [Ornith-1.0-35B](https://huggingface.co/deepreinforce-ai/Ornith-1.0-35B)（MoE）/ [Ornith-1.0-397B](https://huggingface.co/deepreinforce-ai/Ornith-1.0-397B)（MoE、Qwen 3.5 + Gemma 4 ベース）。**全サイズが 262K context**、**FP8 / GGUF 量子化版も同時公開**。 **ベンチマーク（公式公表値、同サイズ帯 OSS の SOTA を主張）**: | ベンチ | 9B | 35B | 397B | |---|---|---|---| | **SWE-Bench Verified** | **69.4%** | **75.6%** | **82.4%** | | **SWE-Bench Pro** | **42.9%** | **50.4%** | **62.2%** | | **SWE-Bench Multilingual** | — | — | **78.9%** | | **Terminal-Bench 2.1** | 43.1% | 64.2% | **77.5-78.2%** | | **NL2Repo** | 27.2% | 34.6% | **48.2%** | | **ClawEval** | — | — | **77.1%** | **設計思想**: 強化学習で **解の rollout だけでなく scaffolding（解を導くエージェント構造）自体も最適化**。自己改善型の agentic coding という、[Loop Engineering](../columns/loop-engineering-ai-agent-paradigm-2026-06) の Maker-Checker 思想と地続きのアプローチ。`<think>...</think>` ブロックでの推論モード、function calling、ツールユース対応。 **配布・運用**: vLLM ≥ 0.19.1 / SGLang ≥ 0.5.9 / Transformers ≥ 5.8.1 / Docker + llama.cpp / Ollama。OpenAI 互換 API エンドポイント。9B は単一 80GB GPU で十分、35B / 397B は **8×80GB GPU ノード（TP=8）**。エージェントフレームワーク互換: **OpenHands / Hermes Agent / [OpenClaw](../services/openclaw-setup)**（弊社サービスとも直接互換、ClawEval も同社で公式評価対象に）。 **DeepReinforce の系譜**: 強化学習を CUDA / 行列演算 / コード生成に応用してきた研究組織。過去に [CUDA-L1（3.12× 平均 GPU 高速化）](https://github.com/deepreinforce-ai/CUDA-L1)・[CUDA-L2（cuBLAS 超え HGEMM カーネル）](https://github.com/deepreinforce-ai/CUDA-L2)・**IterX（MLSys 2026 NVIDIA Track）** を発表。Ornith-1.0 はその RL ノウハウを LLM 自己改善に応用した最新作。 **位置付け**: 同時期の [Kimi K2.7-Code](../columns/kimi-k2-7-code-moonshot-ai-2026-06)（1T MoE / 32B active）・[GLM-5.2](../columns/local-llm-landscape-2026-june-update)（Intelligence Index v4.1 で 51 点 / OSS 首位）と並び、**2026年6月の agentic coding OSS 戦線の最先端**。中国系（Kimi / GLM）に対し **MIT ライセンス + 地域制限なし + 米国ベースの法務調達優位** が差別化。 **留保事項**: ベンチは DeepReinforce 自社公表値で、第三者リーダーボードでの独立検証は2026年6月26日時点で未確立。ベンダーレポート段階の数値である点には留意が必要です。 本コラム末尾に **Ornith-1.0 を含むローカル LLM の導入・PoC・継続保守の3つの問い合わせ導線** を設置しています。

2026年4月に公開した[ローカル LLM 徹底比較コラム](../columns/local-llm-landscape-2026-april-comprehensive-comparison)から2ヶ月、**何が変わったか** を一次ソース中心に整理した最新版です。 **3つの大変化**: **(1) OSS 性能がクローズドと肉薄** — [GLM-5.2](https://simonwillison.net/2026/Jun/17/glm-52/)（Z.ai、MIT、2026-06-16）が Intelligence Index v4.1 で **51 点**（MiniMax M3 44 / DeepSeek V4 Pro 44 / Kimi K2.6 43 を抜いて OSS 首位）。[MiniMax M3](https://kilo.ai/open-source-models) が **1M context・ネイティブマルチモーダル・SWE-Bench Pro 59.0%・Terminal-Bench 2.1 66.0%・MCP Atlas 74.2%**。[NVIDIA Nemotron 3 Ultra](https://research.nvidia.com/labs/nemotron/Nemotron-3/)（Computex 2026 で Jensen Huang 発表、**550B パラメータ**、米国 OSS 首位）。[VibeThinker-3B](https://arxiv.org/pdf/2606.16140)（WeiboAI、MIT、Qwen2.5-Coder-3B fine-tune、**3B で frontier reasoner 並み**）。 **(2) Blackwell でコンシューマ GPU が 30-70B 実用域** — RTX 5090 は **32GB GDDR7・1,792 GB/s 帯域**（4090 比 +77%）・**ネイティブ MXFP4 で GGUF Q4 を emulation 0** で実行可。Qwen 2.5-Coder-7B で **5,841 tok/s**（batch 8、A100 80GB の 2.6 倍）。RTX PRO 6000 Blackwell は 30B モデルで **~8,425 tok/s**、B200 は **192GB HBM3e・8 TB/s・H100 比 4-5 倍**。 **(3) 日本企業の SI 化が本格化** — **インテック**（TIS グループ）が2026-01-29 から **ローカル LLM 導入支援 SI、最短1ヶ月・参考価格 ¥5,000,000〜**。**リコー**「**RICOH オンプレ LLM スターターキット**」が **2025年日経優秀製品・サービス賞最優秀賞** 受賞（Qwen2.5-VL-32B-Instruct ベース）。PFN [PLaMo 3.0 Prime](../columns/plamo-3-0-prime-pfn-japanese-llm-2026-06) が **デジタル庁『源内』採用**。Mizuho / Lion の Qwen 国内ファインチューン precedent と並ぶ。 さらに [Kimi K2.7-Code](../columns/kimi-k2-7-code-moonshot-ai-2026-06)・[Sakana Fugu](../columns/sakana-fugu-orchestration-model-2026-06)・[DiffusionGemma](../columns/diffusiongemma-google-text-diffusion-2026-06)・[Liquid AI LFM2.5-J](../columns/liquid-ai-lfm25-japanese-models-2026-06) など同時期の動きも整理。 推論エンジン選定（**AWQ + vLLM = GPU 最速、GGUF + llama.cpp = CPU/エッジ、SGLang = エージェント、TensorRT-LLM = NVIDIA クラスタ**）、量子化（BitNet 1.58-bit / MXFP4 / AWQ）、規制動向（**EU AI Act 2026-08-02 施行・systemic risk threshold 10^25 FLOPs**、米輸出規制 [Fable 5 precedent](../columns/claude-fable-5-export-control-suspension-2026-06)、中国系のデータ越境）、典型 GPU 構成、オブライト視点の3ステップ導入論まで。 記事末尾に **ローカル LLM 導入・構築・保守の3つの問い合わせ導線** を設置しています。