OpenAIのgpt-ossは、学習済みの重みを入手し、自社で管理する環境や対応する実行基盤で動かせる言語モデルです。
データの扱い方や実行環境を利用者側で選べる一方、計算資源、セキュリティ、出力品質の管理も利用者側の仕事になります。
この記事では、gpt-oss-120bとgpt-oss-20bの違いを確認し、API型のサービスとは何が異なるのか、導入前に何を決めるべきかを整理します。
gpt-ossとオープンウェイトの意味
オープンウェイトとは、学習済みモデルの重みを入手し、利用者が選んだ環境で実行や調整を行える公開形態です。
OpenAIは2025年8月5日、gpt-oss-120bとgpt-oss-20bの公開を発表しました。
どちらもApache License 2.0で提供されますが、「オープンウェイト」は周辺のコードやサービスまで一律に公開されていることを意味しません。
そのため、この記事では「オープンソースモデル」ではなく、OpenAIの表記に合わせて「オープンウェイトモデル」と呼びます。
| モデル | 総パラメータ数 | 1トークン当たりの有効パラメータ数 | OpenAIが案内する実行メモリの目安 |
|---|---|---|---|
| gpt-oss-20b | 210億 | 36億 | 16GB |
| gpt-oss-120b | 1,170億 | 51億 | 80GB |
Mixture of Experts（MoE）は、入力を処理するたびにモデル全体を同じように動かすのではなく、一部の専門ブロックを選んで使う構造です。
このため、モデルが持つ総パラメータ数と、各トークンの処理で実際に使うパラメータ数は異なります。
gpt-ossが向く用途
gpt-ossは、モデルの実行場所や運用方法を自社で決めたい場面に向いています。
- 管理下の環境で処理したい場合：モデルと実行基盤を自社で管理すれば、データの保存場所や通信経路を自社の方針に合わせて設計できます。
- 用途に合わせて調整したい場合：自社の評価データを使った検証や、必要に応じた微調整を自社の環境で進められます。
- ネット接続に依存しない構成を検討する場合：必要なモデルファイルと実行環境を用意すれば、外部APIへの常時接続を前提としない構成を選べます。
ただし、自社運用にすれば自動的に安全性やコスト効率が高まるわけではありません。
API利用料が発生しない構成でも、GPUやクラウド、電力、監視、保守に費用がかかるため、総費用で比較する必要があります。
API型サービスとの違い
API型サービスは、提供事業者が運用するモデルへリクエストを送り、結果を受け取る利用形態です。
オープンウェイトモデルでは実行環境を選べる代わりに、API型では提供事業者が担う運用作業の多くを利用者が引き受けます。
| 判断項目 | API型 | オープンウェイト型 |
|---|---|---|
| 実行環境 | 提供事業者が管理する環境を利用する | 自社設備や契約した基盤から選ぶ |
| 費用 | 利用量に応じた料金が中心になる | 計算資源、保守、監視を含めて見積もる |
| 導入作業 | 認証とAPI連携を中心に設計する | 実行基盤の構築と性能調整も必要になる |
| 更新と安全対策 | 提供事業者の更新方針に依存する | 更新時期と追加対策を運用者が決める |
| 調整の自由度 | 提供される機能の範囲で調整する | 対応する手法と環境を選んで調整する |
モデルと実行環境の選び方
最初の判断材料は、期待する品質、応答時間、同時利用数、利用できるメモリ、運用担当者の有無です。
gpt-oss-20bは16GB、gpt-oss-120bは80GBという案内がありますが、これは構成を決めるための出発点です。
実際の必要量や速度は、実行ソフトウェア、入力の長さ、同時処理数などによって変わるため、本番導入前に候補環境で測定します。
モデルを先に決めるのではなく、生成AIを業務に入れる前に決めるべきことを整理し、実際の業務データに近い検証用データで比較するほうが判断しやすくなります。
導入を進める手順
- 対象業務を一つに絞る：誰が何のために使い、どの状態を合格とするかを決めます。
- データの扱いを決める：入力できる情報、保存期間、アクセス権限、ログの管理方法を定めます。
- 小さな検証環境を作る：候補モデルと実行基盤を用意し、品質、速度、メモリ使用量を測ります。
- 業務別に出力を評価する：事実誤認、指示への追従、禁止事項への応答を確認し、人が見直す範囲を決めます。
- 運用手順を実装する：認証、監視、障害対応、モデル更新、利用停止の手順を整えます。
- 利用範囲を段階的に広げる：限定した利用者から始め、記録した結果を基に対象業務を増やします。
微調整は、追加データを使ってモデルの振る舞いを特定用途へ合わせる作業です。
必要な時間と計算資源はデータ量や手法で変わるため、まず未調整のモデルで課題を特定し、微調整が必要かを判断します。
安全な運用で確認する点
重みを自社で動かせることと、出力が常に正しいことは別の問題です。
- 出力確認：重要な判断や公開情報には、人による確認と根拠の照合を組み込みます。
- アクセス管理：利用者、入力できる情報、利用できる機能を業務上の必要性に合わせて制限します。
- 記録と監視：障害や誤用を調査できる範囲でログを残し、機密情報を不必要に保存しません。
- 推論過程の扱い：モデルの推論過程をそのまま利用者へ表示せず、検証した最終出力を利用画面へ渡します。
- ライセンス確認：Apache License 2.0だけでなく、最新のgpt-oss利用ポリシーと組み込むソフトウェアの条件も確認します。
OpenAIのgpt-ossモデルカードも、安全対策を利用環境に合わせて追加する必要があると説明しています。
よくある質問
gpt-ossはオープンソースですか
OpenAIは、学習済みの重みを公開するモデルを「オープンウェイト」と表現しています。
重みはApache License 2.0で利用できますが、周辺のすべての仕組みが同じ条件で公開されるという意味ではありません。
無料で運用できますか
モデルの重みは無償で入手できますが、実行するための機器やクラウド、電力、保守には費用がかかります。
API型との比較では、月額の計算資源だけでなく、構築と運用にかかる担当者の工数も含めます。
OpenAIのAPIやChatGPTから利用できますか
OpenAIの案内では、gpt-ossはOpenAI APIやChatGPTでは提供されず、利用者が管理する環境または対応する外部事業者の環境で実行するモデルとされています。
どちらのモデルから試すべきですか
利用できるメモリが限られる検証ではgpt-oss-20bが候補になり、より大きな実行環境を用意できる場合はgpt-oss-120bも比較できます。
モデル名だけで決めず、実際の業務課題を使って品質、速度、費用、運用負荷を測ることが判断の基準です。
導入判断の要点
gpt-ossの価値は、モデルを利用者側の環境で動かし、データの扱い方や調整方法を選べることにあります。
その自由度を生かすには、必要なメモリだけでなく、評価方法、アクセス管理、監視、更新責任まで含めた運用設計が欠かせません。
まず一つの業務と小さな検証環境を定め、API型を含む候補と総費用で比較してから利用範囲を広げるのが現実的です。
この記事に関連する株式会社greedenの取り組み
gpt-ossの採用では、モデル性能だけでなく、入力データの扱い、検証方法、運用責任まで設計する必要があります。株式会社greedenは、生成AIを用いた施策について、業務整理からツール選定、定着支援まで相談に応じています。