注目の画像: ニューラルネットワークの入出力とAIシステムのデータ認識の抽象的可視化。Photo by Rose Pilkington on Pexels（無料利用可）
2025年6月、OpenAI、Google、Anthropicの3社は主要プラットフォーム上のすべてのAI推論トークンの72%を支配していた。2026年6月、その数字は33%にまで落ち込んだ。12ヶ月の間に、業界で最も価値のあるプロプライエタリプロバイダーから、オープンウェイトモデルや中国製モデルへと、約40ポイントもの市場シェアが移転した。そしてこれらのモデルのコストは、既存プロバイダーの数分の一である。
これは緩やかな浸食ではない。構造的な断絶だ。DeepSeek V4は競争力のある性能を1トークンあたり$0.14で提供する——GPT-5の同等クラスの約20分の1だ。GLM-5.2はコーディングベンチマークでGPT-5.5を上回り、コストは6分の1である。オープンソースの推論トークンシェアはある指標では1%から15%に成長し、別の指標では非Big3の合計シェアは67%に達した。プレミアムAIの価格設定の時代は終わった。インフラ-as-a-コモディティの時代が到来したのだ。
AI市場シェアのデータは何を語るか？
市場シェアのシフトは、2026年のAI業界における最も重要な構造変化である。測定方法によって絶対的な数字は異なるが、すべてが同じ方向を指している：プロプライエタリの既存企業は加速するペースでシェアを失っている。
2026年6月までのトークン消費データは、OpenAI、Google、Anthropicの合計シェアが33%で、2025年6月の72%から低下したことを示している。シェアを奪っているのはDeepSeek、GLM-5.2、MetaのLlamaファミリー、Qwen、Kimi、Mistralだ。いずれも既存企業の数分の一のコストで——そして特定のタスクでは同等かそれ以上の性能で——参入している。
OpenRouterは主要なAI推論プラットフォームとして、ユーザー選好の詳細な窓を提供する。5ヶ月の調査期間において、クローズドモデルがプラットフォーム上のAIトークン使用量の約80%、収益の約96%を占めた。しかしOpenRouterはもともとオープンモデルを試す意欲のあるユーザーを引き付けている。より広範な市場は異なるストーリーを語る。企業は予算で投票し、そのトレンドは明白だ。
Presenc AIのエンタープライズ調査データによると、オープンウェイトモデルは2026年1月までに推論市場シェアの約15%を獲得し、12ヶ月前の約1%から増加した。成長はDeepSeek V3/V4、Qwen 3/3.5、Llama 4、Kimi K2.6、GLM-5.1のリリースによって牽引され、これらは複数のベンチマークでフロンティア性能に到達または接近した。2026年6月までに、その数字はさらに上昇していると推定される。
Presenc AIの2026年第1四半期調査によると、エンタープライズの89%が現在、本番環境で少なくとも1つのオープンソースモデルを使用している。これはシフト全体の中で最も示唆に富む統計だ：プロプライエタリAPIに支払いを続けているエンタープライズでさえ、オープンモデルを併用している。もはや問題はオープンソースAIを使うかどうかではない——どのワークロードにどのモデルを使うかである。
なぜオープンソースモデルは急速にシェアを伸ばしているのか？
3つの力が同時にシフトを推進している：価格、性能の収束、そしてスイッチングコストの撤廃だ。
価格は最も目に見える要因だ。DeepSeek V3.2はホスティングプロバイダー経由で入力100万トークンあたり$0.28、出力$0.42である。これに対してGPT-5.4は入力$2.50、出力$15.00——出力トークンで36倍の差がある。MIT SloanのFrank Nagle氏とDaniel Yue氏による研究では、クローズドモデルの実行コストは平均で87%高いことが判明した——100万トークンあたり$1.86対$0.23。研究者らは、クローズドからオープンへの最適な代替により、世界のAI経済で年間約250億ドルの節約が可能になると計算した。
毎月100億トークンを実行する中堅エンタープライズにとって、GPT-5.4とDeepSeek V3.2の差は、APIコストで月額約15万ドル対4,620ドルに相当する。その規模になると、CFOはベンチマーク評価を必要としない。算数が決断する。
性能の収束が2つ目の要因だ。標準ベンチマーク（MMLU、GSM8K、HumanEval）では、2026年の最先端オープンモデルとクローズドモデルの差は約1〜5パーセンテージポイントであり、実用上は実質的に解消された。ARC-AGI-2やSWE-Bench Verifiedのような推論ベンチマークでは、クローズドモデルが15〜30ポイントのリードを維持している。しかし、大多数の本番ワークロード（カスタマーサポート、コード生成、データ抽出、分類、要約）において、オープンソースモデルは同等の品質を提供する。
スイッチングコストの撤廃が3つ目の、そして最も構造的な要因だ。エンタープライズAIインフラは、モデルルーティングが標準的なアーキテクチャパターンになるまでに成熟した。企業はモデルレイヤーを抽象化し、単一ベンダーにロックインされることなく、コストと性能に基づいてプロバイダー間でルーティングできるようにしている。これは、スイッチングコストが時間とともに上昇したプロプライエタリソフトウェア時代とは正反対である。AIにおいては、スイッチングコストは崩壊しつつあり、それはオープンソース側の市場に不均衡な利益をもたらす。
オープンAIとクローズドAIの経済性はどう違うのか？
オープンモデルとクローズドモデルのコスト差は限界的ではない——構造的だ。それは一時的な価格差ではなく、根本的に異なるビジネスモデルを反映している。
クローズドモデルには、フロンティアAI機能の開発コストをカバーするプレミアムが含まれている。OpenAIの年間収益は2026年に約130億ドル、Anthropicは約50億ドルに達した。しかしこれらの数字は、並外れた資本要件とともに存在する：認知インフラの減価償却費はAI企業の収益の約3分の2を消費している。プレミアム価格設定モデルは恣意的ではない——フロンティア研究への資金提供と、最高のモデルのトレーニングとサービス提供に必要な巨大な計算インフラの実質コストを反映している。
オープンウェイトモデルは異なる経済構造の恩恵を受けている。Metaは例えば、Llamaモデルを直接コストなしでリリースする。なぜならモデルが他のチャネルを通じてMetaのエコシステムに価値をもたらすからだ。DeepSeekとQwenは中国政府の支援と、異なる競争力学の下で運営される国内市場の恩恵を受けている。Mistralはハイブリッドとして運営され、オープン層と有料層の両方を提供している。結果として、オープンモデルは限界費用で——あるいはそれを下回って——価格設定できる。なぜならその作成者は他の手段で収益化するからだ。
MIT Sloanの論文が最も明確な定量化を提供している。研究者らはOpenRouterのデータを使用して、すべてのユーザーが利用可能な最良のオープンモデルに最適に代替した場合のモデル化を行った。結果：平均コストは70%以上低下し、ベンチマーク性能は14%以上向上する。Menlo Venturesが350億ドルと推定する、より広範なAI推論市場に外挿すると、潜在的な節約額は年間約250億ドルに達する。
セルフホスティングは経済性をさらに傾ける。自社インフラでオープンソースモデルを実行することで、APIマージンを完全に排除できる。推論最適化ハードウェア（Groq LPU、カスタムASIC、特殊化AIアクセラレーター）が成熟するにつれて、セルフホスティングのコストは低下し続けている。大量のワークロードを実行するエンタープライズにとって、セルフホスティングオープンモデルは、最も安いオープンモデルのAPIを含むあらゆるAPIオプションよりもすでに安い。
オープンモデルとクローズドモデルにはまだ性能差があるのか？
答えはワークロードに依存する。それが、この疑問自体がエンタープライズバイヤーによって再構成されている理由である。絶対的なモデルの優劣を問うのではなく、洗練された組織は各特定タスクに最適なモデルを問う。
日常的なベンチマークでは、ギャップは実質的に解消された。最先端のオープンモデルは、MMLU、GSM8K、HumanEvalにおいて最先端のクローズドモデルから5パーセンテージポイント以内にある。テキスト分類、データ抽出、要約、標準的なカスタマーサポート——エンタープライズAIの主力——において、性能差は実務上無視できる。
コーディングと推論では、状況はより微妙だ。GLM-5.2はコーディングタスクでGPT-5.5を上回り、コストは6分の1である。DeepSeek V4はコーディングベンチマークでGPT-5クラスのモデルと並ぶ。しかし複雑な推論ベンチマーク（FrontierMath、Humanity’s Last Exam、ARC-AGI-2）では、クローズドモデルが15〜30パーセンテージポイントのアドバンテージを維持している。これらは段階的な論理推論、数学的推論、またはトレーニングデータが直接カバーしない新しい問題解決を必要とするタスクである。
実際的な意味は、最適なエンタープライズアーキテクチャは単一モデルではなく、階層化されたスタックだということだ。高容量の日常的推論にはオープンモデル。推論集約型またはセンシティブなワークフローにはクローズドモデルAPI。これこそが、エンタープライズの89%が現在実践していることだ——両方を使用する。問題はオープン対クローズドではない。問題はルーティング最適化である：どのワークロードをどのモデルに送り、品質を維持しながら総コストを最小化するか。
Anthropicのエンタープライズ市場シェアリーダーシップがこの力学を例証している。Anthropicは2026年にエンタープライズLLM API市場の約32%を占め、OpenAIの25%を上回っている。OpenAIが50%超、Anthropicが12%だった2023年からの逆転は、エンタープライズバイヤーが安全性のポジショニングとコーディング性能が要件に合致するプロバイダーを選択していることを反映している。しかしAnthropicの成長でさえ、さらに速く成長するオープンソースセグメントと並行して存在している。APIパイは成長しているが、AI推論市場全体に占める相対的なシェアは縮小している。
Big3はオープンソースの侵入にどう対応しているのか？
既存企業は指をくわえて見ているわけではないが、その対応はオープンソースの経済性と競争することの構造的な困難を露呈している。
OpenAIは急速に3つの新しい価格帯を発表した——プレミアム向けGPT-5.6 Sol、約半額のTerra、そしてこれまでで最も安いLuna。価格圧縮は脅威が現実であることを確認している。しかし各層はさらにマージンを圧縮する。世界のAI収益は2026年第1四半期に250億ドル（中国を除く）に達したが、減価償却費がその3分の2を消費している。OpenAIのポジショニングは構造的に制約されている：価格競争をすればフロンティア研究へのR&D予算を損ない、プレミアム価格を守ればシェアを失う。
GoogleはGeminiを既存のエンタープライズエコシステム（Workspace、Google Cloud、Android）により深く統合することで対応している。戦略は価格や性能だけで勝負するのではなく、エンタープライズがすでに使用している製品にAIをバンドルすることだ。これは防御可能なポジションだが、AI収益をGoogleのクラウドおよび生産性ビジネスの成長範囲に制限する。
Anthropicは安全性とコーディング性能に焦点を当て続け、規制産業のエンタープライズデベロッパーを獲得している。しかし約50億ドルの年換算収益に対してOpenAIの約130億ドルという数字は、チャットGPTで8億人の週間アクティブユーザーを持つライバルと規模で競争する難しさを物語っている。
xAIはGrokでXのユーザーベースを活用し約4%の市場を獲得した——コモディティモデルの時代でもディストリビューションが依然として重要であることを示している。
すべてのプロプライエタリプロバイダーに共通するのは価格圧縮だ。MetaやMistralが競争力のあるオープンモデルをリリースするたびに、プロプライエタリプロバイダーは価格引き下げ圧力にさらされ、実際に値下げする。MIT Sloanの研究は、オープンとクローズドの価格差が今後も縮小し、フラッグシップのプロプライエタリモデルが近い将来に100万トークンあたりの入力$1.00、出力$10.00を下回り、オープンソースがそれぞれ$0.10、$0.30を下回ると予測している。
エンタープライズはこの新しいAI市場で何をすべきか？
最適なエンタープライズ戦略は「最良のモデルを選ぶ」から「ルーティングアーキテクチャを構築する」にシフトした。新しいAI市場の勝者は、単一のプロバイダーに標準化する企業ではない。各タスクに最も安価で許容可能なモデルに動的にルーティングできる企業である。
第一歩はモデルレイヤーの抽象化だ。エンタープライズは、アーキテクチャを変更せずにプロバイダー間を切り替えられるインフラを採用すべきだ。これはハイパースケーラーのロックイン戦略の正反対であり、標準的なプラクティスになりつつある。VercelのCEOは自社が単一のプロバイダーに縛られることなく、コストと性能に基づいてモデル間をルーティングしていることを公然と述べている。
第二歩はワークロードの複雑さによるセグメンテーションだ。高容量の日常的タスク（分類、抽出、要約、標準的カスタマーサポート）はデフォルトでオープンモデルにルーティングすべきだ。推論集約型、センシティブ、またはハイステークスのタスク（契約分析、医療診断支援、複雑なコード生成）は、品質プレミアムがコストプレミアムを正当化するプレミアムAPIを使用すべきだ。
第三歩はコストと性能のフロンティアをリアルタイムで監視することだ。AIモデル市場は歴史上のどのテクノロジー市場よりも速く動いている。今日コスト最適でないモデルが来月には最適になる可能性があり、その逆もあり得る。モデル選択を四半期ごとの決定として扱うのではなく、継続的な最適化プロセスとして扱うエンタープライズが、マージンを残すことになる。
第四歩は高容量ワークロードのためのセルフホスティング能力を準備することだ。推論ハードウェアコストが低下し、オープンモデルが改善するにつれて、セルフホスティングの経済性はますます魅力的になる。内部AIインフラに今投資するエンタープライズは、APIプロバイダーと分け合うことなく、オープンモデルの完全なコスト優位性を獲得できる。
AIモデル市場は2027年にどこへ向かうのか？
正確な終点は不明でも、軌道は明確だ。AI推論におけるプレミアム価格設定の時代は終わりつつある。市場は、モデル機能が限界費用で広く利用可能となり、価値がモデル層ではなくアプリケーション層に蓄積される、コモディティインフラモデルに向かっている。
MIT Sloanの予測——フラッグシップのプロプライエタリモデルが100万トークンあたり$1.00/$10.00を下回る——は保守的に見える。現在の圧縮率でいけば、これらの数字は12ヶ月以内に達成される可能性がある。オープンソースモデルがフラッグシップ品質で$0.10/$0.30を下回るのは、DeepSeek、Qwen、Llamaエコシステムの改善率を考えれば、控えめな推定値ですらある。
より大きな問題はフロンティアに何が起こるかだ。プロプライエタリプロバイダーがプレミアム価格を維持できなければ、次世代のフロンティア研究に資金を提供する能力が制約されるかもしれない。これがOpenAIの現在の戦略の核心にある緊張関係だ：同社はGPT-6レベルの能力に投資すると同時に、オープンソースエコシステムが体系的に弱体化させているビジネスモデルを守らなければならない。AI企業の収益の3分の2をすでに消費している認知インフラ減価償却は、価格が圧縮されるにつれてさらに罰則的になる。
最も可能性の高い結果は二極化した市場だ：オープンモデルによって限界利益率ゼロに近いところで提供されるコモディティ推論と、生のベンチマークスコアではなく推論の深さ、安全性の保証、エンタープライズ統合に価値提案が依存する、少数の資金豊富なプロバイダーに集中するフロンティア機能。同じ品質に対して36倍多く支払う時代は終わりつつある。何がそれに取って代わるかが問題だ。
よくある質問
オープンソースAIモデルはプロプライエタリよりどれくらい安いか？
オープンソースモデルは同等のプロプライエタリ代替品より50〜90%安い。DeepSeek V3.2は100万トークンあたり$0.28/$0.42で、GPT-5.4の$2.50/$15.00と比較して出力トークンで最大36倍安い。GPT-5.4で月額$12,500のワークロードがDeepSeek V3.2では$770になる。セルフホスティングでさらにコスト削減が可能だ。
エンタープライズの何パーセントがオープンソースAIを使用しているか？
Presenc AIの2026年第1四半期調査によると、エンタープライズの89%が本番環境で少なくとも1つのオープンソースモデルを使用している。支配的なパターンは階層化スタックである：日常的推論にオープンモデル、複雑なワークフローにクローズドAPI。
オープンソースAIはプロプライエタリと同じくらい優れているか？
日常的タスク（分類、抽出、要約、標準的サポート）では差は実質的に解消され、差は1〜5%以内だ。複雑な推論ではクローズドモデルが15〜30ポイントのリードを維持している。最適な戦略は単一モデルではなく階層化ルーティングアーキテクチャである。
Big3がこれほどシェアを失った理由は？
OpenAI、Google、Anthropicの合計トークンシェアが12ヶ月で72%から33%に低下した要因は3つ：オープンソースが87%安いこと、標準ベンチマークでの性能収束、そしてエンタープライズがマルチモデルルーティングを採用したことによるスイッチングコストの崩壊。