2026年6月、オープンソース・オープンウェイトLLMの進化が加速している。MiniMax M3がSWE-Bench Proでトップ評価のプロプライエタリモデルを超え、Zhipu AIのGLM-5.2がMITライセンスで長時間コーディングタスクの精度を大幅に向上。さらにOllamaやLM Studioを通じたローカル実行環境の整備が進み、「フロンティアAIをオープンに」という流れが一段と具体化している。
MiniMax M3：初のオープンウェイトでSWE-Bench Pro首位
上海のAIラボMiniMaxが2026年6月1日に発表したM3は、「フロンティアレベルのコーディング性能・100万トークンコンテキスト・ネイティブマルチモーダル」を単一モデルで組み合わせた初のオープンウェイトモデルとして注目を集めた。
コーディングエージェント能力を測るSWE-Bench Proでは59.0%を記録し、同ベンチマークでGPT-5.5の58.6%をわずかに上回ると発表された。APIの価格はinput $0.60・output $2.40 per 100万トークンで、GPT-5.5比で約8〜12倍コスト効率が良い計算になる。独自のMSA（Multi-head Sparse Attention）アーキテクチャを採用し、100万トークンの長いコンテキストでも安定したパフォーマンスを維持するとしている。
ただし注意点もある。Tech Timesなどの報道によれば、ベンチマーク結果はすべてMiniMax自社インフラ上での実測値であり、独立した第三者による検証は済んでいない。また公開を予告していたモデルの重みは発表時点ではまだリリースされていないと報じられており、「オープンウェイト」の実態については引き続き注視が必要だ。さらに中国の2017年国家情報法の適用可能性について懸念を指摘する声もある。
出典: ofox.ai — MiniMax M3 vs GPT-5.5、Tech Times、LushBinary
GLM-5.2：MITライセンスで長時間コーディング精度が大幅向上
Zhipu AI（国際ブランド：Z.ai）が2026年6月13日に公開したGLM-5.2は、MITライセンスという最も制約の少ないオープンライセンスと、長時間タスクへの高い耐久性が特徴だ。The Decoderによる報道によれば、数時間・数千ステップにわたるコーディングジョブを評価するFrontierSWEベンチマークでは74.4%を達成し、前バージョンGLM-5.1から大幅に向上した。
- FrontierSWE: 74.4%（GLM-5.1は約65%台。Claude Opus 4.8は75.4%）
- Terminal-Bench 2.1: 81点（GLM-5.1の63.5から大幅アップ）
- コンテキストウィンドウ: 100万トークンを安定維持
- ライセンス: MIT（地域制限なし）
「地域制限なし」というメッセージを添えてリリースされた点も注目される。長時間の自律的なエンジニアリングタスクに対応する能力は、AIコーディングエージェントの実用化を考えるうえで重要な指標となっている。
2026年6月時点：主要オープンウェイトLLM比較
現在のオープンウェイトLLM市場は用途ごとに選択肢が多様化している。kilo.aiやBentoMLのまとめをもとに代表的なモデルを整理した。
| モデル | 開発元 | 特徴 | ライセンス |
|---|---|---|---|
| MiniMax M3 | MiniMax | SWE-Bench Pro 59.0%、1Mコンテキスト、マルチモーダル | オープンウェイト（重み未公開） |
| GLM-5.2 | Zhipu AI / Z.ai | FrontierSWE 74.4%、長時間コーディング、1Mコンテキスト | MIT |
| DeepSeek V4-Flash | DeepSeek | 284B/13B active MoE、1Mコンテキスト、H100×1枚で動作 | MIT |
| Kimi K2.6 | Moonshot AI | エージェントスワーム・長時間自律実行に強み | オープンウェイト |
| Qwen3.5-27B | Alibaba | SWE-bench Verified 72.4%、16GB GPU 1枚で動作 | Apache 2.0 |
| Gemma 4 12B | 16GB RAMで動作、ネイティブ音声対応、Apache 2.0 | Apache 2.0 |
出典: Kilo Code — Best Open-Source Coding Models 2026、BentoML — Best Open-Source LLMs 2026
ローカルLLMは「趣味」から「実務の標準」へ
SitePointやOvechat AIなどの記事によれば、2026年はローカルLLM実行の「転換点」と呼ばれている。Ollamaはコマンド1行でモデルを起動でき、ollama pull qwen3:8b のように最新モデルを即座に手元に展開できる。LM StudioはGUIから管理できるため、開発者以外にも門戸が広がった。
実際にローカルで動かすための最低ハードウェア目安は以下のとおり（Q4_K_M量子化時）:
- 7Bモデル: 8〜16GB RAM/VRAM
- 27〜31Bモデル（Qwen3.5-27B、Gemma 4 31B）: 単一RTX 4090（24GB）
- Gemma 4 E4B: わずか3GB VRAMでノートPCやRaspberry Pi相当でも動作
プライバシー確保・コスト削減・オフライン実行の3つの観点から、ローカルLLMをIDEや業務ワークフローの標準コンポーネントとして採用する動きが開発現場で広がっている。
出典: SitePoint — Local LLMs Complete Guide 2026、Overchat AI — Best Local LLMs 2026
主な情報源
- ofox.ai — MiniMax M3 vs GPT-5.5: SWE-Bench Pro比較
- Tech Times — MiniMax M3 Open-Weight Coding Model
- LushBinary — MiniMax M3 Developer Guide
- The Decoder — GLM-5.2のコーディングマラソン評価
- Kilo Code — Best Open-Source Coding Models 2026
- BentoML — Best Open-Source LLMs 2026
- SitePoint — Local LLMs Are Getting Easier (2026)
- Pinggy — Top 5 Local LLM Tools and Models 2026
各サービスは提供元の規約に従ってご利用ください。情報は各情報源の公開時点のものです。収集・要約はAI、公開判断は人。