Databricks におけるオープンウェイトモデルのエンタープライズ活用

Databricks のフィールドエンジニアとして、私たちは日々エンタープライズ AI のデプロイメントに携わり、戦略の明確な変化を目の当たりにしてきました。単一の最先端モデルプロバイダーの標準化を2年間続けた後、企業は7つの重要なプレッシャーからそのアプローチを再評価しています。

AI 戦略を形作る7つの考察

1. 支出に見合う十分なリターンが得られていない。 AI の予算が収益やコスト削減を上回っており、より優れたユニットエコノミクスが求められています [1]。

2. モデルのランキングは2023年以降、何度も変動している。 コーディング、推論、抽出において最適なモデルは毎月のように変わり、最高性能のランキングは2023年5月以降、20回以上入れ替わっています [2]。特定のプロバイダーに縛られたアーキテクチャでは、ランキングの変動に合わせてより優れたモデルを採用することが難しくなります。

3. 最先端のガードレールが正当な作業をブロックすることがある。 AI ラボによって課されたモデルのガードレールは、ライブマルウェアの解析や、パッチ適用のためのエクスプロイトの再現といった正当なタスクを拒否することがあります。これは、最近の Hugging Face のインシデントで判明した制限です [6][7]。Hugging Face のレスポンダーが実際の攻撃ログやエクスプロイトのペイロードをホストされた最先端モデルに入力して分析しようとした際、ガードレールがそれを拒否したため、チームは代わりにオープンウェイトモデル（GLM 5.2）で分析を実行しました。

4. データ保持ポリシーは進化しており、今後も変化し続ける可能性がある。 一部の最先端プロバイダーは、Anthropic の最先端ティアで導入された30日間の最小保持期間のように、ゼロデータ保持（ZDR）ポリシーから逸脱しています [8]。「プロンプトも完了も一切保存されない」という原則に基づいてコンプライアンスポリシーが策定されていた企業にとって、上流のポリシー変更は問題を引き起こし、システム変更が必要になる可能性があります。

5. 企業はモデルガバナンスの可視性と制御を求めている。 AI モデル全体にわたるエンドツーエンドの可視性とガバナンスに対する需要が高まっています。顧客は、モデルの入力、出力、エラー、エージェントのアクションに関する検索可能な記録を求めており、チームが精度を評価してパフォーマンスを向上させられるようにするとともに、機密データや知的財産を保護するための集中管理コントロールを求めています。

6. モデルだけでなく、ハーネスも同様に重要である。 Databricks の調査によると、モデル周辺の基盤、つまりプロンプト、ツール、制御フローのハーネスが、測定されるパフォーマンスに影響を与えることが示されています。Databricks の独自のベンチマークでは、同じモデルが 1 つのハーネスでは 61.7%、別のハーネスでは 48.1%、ベアでは 38.4% のスコアを記録しました [9]。ハーネスの選択によってベンチマーク結果が変わるため、評価ではモデルとハーネスを一緒にテストする必要があります。

7. オープンウェイトモデルが最先端モデルに追いついた。 現在の主要なオープンウェイトモデルは、最先端モデルと同等のレベルのベンチマークを、より低いコストで達成しています [3][4][5]。18ヶ月前にはこれは当てはまりませんでした。最先端レベルのベンチマークパフォーマンスを達成したオープンウェイトモデルは、他の6つのポイントで説明されているコスト、制御、デプロイメントのトレードオフを変化させます。

これらの考察全体を通じて、企業は 1) 生産性の向上を犠牲にすることなくコストを最適化し、2) 運用の自由度を維持し、3) AI の導入によってイノベーションを迅速に取り入れられるようにすることを目指しています。そのためには、ガバナンスを弱めることなくモデルやハーネスを変更できるアーキテクチャが必要です。

オープンウェイトモデルの魅力

オープンウェイトモデルは、最先端モデルと比較してコスト効率、制御性、柔軟性が向上しています。

• コモディティ化されたインテリジェンス: モデルのインテリジェンスがコモディティ化するにつれて、オープンウェイトの選択肢は、わずかなコストでトップの最先端モデルと同等のインテリジェンスを提供し、AI デプロイメントの ROI を向上させます。
• データ主権: 制御可能なインフラストラクチャ上でモデルをホストすることで、チームはコンプライアンス、セキュリティ、データ保持ポリシーに対する権限を持つことができ、将来的なコンプライアンス違反の変更のリスクを軽減できます。
• 完全な運用上の自律性: オープンウェイトモデルにより、チームは最先端のガードレールによって阻害される可能性のあるワークロード（サイバーセキュリティの対応など）を実行できます。

出典: [5] DeepSWE Leaderboard by Cost。主要なオープンウェイトモデルの一部を同等の独自モデルと比較し、著者の裁量でフィルタリングしています。

Unity Gateway でオープンウェイトモデルを使用するメリット

最先端モデルと並行してオープンウェイトモデルを活用する

Unity Gateway は、一元化されたガバナンスコントロールを備えた統合 API を通じてオープンウェイトモデルと最先端モデルを提供します。これにより、コードの変更やその他の抽象化を介するのではなく [12][13]、設定やスマートルーティングを介してモデルを切り替えることができます [10][11]。

Unity Gateway のマルチモデル機能は、顧客の AI 戦略に不可欠なものになりつつあります。1月以降、顧客あたりの平均ユニークモデル数は 4.2 から 7.1 に増加しており、これは Unity Catalog で利用可能なオプションと、より高い ROI を持つモデルの追求を示しています。それらのモデルのうち、約 40% がオープンウェイトでした。

出典: 2026年1月5日の週から2026年7月27日の週までの期間における Databricks の内部データ。Genie One を使用して作成されました。

業界トップクラスの速度で大規模なオープンウェイトモデルを使用する

競争力のある応答時間で大規模なオープンウェイトモデルを提供するには、大規模なコスト効率を維持するための最適化が必要です。Databricks は、最先端の GPU にデプロイされたカスタマイズされた推論エンジンと最適化されたカーネルを活用することで、レイテンシーの制約に対処します。Artificial Analysis による独立した評価では、これらのパフォーマンス特性が強調されています。たとえば、GLM 5.3 (max) は、Databricks上で 9.1 秒のエンドツーエンドの応答時間（入力処理、推論、生成を含む）を達成し [15]、最高性能のマネージドエンドポイントと肩を並べるパフォーマンスを発揮しています [16]。

出典: [15] GLM 5.3 Model Providers: Artificial Analysis

すべてのモデルのコストと使用量を一箇所でガバナンスする

Unity Gateway でこれらのモデルをガバナンスし、コストを制御するのに役立つ主な機能の一部を以下に示します。

• スマートルーティングは、セッションをタスクに最適なコスト効率の高いモデルに送信するため、ルーティンタスクは最先端モデルから移行されます [10][11]。
• フォールバックチェーンは、モデルのレート制限やプロバイダーの障害に応じて自動的にルーティングを再設定します [14]。
• ユーザー、チーム、またはユースケースごとの支出上限付き予算により、際限のない支出を防ぎます [19][30]。これらの制限は、ソフトな警告から、セッションを安価なモデルに再ルーティングする厳格なポリシーまで、さまざまなレベルの厳しさで設定できます。
• ツールとスキルの一元的なガバナンス。 Unity Catalogは、組み込みのMCPサーバーに加え、管理プロキシ経由で実行され一元的に監査される外部MCPサーバーの登録をサポートしています。これにより、エージェントはモデルと同じガバナンスを適用してツールを利用できます [20]。スキル [21] も登録してガバナンスを効かせることができ、反復的なワークフローにおける決定性とトークンの効率性が向上します。
• オープンウェイト、外部、およびフロンティアモデルにわたる統合ガバナンス。 モデルプロバイダーサービス [17] を介して外部モデルプロバイダー（Amazon Bedrock、Azure AI Foundryなど）を接続し、Databricksでホストされるオープンウェイトおよびフロンティアモデルに使用されるものと同じ中央ガバナンスレイヤーを介してリクエストをルーティングします [18]。単一のプラットフォームから、モデルポートフォリオ全体のアクセス、費用管理、および監査証跡を管理できます。

企業はワークフローをオープンウェイトモデルへと移行しています

GLM 5.2の登場と同時に、Unity Gatewayでのオープンウェイトの使用量が急増しました。7月中旬にGLM 5.2が利用可能になって以来、その使用量は増加しています。同時に、Unity Gatewayの顧客全体の成長率は比較的安定しており、既存の顧客がより多くのAIトラフィックをオープンウェイトモデルにシフトさせたことを示唆しています。提供開始からわずか1か月で、GLM 5.2はUnity Gatewayで使用されるオープンウェイトトークンの約40%をすでに占めており、その成長の大部分はインクリメンタルなものです。GLM 5.3とKimi K3のベンチマーク性能により、顧客はGLM 5.2に加えて評価できる別のオープンウェイトの選択肢を得ることができます [5]。

出所：2026年1月5日の週から2026年7月27日の週までの期間におけるDatabricksの内部データ。Genie Oneを使用して作成

この需要をサポートするため、Databricksは7月に30億ドルの資金調達ラウンドを発表しました。CEOのAli GhodsiはCNBCの取材に対し、この資金調達の一部はオープンモデルをホストするためのGPU容量を確保するためであると述べています。「世界中でGPUが不足しています…日本、韓国、米国、インドなど、これらを大量に確保する必要があり、それには多額の資金が必要です。それが今回の資金調達のきっかけとなりました」 [22]。

Unity Gatewayを使用してプロバイダーハーネス内のオープンウェイトモデルにアクセスする

開発者がすでに使い慣れているハーネスでも、Databricksでホストされているオープンウェイトモデルを引き続き実行できます。7月下旬の時点で、GLM 5.3を含むUnity Gatewayで提供されるモデルは、CodexやOpenCodeなどのプロバイダーコーディングハーネス内で実行可能であり [12][26]、追加のハーネスのサポートも順次拡大されています。このゲートウェイはハーネスごとにOpenAI互換のエンドポイントを公開しているため、セットアップは設定を変更するだけです。ハーネスをワークスペースのゲートウェイURLに向けるか、1行のコードで ucodeヘルパー を使用します。

ucode codex --model system.ai.glm-5-3

おわりに

すべてのワークフローにおいて単一のモデルやプロバイダーが品質、コスト、ポリシーの適合性の面で常に優れているとは限らないため、企業は複数のモデルのポートフォリオを計画する必要があります。選択肢の中でも、オープンウェイトモデルは現在、低コストで競争力のあるインテリジェンスを提供し、データ処理やガバナンスポリシーの制御をより高めます。対照的に、フロンティアモデルは、より優れた結果をもたらす場所で依然として有用です。Unity Gatewayは、一般的なアクセスクロントロール、ルーティングポリシー、予算、および監査を通じて、これらのオプションを管理します。Omnigentはその柔軟性をハーネスにまで拡張し、チームがワークフローを再構築することなくモデルやエージェント環境を変更できるようにします。

この記事の利用データは、顧客がすでにこの方向へ向かって動いていることを示しています。より多くのモデルを提供し、より多くのトラフィックをオープンウェイトに向け、ポータブルなハーネスを使用して選択肢を広げています。持続的な強みは、モデルのオプション、品質、価格、ポリシーの要件が進化するにつれて、そうした変更を迅速に行う能力にあります。

出所

[1] Nanda, M., Challapally, A., Pease, C., Raskar, R., & Chari, P. (2025年7月). The GenAI divide: State of AI in business 2025 (AI実装調査からの予備的調査結果). Project NANDA, マサチューセッツ工科大学. 
[2] LLM Leaderboard History: AI Rankings 2023-2026 Tracked, BenchLM 
[3] Kimi K3 - 知能、パフォーマンス、価格の分析、Artificial Analysis 
[4] GLM-5.3 (max) - 知能、パフォーマンス、価格の分析 | Artificial Analysis 
[5] DeepSWE Leaderboard by Cost 
[6] セキュリティインシデントの開示、2026年7月、Hugging Face Blog 
[7] OpenAIのHugging Faceでのデータ侵害が示す最先端AIのガードレールの機能不全、Forbes、2026年7月23日 
[8] Fable 5およびMythos 5へのアクセス一時停止に関する米政府の指示についての声明 
[9] AIエージェントハーネスとは何か、Databricks Blog 
[10] コーディングエージェント向けスマートルーティング 
[11] Unity AI Gatewayでのスマートルーティング：タスクあたりのコストを30%以上削減しながら最先端の品質を実現 
[12] Databricksホスト型基盤モデル、Databricksドキュメント 
[13] Agent Bricks: Data + AI Summit 2026、Databricks Blog 
[14] モデルサービスのルーティングとフォールバックの設定 
[15] GLM-5.3 (max) APIプロバイダーのベンチマークと分析 
[16] https://artificialanalysis.ai/models#end-to-end-response-time 
[17] 外部モデルプロバイダーのガバナンス（モデルプロバイダーサービス） 
[18] Databricks Unity AI Gateway ドキュメント 
[19] Unity Gatewayの予算管理 
[20] Unity AI Gateway: エージェントを外部MCPに安全に接続する方法、Databricks Blog 
[21] Unity Gatewayでのスキルサポート 
[22] Databricks CEO：Kimiのようなオープンソースモデルをホストしており、GPUが不足している、CNBC、2026年7月17日 
[23] モデルと認証情報、Omnigentドキュメント 
[24] Databricksの数百万行におよぶコードベースでのコーディングエージェントのベンチマーク 
[25] Unity AI Gatewayを活用した大規模なMCPのガバナンス 
[26] コーディングエージェントでのオープンソースモデルの使用 
[27] Unity AI Gateway：マルチAIガバナンスとコスト管理、Databricks 
[28] Omnigentのご紹介：エージェントの結合、制御、共有を実現するメタハーネス、Databricks Blog 
[29] GLM-5.2プロバイダー：出力速度の比較、Artificial Analysis 
[30] Unity GatewayでのAI利用コスト管理機能のご紹介 
[31] Omnigentのご紹介：エージェントの結合、制御、共有を実現するメタハーネス

Unity AI Gatewayを試す

単一の統一されたプラットフォームを通じて、オープンウェイト、最先端、および外部モデルのガバナンス、ルーティング、モニタリングを行う方法を学びます。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事