3090は奇妙な基準点だ。4090のほうが性能は上で、5090も発表済み──それなのに、なぜ3年前の中級フラッグシップが選ばれるのか。
RTX 3090という奇妙な基準点
2024年現在、3090は最早フラッグシップではない。4090は性能が50%高く、消費電力は低い。5090もCESで発表されたばかりだ。それでもオープンウェイトモデルのプロモーションでは、この2枚より3090の登場頻度が圧倒的に高い。理由は単純。
- 流通量が多い。2021〜2022年のマイニングブームで大量の3090が買い占められ、ブーム終息後に中古市場へ流れた。現在、状態のいい個体が約10万円前後で取引されている
- 24GBのVRAM。ここが決め手。4090は16GBしかなく、70Bモデルを動かすには量子化+CPUオフロードが不可欠で、体験はよろしくない。3090なら量子化した13B〜30Bモデルが乗り、対話程度はぎりぎり可能
- 専用電源やケースが不要。一般的なワークステーションの電源で動かせる
つまり3090は「最高性能」だから選ばれたのではなく、「一番ユーザーが多いから」選ばれたのだ。Museのポジショニングは巧妙で、彼らが狙うのは新規購入者ではなく、机の肥やしになっている3090を既に持っている層だ。
GlimmerとSparkは別物
Museは今回2つのモデルを同時に公開したが、ターゲットは大きく異なる。
| モデル | 位置付け | 対象ハードウェア |
|---|---|---|
| Glimmer | 小型モデル | シングル3090(24GB) |
| Spark | 大型モデル(推定) | マルチGPU / H100 |
大小ペアの同時投入は新しい手法ではない。MetaがLlama 3を出したときも8Bと70Bを同時に公開し、はじめに小さいモデルでPOCを回させ、物足りなければ大きいモデルへ乗り換えてもらう──という流れを作っていた。
ただしGlimmerとSparkの具体的な仕様はMuseからほとんど公開されていない。Latent Spaceの報道では「Glimmer runs on a single RTX 3090」[^1]とだけ触れられ、パラメータ数・コンテキスト長・学習データなどの詳細は語られていない。オープンウェイトモデル特有の悩ましいポイントで、ウェイトは公開するが技術レポートは出さない。結果として外部は推測しかできない。
「Personal Superintelligence」というワードが刺さる
「Superintelligence」をOpenAIのビジョンとして初めて用いたのは、Sam Altmanの年初のブログ記事だった。Museが「Personal Superintelligence promise」というフレーズを掲げているのは明白な便乗だ。
ここで問われるのは、「Personal」という接頭辞が単なるマーケティングか、それとも実質的な差別化か──という点。
結論を言えば、この言葉はオープンウェイト+ローカル動作という文脈において、実体を持つ。
「Personal」がこの文脈で意味するのは「あなた向けにカスタマイズされた」ではなく、以下のことだ。
- データが自分のマシンの外に出ない
- サードパーティAPIを経由しない
- 微調整・改変・商用利用が可能(ライセンスによる)
- ベンダーのポリシー変更に左右されない
これはOpenAIの「Superintelligence」とは方向性が異なる。OpenAIは中央集権的な超強力AIを志向しているが、「Personal Superintelligence」は分散型、デスクトップで動くAIを指す。両者は同じ認知的位置取りを奪い合っている。
アメリカ発オープンウェイトのナラティブ不安
ここ半年で、オープン系のベンチマーク風景は一変した。
- DeepSeek V3 / R1がLMSysやOpenCompassの上位を席巻
- Qwen 2.5シリーズがHuggingFaceダウンロード数で上位3圏内をキープ
- Kimi K2が長文タスクでGPT-4を逆転
- GLM-4.5 / 智譜が多言語タスクで強みを発揮
中国勢は「オープンソースモデル」というラベルのデフォルト連想を「米国大手の製品」から「中国チーム作」へと引きずり下ろした。
この状況下でLatent SpaceがMuseに対して「a small win for American open models」[^1]と表現している点が興味深い。「American」という単語をわざわざ強調しているということは、今このラベルには意味があり、奪還されるべきもの──という認識が背景にある。
Glimmerは技術的成果物というより、政治的妥当性の成果物だ。Qwen2.5-32Bより強いとは限らないし、Llama 3.1-8Bより強いとも限らない。ただしアメリカ製で、3090で動き、open weightsを掲げている必要がある。これらすべてが揃って初めて「a small win」と呼べる。
オープンウェイト≠オープンソース、ただし今回は十分
GlimmerはOpen Weightsであって、Open Sourceではない。両者の違いはこうだ。
- Open Weights:ウェイトファイルが配布されダウンロード・実行可能。ただし学習コード・学習データ・データ処理パイプラインは非公開
- Open Source:上記すべてが公開され、通常はOSI認定のライセンスが用いられる
学術界ではOpen Weightsへの批判が続いている。Llamaシリーズも同様の批判を受けてきた──「ウェイトだけ公開して学習過程が再現できないなら、それはオープンソースとは呼べない」というものだ。
しかし個人ユーザーや中小企業にとって、この区別はさほど重要ではない。ローカルで動くこと、微調整できること、商用利用の制限が少ないこと──この3点が満たされれば実用上は十分だ。Glimmerの真の価値は学術的な純粋性ではなく、実用性──「3090で動く」という一点に尽きる。
一つの見立て:Glimmerは潮流を変えない、Sparkならあり得る
判断はこうだ。
Glimmerは潮流を変えない。
小型モデルはデモとしては有用だが、プロダクションには力不足だ。8Bクラスのモデルは既に「玩具」レベルに落ちており、雑談はできてもコーディングは覚束ない、Agentには力不足、RAGの検索品質も伸びない。このレンジはQwen2.5-7BやLlama 3.1-8Bが約1年かけて競争してきた市場で、Glimmerが抜け出すには明確な差別化が必要だが、現状の発表内容からは見えてこない。
Sparkなら可能性がある。
ただしそれはベンチマーク次第だ。Sparkが本当に70B以上であり、コーディング・Agent・長コンテキストの各軸でLlama 3.1-70Bを抑え込めるなら、Museは再評価に値する。現時点でLatent Spaceの報道はSparkの技術的詳細にほぼ触れておらず、Muse自身からの続報を待つしかない。
まとめ
Glimmerの3090アンカー、「Personal Superintelligence」というスローガン、Open Weightsというポジショニング──この3点が組み合わさっている意味は、突き詰めれば「反SaaS」の打ち出しだ。サブスクなし、アップロードなし、ベンダー依存なし、一度ダウンロードすれば永久に使える。
この手はDeepSeekが既に打っており、より徹底している。Glimmerが3090というニッチ市場で立ち位置を確保できるかどうかは、Qwen2.5-32B-Instructとの実際の性能差次第だ。3090で32Bの量子版を動かすことも不可能ではなく、この比較はMuseがいずれ避けて通れなくなる。
「アメリカ発オープン vs 中国発オープン」というナラティブ争いは、まだ序の口に過ぎない。
[^1]: Latent Space, "AI News: Muse Glimmer and Spark open models", https://www.latent.space/p/ainews-muse-glimmer-and-spark-open