オープンソースの画像生成AI：2026年の正直なガイド
2026年に押さえておくべきオープンソースの画像生成AIは、GLM-Image（MITライセンス、約160億パラメータ、バイリンガルテキストのスペシャリスト）、Stable Diffusion 1.5とSDXL（エコシステムの主力）、そしてFLUX.1（Black Forest Labsによるフォトリアリズムの有力候補）です。どれが自分に合うかは、リーダーボードではなく、次の3つの問い——作品にテキストが含まれるか、どんなGPUを持っているか、ライセンスが何を許可しているか——で決まります。本ガイドは、リーダーボードをでっち上げたりはしません。
その拒否こそが本ガイドの核心です。この記事の以前の版には、競合の精度パーセンテージ、FIDスコア、コミュニティ規模、速度測定値といった捏造された表に加え、GLM-Imageの誤ったライセンス表記が含まれていました。改訂版では、正直な判断の枠組みと実際のモデル状況はそのまま残し、出典を示せない数字はすべて削除しています。
「オープンソース」で実際に得られるものは何か？
オープンな画像モデルはウェイトを公開しています。モデルをダウンロードし、自分で管理するハードウェア上で実行し、生成した画像は1枚ごとの課金なしで手元に残せます。そこから3つの帰結が生まれます。
第一に、限界費用です。ハードウェアを用意したあとは、追加で1枚生成するコストはほぼ電気代だけです。月間の生成枚数が多い場合、セルフホスティングは限界費用だけで見ればホステッド型の料金を上回ることがほとんどです——ただし「ほとんど」の裏には、ハードウェア、セットアップ時間、メンテナンスといった実際のコストが隠れています。これについては後ほど改めて取り上げます。
第二に、コントロールです。モデルは自分が決めた場所で動きます。プロンプトも画像もマシンの外に出す必要はありません。NDA下のクライアント案件、機密性の高い業界、あるいはクラウドプロバイダーのデータ保持ポリシーを読んだことがある人にとって、これは重要です。
第三に、改変可能性です。オープンウェイトはファインチューン、量子化、そして好きなパイプラインへの組み込みが可能です。クローズドモデルの世界が提供するのは品質、オープンの世界が提供するのはレバレッジです。
落とし穴：「オープン」はライセンス上の用語であって、思想ではありません。ライセンスには意味のある違いがあります——パーミッシブなものもあれば、利用制限が付くもの、商用利用を全面的に禁じるものもあります。ここで推奨するモデルも含め、ビジネスの基盤にする前に必ずモデルカードを確認してください。
GLM-Image：バイリンガルテキストのスペシャリスト
GLM-ImageはZ.aiのオープンソース画像生成モデルだ。パラメータ数は約160億、ライセンスはMIT——商用利用・改変・再配布をほぼ無条件で認める、最も緩い部類のライセンスである。アーキテクチャは自己回帰と拡散を組み合わせたハイブリッドで、テキスト描画専用のGlyph Encoderを備えている。テキストから画像、画像から画像の両方に対応する。
差別化の核は、中国語と英語の画像内テキストだ。生成画像が指定テキストをどれだけ正確に再現するかを測るベンチマークCVTG-2Kでは91.16%を記録している——本記事で取り上げたモデルについて、当サイトが検証できた唯一のベンチマーク数値である。実務に置き換えれば、ポスター、ラベル、メニュー、看板の文字がちゃんと正しく綴られた状態で出てくる。しかも多くの場合、一回の生成で済む。「まず絵を出して、デザインツールで文字を直す」といういつもの二度手間がいらない。
その能力の代償は、モデルの重さだ。ローカル運用にはVRAM約12GB以上のGPUが必要で、同じカード上では軽量なStable Diffusionモデルより1枚あたりの生成は遅くなる。ファインチューン、LoRA、コミュニティ製ツールといった周辺エコシステムは、モデルが新しいこともあり、SDと比べてはるかに小さい。エコシステムの成熟度を引き換えに、テキスト描画能力とMITライセンスを手に入れる、というトレードオフだ。
技術スペックの全体像はGLM-Imageのスペック：検証済みの内容に、テキストの強さの背景にあるアーキテクチャの話はAR＋拡散ハイブリッドの仕組みにある。
Stable Diffusion 1.5とSDXL：エコシステムの勝負
Stability AIのStable Diffusionは、オープンな画像生成が主流になった立役者であり、そのファミリー——とりわけSD 1.5とSDXL——は今もセルフホスティングの世界の要であり続けている。モデルはGLM-ImageやFLUXより軽量で、そこそこのGPUでも動作し、エコシステムの規模は群を抜いている。コミュニティ製のファインチューンとLoRAが数千点、成熟したツール群（ComfyUIなど）、ControlNet系の誘導、アップスケーラー、そして十年分もの厚みがあるチュートリアルの山だ。
弱点はテキストだ。英語の文字入れは当たり外れが大きく、中国語は専用アドオンなしでは事実上使えず、あっても不安定だ。画像にテキストが不要なら——コンセプトアート、イラスト、テクスチャ、スタイル実験——この弱点は問題にならない。エコシステムの広さは他の追随を許さない。
ライセンス注記：Stable DiffusionファミリーはCreativeML OpenRAIL系ライセンスで提供される。商用利用は認められるが、利用制限が付く——特定の有害な目的には使ってはならず、その制限は派生物にも引き継がれる。MITとは違う取引だ。エコシステムは大きいが、紐も多い。ダウンロードするチェックポイントのライセンスは必ず確認すること。コミュニティのファインチューンには独自の条件が付いている場合がある。
FLUX.1：フォトリアリズムの挑戦者
Black Forest Labs発のFLUX.1は、オープンな画像生成の世界における最新の重量級モデルであり、生の画像品質という点でクローズドモデルと比較されることが最も多い——プロンプトへの忠実度が高く、フォトリアリスティックな出力を得意とし、GLM-Image登場以前はオープンモデルの中で最高の英語テキスト描画精度を誇っていた。大規模モデルであり、セルフホスティングは本格的なGPUを要する話で、クラスとしてはGLM-Imageと同程度だ。
ライセンスには重要なニュアンスがあり、「オープン」という言葉をきちんと確認すべき理由の好例でもある。schnellバリアントはApache 2.0（寛容で商用利用にも適したライセンス）だが、devバリアントは非商用ライセンスを採用しており、製品にdevを使うには別途の取り決めが必要だ。同じファミリーでも、バリアントが違えば権利も違う。「FLUXはオープンソースだから何でもできる」と言う人は、モデルカードを読んでいない。
質的な観点では、FLUXとGLM-Imageのどちらを選ぶかは、たいていフォトリアリズム重視かテキスト重視かの選択になる。画像品質が支配的なシーンや英語の見出しにはFLUX、中国語やバイリンガルのテキスト正確性が求められる仕事にはGLM-Image、という使い分けだ。
選び方：実践的な判断フレームワーク
次の質問を順番に検討してください。
- 画像にテキストは含まれますか？ なし — 3つのどれでも対応できます。エコシステムと速度で比較しましょう。英語のみ — GLM-Image または FLUX。中国語またはバイリンガル — GLM-Image。これが検証済みの強みです。
- どのようなハードウェアをお持ちですか？ 控えめなGPU — Stable Diffusionファミリー。12GB以上のカード — GLM-Imageのセルフホスティングは現実的です。GPUがない、または興味がない — ホスト型アプリを使い、この質問は完全にスキップしてください。
- ライセンスは何を許可していますか？ 製品または商用デプロイ — GLM-Image（MIT）または FLUX schnell（Apache 2.0）がクリーンな選択肢です。OpenRAILの制限とFLUX devの非商用条項は先に確認する必要があります。
- ワークフローに何が必要ですか？ ControlNetパイプラインと数千のファインチューン — SD。ワンパスのバイリンガルポスター — GLM-Image。最大限のフォトリアリズム — FLUX。
セルフホストするか、ホスト型アプリを使うか？
オープンモデルにも、仲介された利用経路がある。glmimage.app はブラウザ上で GLM-Image を実行し、1日あたりの無料生成回数に上限があるほか、有料プランは月額 $9.90、$29.90、$79.90 で、それぞれ 500、2,000、6,000 クレジットが付く。1画像あたり10クレジットなので、月あたりおよそ 50枚、200枚、または 600枚——1枚あたり約 $0.20、$0.15、$0.13 だ。ハードウェア不要、セットアップ不要、メンテナンス不要と考えれば、これは妥当な価格である。詳細は 料金ページ と GLMImage の料金解説 を参照してほしい。
セルフホストが勝るのは、利用量が多い場合、プライバシーが必須の場合、あるいはモデルのカスタマイズが必要な場合だ。負けるのは夜の時間だ。セットアップ、ドライバとの格闘、スタックの更新維持は、損益分岐表には決して含まれない本物のコストであり——しかも、この記事の旧版に載っていた表はそもそも捏造だった。多くのチームにとって健全な道はこうだ。まずホスト型アプリで試作し（ワークフローは GLMImage の使い方 で解説している）、利用量がそれを正当化する段階になってからセルフホストへ移ること。
よくある質問
最高のオープンソースAI画像生成ツールは何ですか？
検証済みのクロスモデルベンチマークランキングは存在しません。中国語やバイリンガルテキストにはGLM-Imageが明確な第一選択です（MITライセンス、CVTG-2Kで91.16%検証済み）。エコシステムと軽量ハードウェアならSD 1.5/SDXL、フォトリアリズムならFLUX.1 — ただし各バリアントのライセンスは事前に確認してください。
オープンソースの画像生成ツールは商用利用できますか？
ライセンスはモデルごとに異なります。GLM-ImageはMIT（商用利用可）、FLUX.1 schnellはApache 2.0、一方FLUX.1 devは非商用で、Stable DiffusionのOpenRAILライセンスには利用制限が付いています。リリース前に必ずモデルカードを確認してください。
セルフホストにはどのGPUが必要ですか？
Stable Diffusionモデルは一般的なGPUでも動作します。GLM-Imageは現実的にはVRAM 12GB以上が必要で、FLUX.1も同程度の重量級です。正確な要件は解像度や最適化によって変わるため、各モデルの最新のデプロイメントノートで確認してください。
セルフホストの方が本当に安いですか？
月間の生成量が多い場合は、通常はそうです — 1枚あたりの限界費用は電気代に近づきます。それ以下であれば、ホスト型の料金（glmimage.appは最上位プランで1枚あたり約$0.13から）の方が、GPUの購入・維持より安く済みます。
ハードウェアは一切不要。ブラウザですぐに始められます：GLM-Imageジェネレーターを開く →
