アンソロピックの脅威レポートで浮かび上がったアリババ QwenのソブリンAIリスク。Qwen採用日本企業はこれから大丈夫なのか？徹底解明レポート

今泉追記：

私が監修しているさっつーのAIエージェントで、今回のアンソロピックの脅威レポートの中国系AI企業による「不正蒸留」事案の所だけをサマライズするレポートを上げました。

さっつーのAIエージェント：アンソロピックの脅威レポートで報告された中国系AI企業「不正蒸留」事案に関するレポート

中国人そこまでやるか...という内容になっています。これで中国系AIに関する世界的信頼度は一挙に失墜したと思います。中国系AI企業のAIモデルは、欧米日の市場から駆逐されるでしょう。同時に「では日本企業は、ソブリンAI文脈で、どのAIモデルを使えばいいのか？」という難問が立ちはだかります。

消去法的な選択肢は、NVIDIAのオンプレミス（インターネットに接続されていないAIサーバー）とパランティア（米国CIAや国防総省が種々のAI製品を導入済）が共同でリリースした「米国系ソブリンAI製品」ということになるのでしょうか？日本国内にはまだ選択肢は存在しません。

Palantir and Nvidia Are Building a Sovereign AI Stack. Who Captures More of the Economics?

アンソロピックが、自社の商用AIモデルが中国のアリババ、ムーンショット（Kimi 3開発元）などの中国系AI企業や、中東の反米軍事組織等によって悪用されていることを詳細に報告した脅威インテリジェンスレポートを公開し、Xでは大きな議論が沸き起こっています。

アンソロピック公式のX投稿

上記投稿にリンクされているアンソロピックが公開した

脅威インテリジェンスレポート：Detecting and countering misuse of AI: September 2026

154ページあります。

このレポートの中で指摘されている中国系AI企業による「不正蒸留」事案の中に、欧米や日本を含む各国企業の中でオープンソースAIモデルの言わばデファクトスタンダートになっている「Qwen」の開発元アリババの事案があります。これがソブリンAIの文脈における地政学リスクに関して、かなりややこしい問題をはらんでいます。それについて、Geminiディープリサーチアルゴリズムに分析させて見ました。

端的には、米国政府が米国AI企業のモデルを不正蒸留した中国AI企業のオープンソースモデルを「使用禁止」にした場合に、これを使っていた日本企業が即座に「AIを止めろ」的な状況になる可能性がある...ということです。

わが国におけるソブリンAIに求められる要件のバーが一段上がったと認識しています。

1. はじめに：問題の背景と本レポートの目的

米国の先端AI開発企業であるAnthropic社が公表した脅威インテリジェンスレポートにおいて、中国の大手テクノロジー企業であるAlibabaグループおよび複数の中国系AI企業が、同社のフラグシップモデル「Claude」に対して産業規模での不正蒸留（Illicit Distillation）を行っていた実態が告発されました。同レポートによれば、Alibabaに関連する運用グループは、2026年5月から7月までの期間に3,500件を超える不正アカウントおよびプロキシ網を組織的に運用し、1億5,100万件以上（ピーク時には1日あたり約300万件）ものAPI対話を実行してClaude Opus等の思考連鎖（Chain of Thought）や高度なコーディング、エージェント推論能力を抽出していたとされています。この告発に先立ち、米国土安全保障省サイバーセキュリティ・インフラセキュリティ庁（CISA）、連邦捜査局（FBI）、国家安全保障局（NSA）も、中国系AI企業による米先端モデルに対する大規模な蒸留活動を知的財産略奪およびサプライチェーン上の重大な脅威とする共同サイバーセキュリティ勧告を発出しており、米政府高官からも輸出管理規制やエンティティ・リスト（禁輸対象リスト）指定の可能性が言及されています。

Alibabaが開発・公開する「Qwen（千問）」シリーズは、オープンウェイト（モデルのパラメータが公開され、ローカル環境で自立実行可能な形式）として極めて高い推論性能と日本語処理能力を有しており、日本の大手ITベンダーや製造業をはじめとする多様な国内企業において検証や実務適用が進められてきました。しかし、この度の不正蒸留告発および米中デカップリングの深刻化を受け、国内企業の経営企画層やCIO/CISOの間では「既存のQwenモデルに入力した自社の機密情報や顧客データが中国側に漏洩しているのではないか」というセキュリティ上の懸念と、「今後リリースされるQwenや派生モデルの採用は、法的紛争や国際規制への抵触を招くため全面的に停止すべきではないか」というガバナンス上の懸念が急速に高まっています。

本レポートの目的は、ITガバナンスおよび経済安全保障の専門的見地から、技術的ファクト（モデルの動作原理および実行基盤のアーキテクチャ）と、地政学的・法的ファクト（知的財産権の侵害リスク、サプライチェーン規制）を客観的かつ厳格に切り分け、日本企業が下すべき合理的かつ実効的な採用・運用判断基準を提示することにあります。

2. 【技術検証】既存Qwenモデルにおける入力データ漏洩リスクの実態

「モデル訓練時の不正蒸留」と「推論時のデータ送信」の混同を解く技術的解説

現下の懸念において最も頻繁に見られる誤認は、モデルの「開発・学習フェーズにおける他社知財の取得行為」と、モデルの「運用・推論フェーズにおける入出力データの通信挙動」の混同にあります。この2つの事象は、技術的レイヤーおよびデータフローの観点から明確に区別して理解する必要があります。

知識蒸留（Knowledge Distillation）とは、巨大で高性能な「教師モデル」の出力を、開発対象である「生徒モデル」の学習データとして用いることで、軽量かつ高性能なモデルを効率的に訓練する機械学習の標準的な手法です。Anthropic社が告発したのは、Alibaba等の開発部隊が、同社の商用利用規約で禁止されている「競合モデルの訓練」を目的として、ClaudeのAPI出力を組織的かつ大量にスクレイピング・抽出（データ・ハーベスティング）し、Qwen等の自社モデルの学習データセットへ混入させたという、モデル開発段階における規約違反行為です。

これに対し、ユーザー企業が自社の業務システムでプロンプトを入力し回答を得る処理は「推論（Inference）」と呼ばれます。モデルが訓練時に他社の出力を不正に学習していたとしても、その結果として生成されたモデルの重みパラメータ（シナプス結合の強度を記録した静的な多次元数値配列）それ自体が、推論時に自律して外部サーバーへのネットワーク通信を確立したり、入力されたプロンプトを秘密裏に送信したりする通信機能を持つことは技術的に不可能です。モデルファイル単体は実行プログラムではなく静的データであり、推論処理そのものはユーザーが用意した計算基盤上のメモリ内で実行される行列演算に過ぎません。したがって、「Qwenの開発過程でClaudeからの不正蒸留が行われた」という事実から、「Qwenのオープンモデルに投入した社内データがAlibabaや中国政府へ自動送信される」という因果関係は導かれません。

ただし、一部の中国系AIサービス（Moonshot社のKimiやDeepSeekなど）では、一般ユーザーが投入したプロンプトをバックエンドでリアルタイムにClaudeのAPIへ無断転送し、Claudeの生成結果を自社サービスの回答として返戻する「リレー運用」を行っていたことが判明しています。この過程において、機微な監視カメラ情報やデータベースの認証情報がAnthropic側に流出していた事例が報告されています。このようなデータ流出リスクが発生するか否かは、モデルの出所ではなく「モデルをどのインフラ基盤上で実行しているか」というアーキテクチャの選択に完全に依存します。

ローカル環境（オンプレミス）とクラウドAPI利用の決定的なセキュリティ差異

企業がQwenモデルを活用するにあたり、技術的な情報漏洩リスクは実行基盤が「自社管理下のプライベート環境」か「Alibaba Cloud等の外部マネージドAPI」かによって根本的に分かれます。

自社が調達したオンプレミスサーバーや専用プライベートクラウド（VPC）環境にオープンウェイトファイルをダウンロードし、外部インターネットへのアウトバウンド（Egress）通信をファイアウォールで完全に遮断した環境で推論を実行する場合、自社が入力したプロンプトや生成データが外部の第三者や中国国内のサーバーへ送信される経路は物理的・論理的に存在しません。すべてのデータ処理は社内ネットワークの境界線内で完結するため、推論時の機密性および完全性は自社のインフラセキュリティポリシーによって100%担保されます。

一方、Alibaba Cloudが提供するModel Studio（百煉）等のマネージドAPI経由で推論を行う場合、入力されたテキストや添付ファイルは公衆網または専用線を経由してプロバイダの管理するデータセンターへ送信されます。この場合、通信暗号化（TLS等）が講じられていたとしても、データセンター内でのログ保存や処理は中国の法規制の管轄下に置かれます。具体的には、中国の「サイバーセキュリティ法（CSL）」「データセキュリティ法（DSL）」、および国家の情報機関への協力を義務付ける「国家情報法第7条」に基づき、中国政府の公権力によるデータ開示請求を企業側が拒絶することは極めて困難です。したがって、外部API経由の利用においては、通信内容が中国当局に傍受・分析される法的なリスクが常に存在します。

オープンウェイトモデル利用時に企業が確認すべきサプライチェーン監査項目

オープンウェイトモデルの重みファイル自体が静的データであるとはいえ、それを読み込んで実行するAIソフトウェアスタック全体には深刻なサプライチェーン脆弱性が存在します。悪意ある第三者がモデル配布プラットフォームやオープンソースライブラリを標的とした攻撃を仕掛けた場合、オンプレミス環境であっても侵入を許すリスクがあるため、情報システム部門は以下の3項目に関する厳格な監査を実施しなければなりません。

まず第一に、モデルファイルのフォーマット監査が挙げられます。Pythonの標準的なオブジェクト直列化形式である「Pickle形式（.binや.pklの拡張子を持つファイル）」は、ファイル読み込みの過程で任意のコードを実行できる構造的欠陥を抱えています。攻撃者が悪意あるコードを埋め込んだPickleファイルを社内環境にロードした場合、推論サーバーの権限で任意のOSコマンドが実行され、遠隔操作や認証情報の窃取につながります。これに対し、現代の標準フォーマットである「Safetensors形式」は、多次元配列データとJSONメタデータのみを格納し、実行可能コードの混入を原理的に許容しないセキュアな設計となっています。企業は社内リポジトリへ導入する全モデルに対し、Pickle形式を全面的に禁止し、Safetensors形式のみを許可するフィルタリングを徹底する必要があります。

第二に、推論ランタイムにおけるリモートコード実行設定（trust_remote_code）の排除です。Hugging Face等のハブからモデルをロードする際、特殊なネットワーク層やトークナイザーを稼働させる目的で trust_remote_code=True の記述を要求するモデルが存在します。これは「モデル提供者がリポジトリに配置した任意のPythonスクリプトを、自社の実行環境上で無検証のまま直接走らせる」ことを意味し、セキュリティ上の重大な穴となります。近年の脆弱性研究では、推奨値である trust_remote_code=False を設定していた場合でも、Hugging Face Transformers等の依存ライブラリ側に内在する動的カーネル読み込み機能の不備（CVE-2026-4372やCVE-2026-44513など）を突いて、警告なしにリモートコード実行（RCE）を許してしまう深刻なサプライチェーン脆弱性が複数確認されています。したがって、最新のパッチが適用された実績ある推論エンジン（vLLM、Triton Inference Server等）にアーキテクチャがネイティブ統合されていることを確認し、任意の追加スクリプトの実行を完全に無効化する構成管理が不可欠です。

第三に、量子化（Quantization）モデルおよび派生ツールの出所監査です。GPUメモリ消費を抑制するために重みを4ビットや8ビット等に圧縮する量子化処理において、個人開発者や非公式リポジトリがHugging Face等で配布しているGGUF形式やAWQ形式の派生バイナリを安易にダウンロードして利用することは、サプライチェーン汚染のリスクを増大させます。意図的なバックドアや改ざんの混入を防ぐため、モデルファイルはAlibabaの公式リポジトリからSafetensors形式で直接取得し、自社で検証済みのコンテナパイプラインを用いて社内ビルドする統制基準を設けるべきです。

3. 【安全保障・コンプライアンス検証】将来のQwen採用判断と潜在リスク

知的財産（IP）汚染リスク：不正蒸留疑惑がもたらす法的・商用リスク

今後リリースされるQwenの最新モデル群（Qwen 3.5以降や将来版）の採用を検討するにあたり、最も重視すべき経営課題は、不正蒸留疑惑に起因する知的財産（IP）の法的「汚染」と、それに伴う事業継続性リスクです。

契約法および著作権法の観点から整理すると、Anthropic社の商用利用規約（Commercial Terms of Service）規約D.4条は、「競合製品やサービスの開発、競合AIモデルの訓練、サービスの再販売」を目的にClaudeを利用することを明示的に禁止しています。Alibabaがこの禁止事項に違反して蒸留を行っていた場合、同社がAnthropic社に対して契約違反責任を負うことは明白です。しかし、契約責任はあくまで契約当事者間にのみ及ぶ原則（Privity of Contract）があるため、公開されたオープンウェイト（Apache 2.0等が付与されたモデル）を二次的にダウンロードして社内利用する第三者企業に対して、Anthropic社が契約違反を直接理由として損害賠償を請求することは法的に極めて困難です。

著作権侵害の立証についても、現行の国際的な知財法制においてAIが自動生成した出力データ自体には著作物性が認められにくいという共通見解が存在します。したがって、「Claudeの出力を再学習して重みを調整したQwenモデルは、Claudeの著作権を直接侵害する二次的著作物（翻案物）である」とする法的主張は、現行法下では成立のハードルが高いと解釈されています。

しかし、企業実務における真のリスクは「裁判での直接敗訴」にとどまりません。米国連邦裁判所等において、不正競争防止法や営業秘密の不正取得（Trade Secret Misappropriation）、あるいはコンピュータ不正アクセス禁止法（CFAA）違反等を根拠とした訴訟が提起され、万が一モデルの商用配布禁止や利用差し止め命令（Injunction）が下された場合、そのモデルを自社の基幹業務や対外商用サービスに深く組み込んでいた企業は、突然のシステム停止やアーキテクチャの全面刷新を強いられる運用中断リスクに直面します。さらに、グローバルな顧客企業とのソフトウェア供給契約において「納入システムは第三者のいかなる権利をも侵害しておらず、違法に取得されたデータに基づいていない」という非侵害保証（IP Indemnification）を求められた際、不正蒸留疑惑の渦中にあるモデルを採用している事実は、調達監査上の致命的な瑕疵となり得ます。

経済安全保障と米中デカップリング：グローバル取引先からの調達監査への影響

基盤モデルの採用判断は、もはや純粋な機能性やコストパフォーマンスの議論を超え、米中ハイテク覇権争いおよび各国の経済安全保障法制と直結する問題となっています。

米国の安全保障コミュニティ（FBI、NSA、CISA）が共同注意喚起を発出し、産業規模の蒸留活動を米国の先端技術基盤に対する組織的略奪と位置づけたことは、今後の規制強化に向けた布石と解釈されます。米財務省高官が示唆しているように、不正蒸留に関与した中国系AI企業が米国商務省のエンティティ・リストや金融制裁の対象に指定された場合、米国原産の先端ハードウェア、開発ツール、クラウドインフラとの直接・間接的な取引が厳しく遮断されます。米国の国防授権法（NDAA）や連邦調達規則（FAR）に準拠する必要があるサプライチェーンに関与する日本企業は、通信機器や半導体に続いて「中国企業が開発したAIモデルの排除」を契約条件として突きつけられる可能性が高まっています。米国市場向け製品や米系企業との共同プロジェクトにおいて中国系オープンモデルが組み込まれていた場合、グローバルサプライチェーンから排除されるリスクを経営陣は深刻に受け止めなければなりません。

日本国内においても、経済安全保障推進法に基づき、電気、ガス、通信、金融、鉄道等の「特定社会基盤事業者（15分野）」を対象として、基幹インフラシステムの特定重要設備導入時における事前審査制度が運用されています。この制度では、対象設備が外部からの妨害行為や不正な機能停止に晒されないか、供給元事業者の出資構造やガバナンス、第三者委託の安全性が厳格に審査されます。政府のAI事業者ガイドラインでもAIサプライチェーンの透明性と出所の確認が強く推奨されており、インフラ事業者が中国製基盤モデルを基幹制御系やコアデータ処理系に直接・間接を問わず導入することは、事前審査の通過を著しく困難にし、監督官庁からの是正勧告を招く要因となります。

4. 日本企業のための「利用可否判断フレームワーク」

ユースケース別の採用マトリクス表

安全保障リスクと知財リスクを極小化しつつ、オープンモデルの高い処理能力を享受するためには、一律の全面禁止や無統制な自由利用を排し、取り扱うデータの「機密レベル」と「ビジネス上の対外エクスポージャー」に応じた多層的な採用判断マトリクスを策定することが有効です。

オンプレミス実行時の必須ガバナンス要件

区分Cや区分Dにおいてオープンウェイト版Qwenを採用する場合、情報セキュリティ部門およびインフラ運用チームは、以下の「ゼロトラスト型オンプレミス運用規程」を技術的かつ組織的に確立しなければなりません。

ネットワーク面では、モデル推論を実行するGPUサーバー群のアウトバウンド（外部送信）通信を境界ファイアウォールおよびセキュリティグループにおいて完全に拒否し、論理的なエアギャップ環境を構築します。推論処理中に意図しない外部通信が発生しないよう、外部DNSへの名前解決要求も無効化します。

ファイル管理面では、社内リポジトリに配置するモデル重みファイルを「Safetensors形式」に厳格に限定し、Pickle形式のバイナリファイルの読み込みをライブラリ層で強制遮断します。さらに、モデル配布元（公式リポジトリ）のGitコミットハッシュおよびSHA-256チェックサムを検証し、取得元の真正性を資産管理台帳へ記録します。

ランタイム面では、推論フレームワークの実行パラメータにおいて trust_remote_code=True をグローバル設定として明示的に禁止します。推論エンジンにはvLLMやTriton Inference Server等の十分に検証されたOSSを採用し、不要なパッケージを削ぎ落とした最小構成のコンテナイメージとして実行することで、ライブラリの依存関係に起因する脆弱性を最小限に抑え込みます。

国産LLMや他国製オープンモデルとの比較・代替戦略

Qwenシリーズは多言語能力や論理推論において高い性能を示しますが、将来の地政学的・法的リスクを回避するためには、代替可能なモデル群を確保し、単一モデルへの過度な依存を脱却するマルチモデル戦略が不可欠です。

第一の代替軸は、国内エンタープライズ特化型モデルの採用です。代表例として、富士通がカナダのCohere社と共同開発した「Takane（高嶺）」が挙げられます。Takaneは、世界トップクラスのビジネス特化型モデル「Command R+」をベースに、スーパーコンピュータ「富岳」等で培われた高度な日本語言語理解技術と追加学習を融合させたモデルであり、日本語ベンチマーク（JGLUE）において極めて高い精度を実証しています。Takaneの最大の特徴は、金融、医療、官公庁、製造業などの高い秘匿性が求められるエンタープライズ領域をターゲットとしており、自社のプライベートクラウドやオンプレミス環境での安全な運用を前提に最適化されている点です。さらに、富士通独自の量子化誤差伝播法（QEP）を用いた1ビット量子化技術や特化型AI蒸留技術により、モデルの軽量化と省電力化を実現しており、エッジデバイスや低コストなGPU環境でも高い精度を維持した推論が可能です。自社独自の業務データを用いた安全なファインチューニングやRAG（検索拡張生成）の運用基盤として、経済安保上の懸念を持たない極めて堅牢な選択肢となります。

第二の代替軸は、欧米発のオープンウェイトモデルの活用です。Meta社が主導する「Llama」シリーズは、オープンモデルにおけるグローバルデファクトスタンダードであり、世界中の研究者やベンダーによって膨大なツールチェーン、ファインチューニング手法、セキュリティ監査フレームワークが構築されています。西側諸国の厳格な法規制や輸出管理基準に沿って透明性高く開発されており、海外企業との共同事業や製品組み込みにおいても調達上のコンプライアンスリスクが極めて低いという利点があります。日本語処理の精度向上には自社での追加チューニングが必要となる場面があるものの、持続可能性と安全保障上の透明性を確保する上で最も有力な選択肢です。

第三の代替軸は、マルチモデル・オーケストレーションアーキテクチャの構築です。特定の基盤モデルに社内システムを強く依存（ロックイン）させると、地政学的リスクや突然の規約変更、供給停止に対する脆弱性が生じます。社内AI基盤のAPIゲートウェイ層において、プロンプトの性質、取り扱うデータの機密度、および要求される処理速度に応じて、社内定型処理にはオンプレミスの軽量オープンモデル、高度な機密情報や基幹系業務にはTakaneなどの国産セキュアモデル、非機密かつ最高精度の論理推論には欧米の先端クラウドAPIへと動的に振り分けるアーキテクチャを設計することが、リスク分散とコスト最適化を両立する現実解となります。

5. まとめと今後の推奨アクション

米Anthropic社によるAlibaba告発は、生成AIの急速な進化の裏にある「知財取得の合法性」と「米中テクノロジー覇権争い」の激化を象徴する重大事象です。しかし、日本企業のITガバナンスにおいて求められる姿勢は、過度な不安に基づく「中国製という属性のみを理由とした全否定」でも、リスクを直視しない「性能とコストのみを重視した無防備な依存」でもありません。

技術的ファクトとして、Safetensors形式で厳格に管理され、外部ネットワークから完全に遮断されたオンプレミス環境で実行される既存のQwenモデルから、入力データがAlibabaや中国当局へ勝手に流出することは原理的にありません。既存の検証環境をパニック的に破棄する必要はなく、まずはインフラ層の通信制御とファイル形式の安全確認を冷静に実施することが求められます。

一方で、地政学的・法的ファクトとして、将来バージョンのQwenや中国系AI基盤を自社の基幹システム、商用製品、あるいはグローバルサプライチェーンと連動する業務へ深く組み込むことは、将来的な知財訴訟による差し止め、国際取引先からの調達監査不適合、さらには経済安全保障推進法の事前審査における重大な障害という、看過できないビジネスリスクを伴います。

以上の分析に基づき、日本企業の経営陣および情報セキュリティ統括部門が直ちに講じるべき実務的アクションを提示します。

社内の利用実態を緊急に棚卸しし、Alibaba Cloudをはじめとする中国リージョンの外部APIを経由してQwenを利用しているシステムが存在しないか全社監査を実施します。もし機密データや個人情報を外部APIに送信しているケースが確認された場合、ただちに通信を停止し、プライベート環境への移行または別モデルへの切り替えを指示します。

社内でオープンウェイト版Qwenをローカル実行している環境に対しては、推論サーバーのアウトバウンド通信完全遮断、Safetensors形式への統一、および trust_remote_code の明示的無効化が確実に履行されているか技術的検証を行います。

基幹インフラ、防衛、未公開知財、および海外取引に関わる重要領域において、中国系基盤モデルへの依存を低減する脱依存ロードマップを速やかに策定します。富士通「Takane」などのセキュアな国産エンタープライズモデルやMeta「Llama」シリーズへの移行検証を加速させ、地政学的規制の急変にも耐えうるマルチモデル運用体制を確立することが強く推奨されます。

参考文献・引用元一覧

1. 政府機関・公的機関の勧告および法規制

• CISA / FBI / NSA 共同サイバーセキュリティ勧告（AA26-251A）

  • タイトル：Aggressive and Illicit AI Model Knowledge Distillation Campaigns by PRC-Linked Actors

  • 発行：米国国土安全保障省サイバーセキュリティ・インフラセキュリティ庁（CISA）、連邦捜査局（FBI）、国家安全保障局（NSA）

  • URL: https://www.cisa.gov/news-events/cybersecurity-advisories/aa26-251a

• 内閣府・経済産業省：経済安全保障推進法（基幹インフラ事前審査制度）

  • 資料：『経済施策を一体的に講ずることによる安全保障の確保の推進に関する法律に基づく特定社会基盤役務の安定的な提供の確保に関する制度』

  • URL: https://www.cao.go.jp/keizai_anzen_hoshou/

• 総務省・経済産業省：AI事業者ガイドライン

  • 資料：『AI事業者ガイドライン（第1.0版）--安心・安全なAIの利活用に向けて--』

  • URL: https://www.meti.go.jp/press/2024/04/20240419004/20240419004.html

2. AIモデル開発元・脅威インテリジェンス報告・利用規約

• Anthropic 脅威インテリジェンスレポート（2026年9月）

  • タイトル：Threat Intelligence Report: Disrupting Malicious and Illicit Uses of Frontier AI Models

  • 発行：Anthropic, PBC

  • URL: https://www.anthropic.com/threat-intelligence-report-september-2026

• Anthropic 商用利用規約（Commercial Terms of Service）

  • 項目：Section D.4「競合製品開発・モデル学習目的の利用禁止（Anti-Distillation Clause）」

  • URL: https://www.anthropic.com/legal/commercial-terms

• Alibaba Cloud / Qwen（千問）公式オープンソースリポジトリ

  • リポジトリ：GitHub QwenLM/Qwen / Hugging Face Qwen

  • ライセンス：Apache License 2.0 / Qwen Community License Agreement

  • URL: https://github.com/QwenLM

3. 国内エンタープライズAI・代替モデル

• 富士通：Fujitsu Kozuchi（Enterprise AI Factory）

  • 概要：エンタープライズ向け生成AI基盤、9,000種超の脆弱性に対応するLLM脆弱性スキャナー＆ガードレール技術

  • URL: https://global.fujitsu/ja-JP/offering/kozuchi-enterprise-ai-factory

• 富士通 / Cohere：共同開発モデル「Takane（高嶺）」

  • プレスリリース：『富士通とCohere、日本語能力に優れたエンタープライズ向け大規模言語モデル「Takane」を共同開発』

  • 関連技術：量子化誤差伝播法（QEP）によるLLM軽量化・1ビット量子化技術

  • URL: https://pr.fujitsu.com/jp/news/

• Meta AI：Llama 3 / 3.1 コミュニティライセンス

  • リポジトリ・規約：Meta Llama 3 Community License Agreement

  • URL: https://llama.meta.com/

4. AIサプライチェーンセキュリティ・ファイル形式技術仕様

• Hugging Face：Safetensors フォーマット仕様

  • 概要：Pickle形式の脆弱性（任意コード実行／RCE）を排除したセキュアなテンソル保存形式

  • URL: https://github.com/huggingface/safetensors

• NIST（米国国立標準技術研究所）：AI Risk Management Framework (AI RMF 1.0)

  • 資料：Artificial Intelligence Risk Management Framework

  • URL: https://www.nist.gov/itl/ai-risk-management-framework