InternVL3.5 vs GPT-OSS｜最新ローカルLLMを徹底比較！どっちを選ぶ？
目次
1. InternVL3.5ってどんなモデル？
まず最初に、InternVL3.5は「マルチモーダル」と呼ばれる AI です。
これはつまり、テキストだけじゃなく画像も一緒に理解できるのが大きな特徴。たとえば、表やグラフが入った PDF を渡したり、スクリーンショットをアップロードしたりすると、その内容を読んで説明してくれるんです。
一方、GPT-OSSは OpenAI が公開した最新のオープンソース LLM で、基本的にはテキスト専用。文章の理解や推論力に強く、しかもツールを呼び出して作業を進められるのがポイントです。
両者は似たような「ローカルで動かせる AI」ですが、InternVL3.5 ＝見ることもできる AI、GPT-OSS ＝考えることが得意な AIと覚えるとイメージしやすいでしょう。
2. InternVL3.5の特徴
InternVL3.5 には、他のモデルにはない魅力がたくさんあります。
-
画像＋テキストを同時に処理
たとえば「この写真の中で安全装置はどこ？」と質問すると、ちゃんと画像を見ながら説明してくれます。従来のテキスト専用 AI では不可能だったやりとりです。 -
高度な推論力
「Cascade RL」という手法で学習されていて、数字の入った問題や複雑な指示にもしっかり対応できるよう工夫されています。 -
高速で効率的
大きな画像を入力すると処理が重くなりがちですが、InternVL3.5 には「ViR」という仕組みがあり、解像度をうまく調整して無駄な計算を減らします。また「DvD」という工夫で、画像処理と文章処理を別の GPU に分けて同時進行できるので、処理速度も向上しています。 -
モデルサイズの選択肢が豊富
小さめの 8B クラスから超大型モデルまでラインナップされているので、試しやすいところから本格導入まで段階的に使えます。
3. GPT-OSSとの違いを比較表でチェック
両者の特徴をまとめると次のようになります。
| 項目 | InternVL3.5 | GPT-OSS |
|---|---|---|
| モダリティ | 画像＋テキスト | テキストのみ |
| 得意分野 | 図表・スクショ・写真の理解、視覚情報を絡めた QA | 複雑な推論、ツール実行、テキスト処理 |
| モデルサイズ | 8B〜大規模まで複数展開 | 20B と 120B |
| 処理効率の工夫 | ViR（解像度調整）、DvD（GPU 分散） | MoE（必要な部分だけ活性化して効率化） |
| ライセンス | オープンソース（条件はモデルごとに異なる） | Apache 2.0（商用利用可） |
| 推奨用途 | マニュアルの画像理解、帳票要約、UI レビュー | 社内ナレッジ QA、長文推論、業務フロー自動化 |
| 最低限の PC 要件 | 8B モデルなら GPU 12〜16GB | 20B モデルなら GPU 16GB |
| 大規模運用 | マルチ GPU で画像処理分担 | A100/H100 級 GPU 推奨 |
こうして並べてみると、InternVL3.5 は見る力、GPT-OSS は考える力に特化していることがはっきり分かります。
4. 実際にどう使える？具体的なユースケース
✅ 工場や現場でのマニュアル検索
紙のマニュアルやスキャン PDF を読み込ませて、「この手順はどの部品に対応してる？」と画像付きで質問。InternVL3.5 なら図や写真を見ながら答えてくれるので、現場の作業効率が大幅にアップします。
✅ 医療や会計の帳票要約
数値が多い表やスキャンされた書類をまとめたいときに便利。InternVL3.5 はグラフや表を理解した上で要約してくれるので、レビューのスピードが格段に上がります。
✅ アプリや Web サイトの UI レビュー
スクリーンショットを渡して「どこが分かりづらい？」と聞けば、デザインの改善点を提案。アクセシビリティの視点での指摘も可能です。
✅ 社内ナレッジ検索（テキスト中心）
文章だけの社内文書や FAQ 検索なら GPT-OSS が最適。20B モデルは比較的軽量なので、オンプレ環境でも導入しやすいです。
✅ 業務フローの自動化
GPT-OSS はツールを呼び出せるので、社内システムと組み合わせて「問い合わせを受けたらチケットを発行」「在庫を確認して返答」なども可能になります。
5. 動かすためのPCスペック目安
導入時に一番気になるのが「どのくらいの PC が必要か？」という点ですよね。ざっくり目安をまとめました。
| 利用シーン | モデル | 最低限 | 快適に動かす目安 |
|---|---|---|---|
| 個人で試す（画像 QA） | InternVL3.5-8B | GPU 12〜16GB / RAM 32GB | GPU 24GB / RAM 64GB |
| 画像を多く扱う業務用 | InternVL3.5 大規模 | マルチ GPU（2 枚以上） | A6000×2 以上 |
| 社内 FAQ や文書検索 | GPT-OSS 20B | GPU 16GB / RAM 32GB | GPU 24GB / RAM 64GB |
| 高度な推論業務 | GPT-OSS 120B | A100 80GB 以上 | H100 やクラウド GPU |
量子化（モデルを軽くする工夫）を使えば、もう少し小さい GPU でも試すことは可能です。
6. 導入のステップと気をつけたいこと
-
まずは小さなモデルで試す
InternVL3.5 なら 8B モデル、GPT-OSS なら 20B モデルから始めるのがおすすめ。PC1 台で試せる規模なので PoC に最適です。 -
用途ごとに使い分ける
- 画像を含むデータを扱うなら InternVL3.5
- テキストだけの業務なら GPT-OSS
-
セキュリティ対策を忘れない
社内データを使う場合は、アクセス制御やログ管理、個人情報のマスキングが必須です。 -
パフォーマンスを観測する
応答の速さや精度を KPI としてモニタリング。遅延が出やすい場合はマルチ GPU やクラウド環境を検討しましょう。
7. まとめ
- InternVL3.5は「画像も一緒に理解して欲しい」人におすすめ。製造・医療・教育など“見る力”が必要な場面で強みを発揮します。
- GPT-OSSは「複雑な文章を正しく理解して、自動化にもつなげたい」人に向いています。社内 FAQ や業務フローを効率化したいならこちらが ◎。
- 最適解は両方を組み合わせること。画像処理は InternVL3.5、言語処理やツール連携は GPT-OSS と分担させれば、幅広い業務で活躍できます。
OpenBridge では、ローカル LLM 選定〜RAG/ツール連携の設計、導入・運用まで一気通貫で支援します。
ユースケースや社内データの状況を教えていただければ、最小構成の PoC プランもその場でご提案します。
この記事を書いた人
