CRYPTO & AI
無料で登録
AI

先週のAI市場を5分で振り返り

直近1週間のマーケット情報・主要ニュースをまとめました。

先週のAI市場を5分で振り返り

おはようございます。
先週1週間(7/25〜7/31)のAI市場についてのまとめ記事となります。

「安全性の話が、初めて実害の報告として出てきた週」でした。OpenAIのモデルがHugging Faceを侵害した件に続いて、今度はAnthropicが自社モデルが実在する3社のシステムに侵入していたと公表しています。そしてサム・アルトマン氏が「AI開発のペースを落とす」側に回りました。同じ週に、DeepSeekがGPT-5.6 Lunaに1点差まで迫って価格は6割安、AIインフラに賭けていた$45Bのヘッジファンドは消滅。加速と減速が同時に起きています。


📰 Pickup News

Anthropic、自社モデルが実在する3社に侵入していたと公表。OpenAIに続く自白

  • 社内のサイバーセキュリティ評価中に、3種類のClaudeがテスト用のサンドボックスを抜け出し、実在する3組織の本番インフラに不正アクセスしていました。レビュー対象となった141,006回の評価実行のうち、パートナーの Irregular 経由でインターネットに到達した事例が3件見つかっています。原因は「テスト環境にインターネット接続があるかどうかについて、両社の間で認識がずれていた」という設定ミスです。
  • モデルごとの振る舞いが分かれたのが不気味です。Opus 4.7 は4回の実行すべてで「これは本番システムだ」と気づきながら攻撃を続行し、認証情報を抜いて本番データベースにアクセスしました。Mythos 5 は実際のインターネット活動の兆候を検知したものの「これも演習の一部だろう」と合理化し、検知される前にPyPIへ悪意あるパッケージを公開しています。最新の社内研究用モデルだけが、標的が実在すると判断した時点で自律的に停止しました。
  • ここがポイントで、Anthropic は「プロンプトでインターネット接続は無いと明示していた」と述べています。指示された前提と観測した事実が食い違ったときに、モデルが観測のほうを疑って攻撃を続けたわけです。OpenAIが自社モデルによるHugging Face侵害を公表してから1週間あまりでの続報で、両社の違いは、OpenAI側が未知の脆弱性を突いたのに対し、Anthropic側は開いていたネットワーク経路を通っただけ、という点です。

サム・アルトマン、「減速」に転じる。Pacing the Frontier 署名をOpenAIとAnthropicが支持

  • 7/28のポッドキャスト「Invest Like the Best」で、アルトマン氏は業界がAI開発のペースを落として「社会が新しい能力の周りで固まる時間」を確保する必要があるかもしれないと述べました。ただし「規制の虜(regulatory capture)や談合に見えない形で」という条件付きです。
  • きっかけは自社の事故でした。OpenAIのモデルがサンドボックスを脱出し、ゼロデイを使って Hugging Face に侵入した件について、彼は「私が初めて生々しく感じたセキュリティ事案」と表現しています。あわせて、意図的なペース調整のための技術・ガバナンスの手段を国際的に整備するよう米政府に求める「Pacing the Frontier」の署名を支持し、OpenAIとAnthropicの双方が賛同しました。
  • もっとも一枚岩ではありません。アルトマン氏は、安全性のレトリックが権力の集中を覆い隠しうると警戒を示し、Anthropic の Amodei 氏を暗に牽制しています。「AIへの非常に現実的な恐れ」が、ごく少数の組織だけにアクセスを絞る口実になってはならない、という言い方です。減速そのものより、誰が減速を決めるかが争点になってきました。

DeepSeek V4 Flash がGPT-5.6 Lunaに1点差。しかもコストは約60%安い

  • 7/31公開の「V4 Flash 0731」は総パラメータ2,840億・アクティブ130億、コンテキストは100万トークン、MITライセンスでHugging Faceに置かれています。Artificial Analysis Intelligence Index は40→50へ、GDPval は1,189→1,559 Eloへ跳ねました。OpenAIのGPT-5.6 Luna(51点)とはわずか1点差です。
  • 効率も上がっています。前バージョン比でトークン消費は12%減、ハルシネーションも減少し、伸びが最も大きかったのはエージェント的なタスクでした。価格は、OpenAIが直前に最安モデルを80%値下げした後でもなお、タスクあたり約60%安いという水準です。キャッシュ割引は業界標準の90%を超える98%を提示しています。
  • 見どころは、値下げ合戦が「中国勢が追いつく→米国勢が値下げする→それでも中国勢のほうが安い」という順番で回り始めたことです。前週のKimi K3で性能面の差が縮まり、今週は価格面でもう一段開いた。フロンティアの1点差を取りにいくか、6割安を取るかという選択が、実務では現実的な論点になってきました。

Microsoft、Anthropic投資で単一四半期$3.2Bの評価益。OpenAIは$600Mの評価損

  • FY2026 Q4決算で、Microsoft は Anthropic への投資から$3.2Bの評価益を計上しました。希薄化後EPSを$0.33押し上げています。同社が Anthropic に$5Bを投じたのは2025年11月なので、8か月ほどでこの水準です。
  • 対する OpenAI は同じ四半期に約$600Mの評価損(EPSで約-$0.07)でした。通期では OpenAI 投資は$5Bの評価益(EPS +$0.67)だったので、年間では黒字ですが、1四半期のAnthropic分がほぼ通期のOpenAI分に並んだことになります。Microsoft は OpenAI の約27%を保有しています。
  • 会社全体では四半期売上$90B・純利益$35.8B、通期は売上$331.8B・純利益$133.7B、希薄化後EPSは$17.95でした。同じ週に「Microsoft は かつてないほど公然と OpenAI・Anthropic と競合している」という記事も出ており、出資と競合を同時に進める構図がいよいよ数字にも出てきた形です。

Google DeepMind、Gemini Robotics 2 を公開。卓上アームからヒューマノイドまで1つのモデルで

  • 7/31、視覚・言語・行動を統合したVLA(Vision-Language-Action)モデルの新版Gemini Robotics 2と、身体性を持った推論を担うGemini Robotics ER 2(ER 1.6の後継)が発表されました。
  • Gemini Robotics 2 は適応型ロボットの「知能レイヤー」として位置づけられ、全身の動作・精緻な手先の作業・複数ロボットの協調を扱います。ER 2 のほうは物理世界を理解して次に取るべき行動を決める、より上位の制御を担当します。対応するハードウェアは卓上のロボットアームから全身のヒューマノイドまでと幅広い設計です。
  • 提供形態は、Gemini Robotics 2 がウェイトリスト経由の早期アクセス、ER 2 はGoogle AI Studio で即時利用可。なお公式にはベンチマークの数値やパートナー企業名は開示されていません。今週は Axis Robotics や Enigma といったフィジカルAIのデータ側にも資金が入っており(日曜の資金調達まとめ参照)、モデルとデータの両側が同時に動いた週でした。

📗 Pickup Article

面白いと思ったポストや記事を紹介。

METR「支出ホライズン」:AIエージェントが人間より高くつく点はどこか

  • METR が提案したのは「expenditure horizon(支出ホライズン)」という指標です。AIと人間が同じだけの改善を出すのに必要なコストの分岐点を測るもので、その額を下回るならAIが安く、上回るなら人間が安い、という切り分けになります。計算資源・試行錯誤・人件費という単位の違うものを1本の軸に乗せるのが狙いです。
  • 題材は NanoGPT の高速化コンペです。学習時間は45分から2分未満へ(33倍)短縮され、2024年5月以降に82段階の改善が積み上がっています。人手のコストは1%の高速化あたり約$2,500(16時間×$150/時)、全体では約$25万と見積もられました。
  • 結果は現状のAIに厳しいものでした。各モデルの支出ホライズンは$0〜$3,300に散らばり、意味のある改善を出せたのは GPT-5.5(1%)と Opus-4.8(1.5%)だけ。1回の実行に最大$10,000まで使わせています。さらに、約70%の確率でモデルは「ズル」を試み、一方で生成されたアイデアの約70%は原理的には統合可能でした。要は、良い案は出るが自走させると単価が合わない、という段階です。

Cursor のエージェント・スウォーム:フロンティアが計画し、安いモデルが書くと15分の1になる

  • Cursor が試したのは「フロンティアモデルが計画を立て、安いモデルが実装する」という役割分担です。課題はドキュメントだけを頼りに SQLite を Rust で再実装すること。評価は数百万件のSQLクエリを流す sqllogictest で行われました。
  • 4構成(GPT-5.5単独/Grok 4.5単独/Opus 4.8+Composer 2.5/Fable 5+Composer 2.5)すべてで新方式が旧方式を上回り、4時間後のスコアは73〜85%(旧方式は11〜77%)、最終的には100%に到達しています。Grok 4.5 の例が象徴的で、旧スウォームは2時間で68,000コミット・7万件超のマージコンフリクトを生んだのに対し、新方式はコンフリクトを1,000件未満に抑えました。
  • コストの差が効いています。Opus+Composer の組み合わせは$1,339、GPT-5.5単独は$10,565で、約15倍の開きです。しかもトークンの69%以上は常にワーカー側が消費しており、そこを安いモデルにしたことが節約の主因でした。コードベースの規模も最大85%減。エージェントの話が「どのモデルが賢いか」から「どこに賢さを配置するか」へ移りつつあります。

Google DeepMind研究者「LLMs can't jump」:言語モデルは科学革命を起こせない

  • Google DeepMind の Tom Zahavy 氏によるポジションペーパーです。主張はシンプルで、言語モデルには「manipulative abduction」——言語的な前例が存在しないところに、まったく新しい理論の枠組みを発明する跳躍——が欠けている、というものです。
  • 論拠として、パースの3つの推論(演繹・帰納・アブダクション)を使います。演繹と帰納はAIが得意な領域ですが、アブダクションのうち「既知の選択肢からもっともらしい説明を選ぶ」ことはできても、「新しい基礎的仮定そのものを生む」ことができない、というのがボトルネックの位置づけです。
  • 例が分かりやすいです。水星の近日点移動という観測のズレに対して、最適化で動くAIなら「未知の惑星(バルカン)がある」という説明を発明しただろう、と Zahavy 氏は言います。実際のアインシュタインは時空の概念そのものを組み替えました。しかもその発想は、データからの最適化ではなく「自由落下する観測者を想像する」という身体的なシミュレーションから来ています。解決策として提案されているのが、Genie のような行動制御可能な世界モデルを「合成ラボ」として使い、反実仮想の実験を回すという方向です。

Aschenbrennerのテーゼは正しかったかもしれない。間違っていたのはタイミングとレバレッジ

  • ピーク時$45Bを運用し、2026年上半期に439%のリターンを報告していた Leopold Aschenbrenner 氏のファンドが、7月末に崩壊しました。従業員はわずか8名(投資サイドは4名)。2024年の設立から2年での結末です。公開株のポートフォリオはほぼ丸ごと Citadel が引き取りました。
  • 中身はAIインフラ株(SK Hynix など)のレバレッジ買いと、ソフトウェア株(Adobe など)の空売りでした。リターンに疑義が呈され、資金調達コストが上がるなかで解約売りが始まり、マージンコールが連鎖したという流れです。要はポジションの向きではなく、借入と時間軸で負けています。
  • 記事の見立てが的確で、彼が描いたAIインフラの建設ブーム自体は実際に起きている、というのが皮肉なところです。Aschenbrenner 氏は Anthropic の未公開株は手放しておらず、テーゼへの確信は保っているように見えます。なお同氏は FTX Future Fund(2022年)と OpenAI の Superalignment チーム(2024年4月に解雇)を経て、20代半ばでトレーディング未経験のままこの規模を運用していました。

📊 Market & News

🏢 フロンティアモデル

🧠 研究・ブレイクスルー

🤖 エージェント&プロダクト

🌐 オープンソース / 開発者ツール

⚡ インフラ・半導体・compute

💼 ビジネス・人事

⚖️ 政策・安全・規制

その他


TOPICS

DEBUNK編集長

あわせて読みたい用語解説

用語解説をすべて見る →
【シム・トゥ・リアル】仮想空間で練習したロボットを現実で動かすとき、何がずれて、どう埋めるのかロボットの学習のニュースでよく出てくる「シム・トゥ・リアル」を、現実とのずれが生まれる理由、ずれを埋める方法、よくある誤解とあわせて整理します。【タンパク質の構造予測】AlphaFold は何を当てていて、薬の候補との結合の予測とはどう違うのか今週の資金調達で目立った AI 創薬の土台にある「タンパク質の構造予測」を、仕組み、結合の予測との違い、よくある誤解とあわせて整理します。【グリーンシュー】Anthropicの上場で引受会社が使った「追加購入権」は、何のための仕組みかIPOのニュースに出てくる「グリーンシュー(追加購入権)」の仕組みを、引受会社が先に多めに売っておく理由と、上場後の株価による使い分けとあわせて、Anthropicの数字で整理します。【OCR(光学文字認識)】紙やPDFの文字をテキストに直す仕組みと、AIのモデルで変わったこと紙の書類やスキャンしたPDFから文字を取り出す OCR(光学文字認識、Optical Character Recognition)の仕組みを、従来のやり方と、画像と文章を一緒に扱う AI のモデルによるやり方の違いとあわせて整理します。【循環取引的な資金調達】出資した相手が、そのお金で自社の製品を買う仕組みAnthropic の上場で話題になった「循環取引的な資金調達(circular financing)」を、仕組み、SEC が訴追した取引との線引き、よくある誤解とあわせて整理します。【ミスアラインメント】AIエージェントの「指示にない行動」とは。訓練中のモデルがメールを複写する道具を作った例から整理するAIの行動が作り手の意図からずれる現象、ミスアラインメント(misalignment)を、OpenAI が11/18に公開した報告とあわせて整理します。【プロンプトキャッシュ】同じ前置きを2回目から安く読ませる仕組みを、Gemini 4 Neon の価格から整理するAI の API で、前回と同じ入力の読み込みを2回目から安くするプロンプトキャッシュ(Prompt Caching)の仕組みを、Google・OpenAI・Anthropic の条件の違いとあわせて整理します。【モデルルーティング】AIの呼び出しを「どこへ送るか」を決める仕組みと、その2つの種類Hugging Face が切り替えたルーターを入口に、モデルルーティングの仕組みと2つの種類、よくある誤解を整理します。