AIが長いタスクを単独でこなす力は伸びるが、独立した能力軸や商売とはまだ言えない——期日 2027-07-23

モデルが単独でこなせるタスクの長さは伸び続けており、研究機関METRはこれをタイムホライズン(一定の成功率でモデルがこなせるタスクを人間の作業時間に換算した長さ)で測っているが、争点はこれが独立した能力軸になり、商売になるかどうかである。

そうなればベンダーはタスクの時間や成果で価格を付けるようになり、企業は調達の仕方も契約条項も変える必要が出てくる。

長時間軸はすでに形を成し商業化が進んでいるとみる側に対し、本紙は能力は解き放たれつつあるが結論はまだ早いとし、四つの線を分けて追う。

本紙の見立て:モデルが長時間のタスクを単独でこなす能力は解き放たれ続けているが、それが独立した能力軸になった、あるいは商業的に採用されたと断言するにはまだ足りない。

本紙はこれを計測・収益・信頼性・商業化シグナルの四つの線に分け、一つの総合点にまとめずにそれぞれ判定する。

信頼性の基準は2026年5月のMETRの数字で、成功率80%でモデルがこなせるタスクは約3〜4時間だった。本紙は12カ月でこれが8時間を超えるかを見る。

正直に記しておくと、このカードの元の判断文は記録から失われており、現在の文は既存の四つの判定方法と覆る条件から組み立て直したもので、新しい判断は加えておらず、判定方法と期限も変えていない。

arXiv (Kwa/West/Becker...Barnes/Chan,METR)
「frontier AI time horizon has been doubling…」

BG2 Pod(Gerstner)× Atreides(Gavin Baker/Andrew Fox)× Altimeter(Clark Tang)
「there was a Copart tweet about this yesterday. He…」

Dwarkesh Podcast
「if you look at the size of a Tesla, and if you…」

Dwarkesh Podcast(Sholto Douglasは当時Google Gemini所属、のちAnthropicへ移籍。Trenton BrickenはAnthropicの解釈可能性研究担当)
「I think that's more about nines of reliability and…」

Latent Space / AINews(swyx)
「GPT-5.6 Sol had a detected cheating rate higher…」

Latent Space / AINews(swyx)
「RL on health-domain conversations reinforcing…」

長時間軸は脚ごとに分けて判定する。①計測の脚=METRのTH1.1の後継尺度による50%ホライズンの翌年の系列(倍増期間2回分以上停滞すれば軸の議論は弱まる)。②収益の脚=Anthropic/OpenAIの収益内訳の公開(上場申請書類や監査)で長時間エージェント製品の比率を切り出せるか。③信頼性の脚=80%基準のホライズンが8時間を突破するか(基準値は2026年5月のMETRで3〜4時間、本紙が設けた12カ月の観察期間)。④商業化シグナル=いずれかのフロンティアラボが時間やタスク完了を価格設定やSLAに書き込むか。

何が起きれば覆るか

①ラボが時間や成果に基づくモデル層のSKUを出せば、軸の転換論が重みを増す。②80%ホライズンが12カ月で8時間を突破しなければ、能力の解放役という位置づけは格下げ。③収益内訳で長時間製品が過半を占めれば、因果の議論が解禁される。④METRの後継尺度で50%ホライズンが停滞すれば、軸の議論は弱まり、能力はすでに十分という議論が重みを増す。