モデルとハーネスは切り離せるか——地形が見えはじめた論争

本稿の要点

Claude Code や Codex のようなハーネスと、その下で動くモデルは、切り離せるのか。AI 業界でいま最も値の張る未決の問いの一つがこれだ。切り離せるとする側は、モデルが置き換えのきく部品、いわば汎用品になると見る。切り離せないとする側は、二つは一緒に調整するしかなく、統合点を握る者が利益を取ると見る。本稿は両陣営の証拠を初めて同じ机に並べる。結論はどちらかの勝ちではなく、動いていく一本の境界線である。結合は訓練時に起き、切り離しはデプロイ時に起きる。モデルの部品化は簡単なタスクから始まり、難度に沿って上へ登っている。同時に、高難度の側では統合が生む上乗せがなお厚くなっている。

本紙の系統図の上で、この論争は次の位置にある。

論点:同じモデルでも、ハーネスを替えれば別物になる

系統図が示すとおり、争点はハーネスの価値が跳ね上がった枝にある。議論の出発点は、直感に反する工学上の事実だ。エージェントの性能はモデルの賢さだけでなく、ハーネスの出来でも決まる。同じ Claude 4 Sonnet でも、Anthropic 自社の Claude Code に載せたときは Cursor に載せたときを大きく上回り、Cursor は GitHub Copilot をさらに上回る。研究者の Nathan Lambert 氏は Interconnects で、最後の組み合わせの挙動を、酔いの回った人が運転席に座っている状態にたとえた(Interconnects / Substack)。

学術界は 2024 年の時点で、この現象を一つの枠組みにまとめていた。エージェントは新しい種類のエンドユーザーであり、インターフェースの設計そのものが性能を左右する変数になる。同じモデルでもインターフェースを替えるだけで、当時の SWE-bench の成績が数倍に跳ねた(arXiv)。

今年五月には、この現象が統制された条件で測られた。診断用の評価 Harness-Bench は、タスク、予算、評価手順をすべて固定し、ハーネスだけを入れ替え、裏側に複数のモデルを置いて 5,194 本の実行軌跡を走らせた。同じモデル群でも、ハーネスしだいで総合スコアに 23.8 ポイントの差が出た(arXiv)。この結果は単一論文の自己申告で、未再現である。ただし方向は七月の別の論文と一致する。モデルを替えずにハーネスだけを替えると、オープンモデルのコンピューター操作評価のスコアが二倍以上になった(arXiv)。

ハーネスがこれほど効くなら、次の問いが出てくる。ハーネスとモデルは結びついているのか。二つの陣営が正反対の答えを出しており、どちらの顔ぶれも重い。

切り離せるとする路線:モデルは部品で、価値はハーネスとデータに移る

まず、切り離せるとする側の論拠を五つの問いで見ていく。

何を主張しているか。 この路線の因果の鎖はこうだ。ハーネスはオープンソースでモデルに縛られず、モデルの切り替えは設定一行の変更で済む。利用者の記憶、ワークフロー、コンテキストはすべてハーネス側に残り、モデル企業の手元にはない。したがって、モデル企業が遮断や値上げといった締め付けに出ても需要は消えず、顧客がより安い供給元に移るだけになる。価値と交渉力は、モデル層からハーネス層、ルーティング層、データ層に移っていく。

誰が賭けているか。 一人目は、オープンソースのハーネス OpenClaw の作者 Peter Steinberger 氏だ。このプロジェクトは GitHub で 18 万を超えるスターを集め、特定のモデルに一切縛られない(Lex Fridman Podcast)。Databricks の Matei Zaharia 氏は、Claude Code、Codex、Cursor をすべて同じインターフェースに対応づける共通層 Omnigent を出した(X / @matei_zaharia)。企業ソフトウェアの側では Ali Ghodsi 氏が、モデル層の終着点は TSMC のように、価値はあるが互いに置き換えのきく存在になると主張する(BG2 Pod / Altimeter)。そして最も重い賭け手が Satya Nadella 氏である。同氏は五月のインタビューで、モデルとハーネスは不可分だという見方にはっきり反対した。Microsoft は一つのマルチモデル対応ハーネスで GitHub と M365 をまたぎ、モデルは稼働中に差し替えられ、自動ルーティングは同社最大の継続学習プロジェクトの一つだと述べている。

証拠の硬さ。 この路線は今年、三つの水準の証拠を得た。行動の水準では、Anthropic にサブスクリプション経由の利用を遮断された OpenClaw の利用者が、オープンモデルの組み合わせで、月 200 米ドルかかっていたワークフローを月約 15 ドルで組み直してみせた(TechCrunch)。Perplexity は社内評価のあと、自社製品の司令塔の位置にあるモデルを、約半額のモデルに入れ替えた。同社の CEO は、本当の製品はモデルの外側を囲むハーネスのほうだと明言している(Latent Space / AINews)。法律 AI 企業の Harvey は、自社開発の法律特化モデルを打ち切った。フロンティアモデルが Harvey 自身の評価で自社モデルに勝ったためだ。以後は、任意のフロンティアモデルを法律事務所向けのワークフローに編成する層に転じ、三月に企業価値 110 億ドルで資金を調達した(CNBC)。学術の水準では、ハーネスの設計は自動探索で手作業の調整を上回り、見つかった構成は別のモデルにも移せる(arXiv)。ベンダーの水準では、Microsoft が Axios に対し、微調整した DeepSeek V4 を Copilot Cowork の低価格の選択肢として組み込み、数週間内に提供する予定だと認めた(Axios)。

弱点はどこか。 モデルは汎用品だという全称命題は、一つの公式な数字に押さえ込まれている。Anthropic は資金調達の発表文に年換算売上高 300 億ドルを書き込み、二年で約 80 倍に伸びたとしている(Anthropic)。モデルが本当に互換なら、一つの研究所だけが売上曲線を独占し続けることはないはずだ。しかもこの反証は、コモディティ化を唱える側がかつて監視条件として挙げたものである。もう一つの限界は安全性から来る。プロンプトインジェクションへの耐性はモデルが強いほど高く、機密性の高いタスクでは、切り替えられることと、実際に切り替えに踏み切れることは別物だ(Lex Fridman Podcast)。付け加えておくべき限定もある。この路線の学術的な証拠はすべて単一論文の自己申告で、行動面の事例も多くは利用者一人か企業一社のものだ。

この判断を覆す条件。 この路線が自ら挙げた反証点はこうだ。Omnigent のような共通層が一年以内に事実上の標準にならず、メタハーネスを手がける新興企業の脱落率が高いままなら、モデル部品化の前兆という読みは格下げになる。

切り離せないとする路線:統合点が利益を取り、寄せ集めは純正に追いつけない

次に、反対側の論拠を同じ五つの問いで見ていく。

何を主張しているか。 この路線の因果の鎖は、Clayton Christensen の古い理論に由来する。製品がまだ十分に良くない段階では統合する者が勝ち、製品が良くなりすぎて初めてモジュール化が逆転する。エージェント型のワークフローは今のところ十分に良いとは程遠く、ハーネスはモデルと一緒に調整しなければ使い物にならない。上に座ってモデルを好きに差し込むという構想は実現しない。バリューチェーンの利益はモジュール化した部分から離れ、統合する部分に流れる。行き着く先は、自前のハーネスを持つモデル企業だ。

誰が賭けているか。 アナリストの Ben Thompson 氏は三月の Sharp Tech / Stratechery の番組で、上に座ってモデルを入れ替えればよいという Microsoft 流の夢は実現しないと論じた。少なくともエージェント型のワークフローでは、モデルとハーネスは現段階では統合するしかない、というのが同氏の論点である(Sharp Tech / Stratechery)。Sam Altman 氏はインタビューで、OpenAI はもはやハーネスとモデルを切り離せる二つのものとして扱っていないと語った。ツール呼び出しは後付けの機能から、訓練の時点で組み込まれる能力に変わりつつあるという。観察者の Ethan Mollick 氏は製品面の事実を一つ補う。現時点で最も完成度の高い三つのハーネス、Claude Code、Codex、Antigravity は、いずれもモデル企業が自社で作ったものだ(Ethan Mollick)。

証拠の硬さ。 売上の水準では、Anthropic の公式な年換算 300 億ドルに加え、モデル企業が自前で作ったハーネスである Claude Code という単一の製品ラインについて、二月の公式数字は年換算 25 億ドルで、企業向けサブスクリプションは年初から四倍になった。ダウンロード数は競合の Codex の二十倍を超える(Interconnects / Substack)。行動の水準では、モジュール化に最も強い動機を持つはずの Microsoft が、自社の Copilot Cowork の中身に Claude のハーネスの系譜を採用し、自社クラウドで動かしている(Sharp Tech / Stratechery)。モデルに密着して製品を作る企業は逆の面を味わった。Cognition は新しいモデルが出るたびに Devin を作り直す必要があり、モデルの世代交代で一部の能力が後退したことさえある(Stratechery)。仕組みの水準では、先の Harness-Bench の 23.8 ポイント差が、この路線から見れば別の意味を持つ。モデルとハーネスの組み合わせ効果は実在し、どう組んでもよいわけではない。遡って見ると、2023 年の時点で、統合こそ最大の障害であり、生き残るのはモデル企業の自社製品だと予言した論考があり、三年後に的中した(Interconnects)。

弱点はどこか。 この路線の最も具体的な予言は、四か月たっても実現していない。Thompson 氏は三月、Harvey のような上乗せ型の企業は、モデル企業が markdown ファイル一つと少しの強化学習で倒せると論じた。ところが Harvey はその後、企業価値 110 億ドルで資金を調達し、年換算売上高は五か月で 1.95 億ドルから約 3 億ドルに伸びた。上乗せ型の企業は消えず、生き方を変えただけだ。Microsoft の姿勢も緩んでいる。六月十六日に Nadella 氏が Cowork の全世界提供を発表したとき、マルチモデル対応は最初の一文に書かれていた(X / @satyanadella)。同じ日に Axios は、DeepSeek を使った低価格版の日程を確認している。M365 Copilot はすでに利用者が Claude を選べるようにしており、Azure 上で両社のモデルを併用する顧客は 1,500 社を超える(Stratechery)。売上と利益をめぐる古い落とし穴もある。売上曲線の独占は利益率の独占と同じではなく、高い成長には補助金頼みの激しい競争が伴っている。

この判断を覆す条件。 この路線が自ら挙げた反証点は、特定のモデルに縛られない企業向けハーネスが現れ、しかも性能が落ちないことだ。そうなれば、切り離せないという主張は覆る。

二つの路線を同じ机に載せる:境界は時点ではなく、難度を登っていく前線だ

両陣営の言い分を並べたところで、証拠を重ねてみる。四か月前、この論争は互いに自説を語るだけの状態だった。新しい証拠を重ねると、一つの形が浮かぶ。二つの路線は同じ象の別の部位を語っており、それぞれが当てはまる範囲は、タスク難度の分位という一つの変数で切り分けられる。

まず、結合がどこで起きるかを見る。OpenAI はもはやハーネスとモデルを分けて扱っていないという Altman 氏の発言は、仕組みを言い当てている。モデルは自社のハーネスの中で強化学習によって調整されるため、純正の組み合わせが生む体験上の上乗せは本物だ。同じモデルが Claude Code と Copilot でまるで別物になるのも、Cognition が世代ごとに製品を作り直すのも、これで説明がつく。結合は訓練時に起きる。

次に、切り離しがどこで起きるか。Perplexity による司令塔モデルの入れ替え、Harvey のモデル選択機能、Microsoft の低価格版と自動ルーティング、OpenClaw 利用者による 15 ドルでの組み直し。これらの事例に共通するのは、デプロイの層で起きている点だ。ハーネスがタスクを分解し、振り分け、ガードレールで包んだあとでは、どのモデルにこの一手を実行させるかは費用対効果の問題になる。ハーネスの設計そのものを自動探索でき、別のモデルにも移せるという学術上の結果は、ハーネスの設計技術がモデル企業だけの参入障壁ではないことを示す(arXiv)。切り離しはデプロイ時に起きる。

この二つが同時に成り立つと、十分に良くなってから初めてモジュール化が進むという Christensen の線は書き換わる。元の命題は、その転換を将来のある時点として扱っていた。Thompson 氏の見方では、その日はまだずっと先にある。しかし証拠が示すのは一つの時点ではなく、タスク難度の分位に沿って動く前線である。週報を書く、メールを整理するといった低分位のタスクでは、モデルの部品化がすでに起きている。買い手は合理的に価格を比べ、オープンモデルで十分に用が足りる。難しいチケットを解く、巨大なコードベースに手を入れるといった高分位のタスクでは、純正の統合が生む上乗せがなお厚くなっており、Anthropic の売上曲線がこの区間の価格づけを裏づけている。コモディティ化は、来るかどうかの問題ではない。どの分位まで登ったかの問題だ。

どちらが正しいかは、対象のタスクがどの区間にあるかで決まる。そして前線が登る速さには、監視できる判定変数がある。難度の分位ごとに、安いモデルに替えたとき品質がどれだけ落ちるかを、公開の場で対照することだ。この対照表は今のところ空白である。集めた証拠の範囲には、同じハーネスでモデルを替えると性能が何ポイント落ちるかに直接答える、きれいな企業規模の測定が一件もない。論争で最も埋めるべき一枚はここにあり、両陣営がいまのところ逸話をぶつけ合うしかない理由もここにある。

本誌の見立て

ハーネスがモデルから切り離せるかどうかに、単一の終着点はない。訓練時の結合によって、純正のモデルとハーネスの組み合わせは高難度のタスクで統合の上乗せを保ち、利益は当面モデル企業に残る。デプロイ時の切り離しによって、低難度のタスクではモデルの部品化が上へ登り続け、利益はルーティングと編成の層に流れる。この判断を覆す条件は、十二か月以内に確かめられる。①高難度のタスクを純正でないモデルに替えても品質が落ちない、確かめられる企業の事例が出れば、統合の上乗せという判断は崩れる。②Microsoft の低価格版の提供後も高複雑度のタスクが移らず、Omnigent のような共通層が標準にならなければ、部品化が登っていくという読みは格下げになる。③Anthropic の売上集中がマルチモデルのルーティングで目に見えて分散すれば、統合する者が利益率を取るという読みの支えが崩れる。

これは誰にとって何を意味するか

• AI 分野に資金を配分する投資家: モデルはコモディティになるから応用層に投資するという見方も、モデル企業に賭けて中間層は短命とみる見方も、全称のスローガンであり、今年の証拠で両方とも削られた。成り立つのは難度の分位ごとの配分である。高分位では純正の統合製品に、低分位ではルーティングと編成の層に価値が寄る。境界線が登る速さは、上の三つの条件で測れる。
• エージェントを開発するチーム: 訓練時の結合が意味するのは、難しいタスクで純正の組み合わせが持つ優位が宣伝文句ではないことだ。安いモデルに替えても何も落ちないという前提は成り立たない。デプロイ時の切り離しが意味するのは、どの工程にどのモデルを使うかを振り分けられる設計であれば、部品化が一分位登るごとにその区間のコストが下がることだ。こうしたチームで意味を持つ計器は一つで、自社のタスク分布でモデルを替えたときの品質差の対照表である。この表を公開している主体はまだない。
• Microsoft の戦略を追う業界観察者: Microsoft はこの論争の生きた実験台である。三月の時点では、最もモジュール化したいはずの企業が単一のハーネスに縛られているという、教科書的な反例だった。六月にはマルチモデル対応を発表し、DeepSeek を低価格版に入れた。次に見るのは二つの数字だ。低価格版の提供後にそちらに振り分けられるタスクの比率と、高複雑度のタスクが一緒に移るかどうか。前者は前線が登る速さを測り、後者が起きれば、切り離せないという主張は本当に破られる。
• モデル企業の戦略を分析するアナリスト: Anthropic はサードパーティのハーネスに対してサブスクリプション経由の利用を遮断し、その結果、利用者が 15 ドルでの組み直しを公開で実演した。締め付けは低分位の需要をつなぎ止められず、オープンウェイトへの流出を早めるだけだった。モデル企業の価格決定力は高分位にある。低分位を売上の防衛戦として戦えば、競合への移行の手引きを自ら用意することになる。

最後にもう一度、冒頭の系統図を見る。本稿が更新したのは、ハーネス価値の跳躍という枝である。切り離せないとする路線は、訓練時の結合へと範囲を狭めた。その上乗せは本物だが、効いているのは高難度の分位だ。切り離せるとする路線は、今年初めて行動と測定の水準で裏づけを得た。ただし領土は今のところ中低分位までにとどまる。分岐は生きている。変わったのは問いの形で、二つの終着点のどちらかを選ぶ問題から、一本の前線がどこまで登ったかを測る問題になった。

本記事は日本語版・英語版・中国語版と同一の調査と判断にもとづいて書かれています。

出典にはリンクを付け、原文書と報道を区別し、確かめられなかった点を明記しています。

最後までお読みいただきありがとうございます。ご意見・ご感想は [email protected] までお寄せください。