米高官、証拠を示さず Moonshot の蒸留を名指し

今日の中核

1. [今週]（投稿 07-23）三か月前は名指しを避けた米政府が、Moonshot AI を三つの具体的な行為で指摘した

米ホワイトハウス科学技術政策局（OSTP）の Michael Kratsios 局長は 7 月 23 日、公式アカウントで、中国の AI 企業 Moonshot AI が Anthropic の Claude Fable を蒸留して自社のフロンティアモデル Kimi K3 を開発したと投稿した（Kratsios 氏の投稿、07-23）。

Kratsios 局長は米国の行政府で最上位の科学技術政策の担当者である。投稿が挙げる行為は三つある。一つ目は蒸留である。Kratsios 局長は、Moonshot AI が Fable を蒸留して K3 を開発したとの情報があると投稿した。二つ目は、検知を避けるため複数のアクセス経路をすばやく切り替えられる、大規模な蒸留の基盤を築いた点だ。三つ目は、米国の輸出管理の対象である Nvidia の GB300 を搭載したサーバーを入手し、タイでその計算資源を使った点である。蒸留が知的財産の窃取に当たるかが、本件の争点だ。

同じ日に、財務長官は制裁の可能性にも触れた。Scott Bessent 財務長官は、オープンソースだからといって米国の知的財産を自由に持ち出してよいわけではないと述べ、制裁と実体リストの発動を排除しなかった。実体リストは米商務省の輸出規制リストで、載った企業へ米企業が輸出するには特別な許可が要る。Bessent 氏の発言は theZvi の週報、07-23 の紹介による。三か月前、米政府は「証拠があり、措置を取る」と述べるだけで、企業名は挙げなかった。7 月 22 日号は、蒸留をめぐる論争の仕組みと米政府の規制の風向きを扱った。今回新しいのは、名指しと、財務長官が制裁と実体リストを排除しないと述べたことの二点である。正式な措置はまだ出ていない。

本紙の推論：政策の線は一般的な宣言から名指しの指摘へ一段上がり、実体リストが脅しから実行に移れば、Kimi K3 など中国のオープンモデルを使う企業では API の供給と法令順守の審査に影響が及ぶ。

逆向きの読みもある。政策アナリストの Peter Wildeford 氏は、K3 は米国の最上位モデルにまだ約六か月遅れていると見積もる。この見積もりも同じ週報の紹介による。

まだ言えないこと： 米側は根拠を示さず、Moonshot AI はこの指摘に回答していない

検証： 指摘があったこと自体は確かで、投稿の文面は公式アカウントの原文どおりである。指摘が事実かどうかは、まったく決まっていない。米側はどう知ったかを説明せず、証拠も示していない。Moonshot AI はこの指摘に回答していない。TechCrunch は同日、K3 の能力の水準は一つのフロンティアモデルの蒸留では説明できないとする専門家の見方を伝えた（TechCrunch、07-23）。米側の指摘と専門家の見方を、どちらも並べて記す。発行時点で、制裁も実体リストも脅しの表明にとどまり、正式な措置は出ていない。

2. [今週]（テスト公開 07-23、週報の紹介）一般に利用できる四つのモデルが IMO で 42 点満点に並び、正答率では最上位のモデルを見分けられなくなった

テック投資家 Deedy 氏の公開テストによれば、一般に利用できる四つの AI モデルが、今年の国際数学オリンピック（IMO）ですべて 42/42 の満点を取り、1 回あたりの費用は約 10〜50 米ドルだった（theZvi の週報、07-23）。

満点に並んだことで、IMO の点数は最上位のモデルの差を示さなくなった。IMO は世界で最も難しい高校生の数学競技会で、長く AI の推論能力の基準とされてきた。2025 年の AI の最高点は 35/42 で、しかも公開されていない二つの実験モデルによるものだった。

四つのモデルにはそれぞれ特徴がある。Anthropic の Fable 5 は最も速く、一度で通った。OpenAI の GPT-5.6 Sol は最も安い。中国の Kimi K3 も満点だが、満点までに余分に四回試し、トークンの消費も四つのうち最も多い。新興企業 Axiom Math は、すべてを機械で検証できる形式証明で解いた。7 月 20 日号は、Axiom が自ら満点を主張したあと何日も独立の確認がないと伝えた。今回のテストは Axiom の主張と一致するが、テスト自体も一つのソースの紹介である。

同じ週、METR は、AI が人間と同じ課題に追いつくのに要る費用を測る新しい物差しを出した。METR は、AI が自律でこなせる人間の作業の長さを測ることで知られる独立の研究機関である。METR によれば、AI は一つの課題にいくら費用をかけても成績が頭打ちになり、人間は十分な費用をかければいずれ追い越す。そこで、AI がいくら使えば人間に追いつくかを測る。例題は公開の NanoGPT の訓練を最適化する研究開発の課題で、この課題では最も良いモデルが約 2 千〜3 千ドルで人間に追いついた（同じ週報による）。

本紙の推論：最前線のモデルを比べる軸は、正答率から、人間と同等の成果に届くまでの費用へ移りつつある。根拠の二つの事実はどちらも一つのソースの紹介で、証拠はまだ薄い。この読みが成り立てば、次のモデル競争の売りは最高点ではなく費用対効果の曲線になる。

まだ言えないこと： Deedy 氏の記録も METR の発表も、theZvi の週報一本の紹介による

検証： 本条の数字はすべて theZvi の週報一本の紹介によるもので、第二の出典はない。方向を示す材料として扱う。METR 自身も二つの留保を付けている。例題は公開の課題なので、モデルが過剰に練習している可能性がある。METR はあわせて各社に、費用を増やすとどこまで良くなるかの曲線を全部公表するよう求めた。

3. [今週]（公開 07-23）Exponential View によれば、トークンの値下げ 10% で使用量は 12〜18% 増え、値下げはトークン販売の事業を壊さない

7 月 21 日号は丸ごと一号を使って、中国のモデルは本当に安いのかを問うた。今週オープンソースの界隈で最も熱いのは、その続きの問いである。テック分析のニュースレター Exponential View は 7 月 23 日、Kimi K3 の攻めた価格がトークン販売の事業を壊すかという問いに、壊さないと答えた（Exponential View、07-23）。

根拠は二組の数字である。同誌の産業報告は、値下げ 10% ごとにトークンの消費が 12〜18% 増えたと測った。全米経済研究所（NBER）の作業論文は別に、値下げ 10% で使用量が約 11% 増えると推定した。経済学でいう弾力性 -1.11 で、価格が 1% 下がると使用量が 1.11% 増える。

ただし -1.11 は、価格と使用量を掛け合わせると売上がほぼ変わらない水準である。弾力性が 1 をわずかに上回る程度なので、この数字だけで言えるのは急落しないことまでだ。支出の総額がむしろ増えるという主張を支えるのは、同誌の 12〜18% のほうである。二組の数字は産業報告と学術の計量で算出の基準が違い、平均して一つの数にはできない。値下げが使用量を増やすという方向は一致する。

同じ記事は供給側の勘定も補う。オープンウェイトが無料でも、運用は無料ではない。K3 は 2.8 兆パラメータで、重みだけで 1.4 TB を占める。自前で動かすには GB200 NVL72 級の 72 GPU のラックが要り、買い切りで約 300 万〜400 万ドル、公開市場で一年借りると約 700 万ドルかかる。ネットワーク、ストレージ、冷却、人件費は含まない。

本紙の推論：推論の計算資源を売るクラウド事業者にとって、単価の下落は使用量の伸びで取り戻せる。定価の目標は単価を守ることではなく、単位費用が下がる速さと使用量が伸びる速さの競争に勝つことだ。

この条目は本号の深掘りレポートと合わせて読める。上流は計算資源のために借入でつなぎ、下流はトークンの単価が急落しても総使用量が伸びている。中間にあたる、使用量が有料の売上に変わる段階が持ちこたえるかは、深掘りレポートの三つの判定の兆候が答える。三つは、高価格帯の売上維持率が 85% を保てるか、フリーキャッシュフローがゼロに達したあと債券市場が出す条件、コーディング以外で二本目の売上の曲線が育つか、である。

まだ言えないこと： 12〜18% は同誌の自己申告で、NBER 論文の数字は Exponential View の記事の紹介による

検証： 二つの弾力性の数字（同誌の 12〜18% と NBER の -1.11）は、どちらも同じ Exponential View の記事の紹介による。12〜18% は同誌自身の報告の数字で、自己申告の面がある。NBER 論文の数字は Exponential View の記事の紹介による。自前運用の費用は筆者の工学的な推計である。2.8 兆パラメータという仕様は Bloomberg の以前の報道と一致するが、ほかのハードウェアと電力の数字に第二の出典はない。

4. [今週]（適用 07-20）Anthropic は最上位モデルを Max と Team Premium のプランに常設し、需要が読めないので容量を広げながら段階的に提供を広げると説明した

Anthropic は、Claude Fable 5 を 7 月 20 日から Max と Team Premium のプランに常設すると発表した（公式発表は theZvi の週報、07-23 の紹介による）。

Fable を使うと、一回の操作で利用枠を二倍消費する。Pro プランは引き続き利用ポイントで使え、一回限りで 100 ドルのポイントが付く。Claude Code の週あたりの上限は 5 割増しになり、8 月 19 日まで続く。

同社は理由を率直に説明した。Fable の需要は予測が難しく、段階的に開放し、容量を広げながら期間を延ばすという。エンジニアの Thariq 氏は、常設は昼夜を問わない作業で実現したと述べた。

同じモデルが今日、二つの話題に出ている。一つは需要が供給を上回る容量の制約で、もう一つは、中核 1 で蒸留されたと指摘された対象である。同じ週報の紹介によれば、Anthropic は蒸留への対策としてモデルの思考過程の開示を絞っており、一部の作業では使い勝手が実質的に落ちている。

本紙の推論：蒸留への対策と容量の拡大の代償は、どちらも有料の開発者にかかる。Anthropic が製品上の対策を示さなければ、蒸留の指摘で最も大きな打撃を受けるのは自社の顧客体験である。Claude の使い勝手が縮めば、エージェント製品を比べている企業にとって、代わりの選択肢は主に OpenAI の ChatGPT と Codex になる。

まだ言えないこと： 内容はすべて theZvi の週報の紹介によるもので、第二の出典はない

検証： 自社製品についての公式発表の内容である。ただしその内容は週報の紹介によるものである。

次に注目するのは、Claude Code の週上限が再び絞られるかどうかと、絞られた思考過程の開示が元に戻るかどうかだ。この二つで、蒸留への対策と容量の拡大の取捨が顧客体験にどこまで及ぶかが分かる。

5. [今週]（評価公開 07-23、まとめ記事の紹介）Poolside の Laguna S 2.1 に開発元以外で初の評価、速度とツール呼び出しは良好だが圧力下で三度事実を捏造した

AI のコード生成企業 Poolside が先週出した小型のオープンモデル Laguna S 2.1 を、Reddit でローカルモデルを扱うコミュニティの利用者一人が自前の問題集で試し、その結果を AINews が 7 月 23 日にまとめた（AINews、07-23）。

これは開発元以外による初めての評価である。7 月 23 日号は Poolside 自身の説明を載せた。利用者の試験では、速度は同じ規模のオープンモデル Qwen をわずかに上回り（毎秒 109 トークン対 103 トークン）、ツール呼び出しは同じ試験で最も良かった。しかし、意図的に圧力をかけた試験では三度事実を捏造し、同じ試験の Qwen は 0 回だった。

評価者は、数学的な推論に傾きすぎて、事実の扱いが雑になっていると評した。設定を直して 125 回試し直しても、捏造は 1 回残った。コミュニティの総評は、ローカルでの運用には魅力的だが、公式のスコアは良すぎて疑わしいというものだ。

本紙の推論：オープンモデルの受け入れ検査では、大きさと速度とは別に、圧力下での振る舞いも確かめる必要がありそうだ。根拠は利用者一人の試験にとどまる。

この結果は、Poolside 自身の説明に対する最初の反対材料でもある。Poolside の創業者は、同社モデルの能力は訓練後の振る舞いの調整から来ると主張しており、最初のコミュニティの試験が見つけたのは振る舞いの欠陥だった。

まだ言えないこと： 一人の私的な問題集の結果で、第三者の再現はない

検証： 一人の利用者の私的な問題集による評価で、内容は AINews のまとめによる。標準的な第三者の評価機関による再現はない。三回対ゼロ回は標本が小さく、決着ではなく兆候として扱う。

そのほかに起きたこと（本紙は未検証）

1. [今週]（インタビュー公開 07-22）Poolside の創業者 Kant 氏は、7 月 23 日号でツールの層についての主張を引いたのと同じインタビューで、訓練側の別の判断を示した。強化学習の訓練の本当のボトルネックは経過時間だという。バッチの規模には数学的な上限があり、GPU を足しても時間は買えない。このため、最前線の競争を測る単位は実は暦の日数だと同氏は述べる。同社自身の立場で、出典は一つである（Latent Space のインタビュー、07-22）

2. [今週]（まとめ 07-23）Google の社内のセキュリティツールについての紹介によれば、小型の専用モデルを最大五回繰り返し呼び出して結果を集約すると、Chrome のエンジンの脆弱性探しで確認済みの脆弱性が 55 件見つかり、より大きな汎用モデルの 47 件と Claude Opus 4.6 の 36 件を上回った。紹介は一件だけで、企業どうしの比較は、自社に有利な結果を出す動機が働きやすい（AINews、07-23）

3. [今週]（報道 07-23）Newcomer が入手した非公開の募集資料によれば、老舗のベンチャーキャピタル IVP は 18 億米ドルの新ファンドを募っている。資料によれば、IVP は Anthropic に大きく投資しているが、最大の株主ではない。OpenAI と SpaceX には投資できなかったように見えるという（Newcomer、07-23）

4. [裏付けの更新]（元の主張 2026-04）Altimeter のアナリストによる AI の価値の逆三角形という枠組みを個別に取り上げて確認した。Nvidia の会社全体の粗利率 75.0% は決算資料の原文で裏付けられる。これはデータセンターの粗利の近似値で、Nvidia は部門別の粗利を開示していない。大手クラウド事業者がデータセンター売上の約半分を占めるという点には、最高財務責任者の決算説明会での発言がある。二年で約 3,500 億ドルが新たに加わり、その 75% がチップの層に入るという点は、独立した第二の出典はなく、元の分析の筆者の推計だけが根拠である（Nvidia の決算発表；決算説明会の書き起こし；元の分析）

5. [裏付けの更新]（原文 2025-01）Dwarkesh Patel 氏の全自動の AI 企業という想定を再確認した。原文と引用は一致する。真剣な独立の批判はあるが、覆されてはいない。将来についての想定で、いまある事実では判定できず、記録として残す（原文）

深掘りレポート：四つの試算はそろって「AI の計算資源は買い足りない」と言う——だが四つが共有する一本の柱は未検証のままで、その柱にいま検証の期限が付いた（2026-07-24）

核心の判断。 2025 年後半、四人の大物がそれぞれ独立した試算で同じことを論じた。投資家の Brad Gerstner 氏、企業向け検索の Glean の CEO の Arvind Jain 氏、Michael Dell 氏、Nvidia の CEO の Jensen Huang 氏である。計算資源は買いすぎではなく買い足りず、妥当な年間投資額は 2 兆〜5 兆ドルだという。しかし四つの試算は、企業は生産性の向上にその価値に近い金額を払う、という同じ一本の柱を共有している。2026 年半ばの照合の結果は三層に分かれる。ツルハシを売る側、つまり計算資源を売る供給側の予想は、すべて実現した。代金を払う側の転換率は一つの数ではなく、価格帯で層をなす曲線だった。そして資金の構造が、この論争に期限を付けた。

なぜいま掘るのか。 三層それぞれの新しい証拠が今週そろった。供給側が先に実現した。Nvidia のデータセンターの売上は一四半期で 750 億ドル、前年同期比 92% 増だった。年換算では約 3,000 億ドルで、ウォール街がもともと 2029 年に置いていた水準に三〜四年早く迫った（Nvidia の決算説明会、2026-05）。

代金を払う側の転換率は、価格帯で層をなす曲線である。月額 250 ドル以上の企業向け AI ツールは、既存顧客の売上が残る割合（GRR）が 70%、既存顧客の追加購入も含めた割合（NRR）が 85% で、従来の B2B の SaaS の水準に届いた。比較の対象として、AI ネイティブの新興企業全体では、GRR の中央値は 2025 年 1 月の 27% から 9 月の 40% に上がったにすぎない。中価格帯（月額 50〜249 ドル）は約 45%、50 ドル未満の低価格帯は 23% しか残らず、まだ流出が続く（a16z；ChartMogul）。

弱気側の旗印だった、企業の試験導入の 95% が失敗したという MIT の報告は、方法論が公に疑問視され、争いのある兆候に格下げされた（HPCwire）。代わりに、より硬い反証としてデンマーク全国の行政データが出てきた。ChatGPT の公開から最初の二年で、所得を 2% 以上動かす効果があった可能性は、統計的に退けられる（NBER の作業論文）。

本当に期限が付いたのは資金の構造である。大手クラウド事業者の設備投資は、営業キャッシュフローの 90〜100% を使い切っている。合計のフリーキャッシュフローは、Epoch AI の予測で 2026 年第 3 四半期の前後にゼロに達する（Epoch AI）。Epoch AI は AI の計算資源の統計を公開する研究機関である。不足分は借入が引き継ぎ、2026 年の AI 関連の債券は約 4,890 億ドルと推計される（Yahoo Finance が引くゴールドマン・サックスの推計）。転換率のデータを待つことは、もともと期限のない待機だった。いまは期限のある競争に変わった。高価格帯の転換が広がる速さと、資金調達の条件が厳しくなる速さの競争である。あわせて、反証できる予測のうち、外れた一つも記す。設備投資が営業キャッシュフローの 66% で頭打ちになり、その後は下がるという Gerstner 氏の予測は、BofA、Epoch、Oracle の三つの独立した出典によって、それぞれ覆された。

この判断を覆す条件。 (1) 高価格帯の企業向けツールで、既存顧客の追加購入も含めて売上が残る割合（NRR）が 85% の水準を保てるか（85% は本紙が置いた目安である）。(2) フリーキャッシュフローがゼロに達したあと、債券市場が四半期ごとに出す利回りの上乗せと条件がどれほど速く悪化するか。(3) プログラミング以外の分野でも、会社の決算に単独で載せるに足る二本目の AI の売上の曲線が出てくるか。

答え合わせの日。 2027-07-24 に照合する。12 か月という期間は本紙が決めたものである。

以上は要約版である。完全版は深掘りレポートの日本語版ページで読める（中国語版の購読者には、同日夜の米国中部時間 7:30 に別便で届く）。

チップと半導体

本号にチップと半導体はありません。昨夜の範囲の材料 18 本は、モデル、AI の経済学、政策が中心だった。チップに触れたのは、中核 1 と 3 の GB300 と GB200 のラックの文脈だけで、この欄に足る新しい出来事はなかった。

目利きの読み

1. [今週]（公開 07-23）ウォートン校の Ethan Mollick 教授によれば、AI で実際の仕事をする選択肢は事実上二つで、分かれ目はモデルではなく製品の作りにある（One Useful Thing、07-23）。 Mollick 氏はペンシルベニア大学ウォートン校の教授で、AI の実用を発信する論者として企業の読者に広く読まれている。同氏は 7 月 23 日、自ら試した結果をもとに、実際の仕事に使える選択肢は月額 20 ドルからの ChatGPT と Claude だけだと書いた。差はモデル自体ではなく、エージェントの実行環境と製品の作りにある。これは Mollick 氏個人の実測にもとづく判断である。同氏は各ラボの新製品を先に使える立場にある。同氏は両社の製品を二つの型に分ける。結果を渡す型では、モデルがクラウドの仮想マシンで作業し、資料、分析、ファイルを渡して利用者が確かめる。過程を見せる型では、モデルが利用者のコンピュータを操作し、ファイルの変更やコマンドの実行が見える。Google については、いま差がつく点で遅れていると厳しく評した。首位のフロンティアモデルを持たず、OpenAI の Codex や Claude Code に近い製品もない、という。Codex は過程を見せる型のエージェントである。中国のオープンモデルは能力は驚くほどだが、エージェントとして使うにはかなりの専門性が要るとした。本紙の推論：この見方は、AI の価値がモデルそのものから離れつつあるという 7 月 19 日号の判断を支える。モデルは複数の会社から選べるようになったが、使えるエージェント製品はまだ二つに限られる。分かれ目は製品の作りの層に移った。留保として、これは一人の判断で、同氏自身も情勢はすぐ変わりうると書いている。

研究とモデル

1. [今週][傾向]（公表 07-22 前後、週報の紹介）87 年間未解決だった数学の予想が覆され、反例を見つけたのは AI と人間の数学者の組み合わせだった（theZvi の週報、07-23）。 Anthropic の研究者は、人間との協働で Claude Fable が 1939 年に出された Jacobian 予想の具体的な反例を見つけたと公表した。反例は機械で検証でき、競合する複数社のモデルが別々に確かめたので、一社の自己申告よりも証拠の質は高い。Jacobian 予想は代数幾何の有名な問題で、多項式写像のヤコビ行列式が 0 でない定数なら、その写像は逆写像を持つはずだという主張である。見つかった反例は、行列式が常に定数なのに異なる点を同じ点に写し、予想に直接反する。反例は Kimi（Moonshot AI）、ChatGPT（OpenAI）など別の会社のモデルと、Anthropic 自社の Sonnet がそれぞれ独立に検証し、その後同じ型の反例も複数見つかった。7 月 20 日号は、DeepMind のシステムが Erdős の未解決問題 353 問のうち 9 問を自力で解いたと伝えた。今回の証拠の質は、その Erdős 問題の件より高い。境界は三つある。一つ目に、人間の数学者の貢献は実質的で、AI が単独で成し遂げたものではない。二つ目に、紹介者自身が、一問が解けたことはその問題が比較的易しかったことも示すと注意している。三つ目に、反例は訓練データにある人間の既存の結果から来た可能性があるという評者の疑問がある。成果の帰属と初の事例かどうかは、学界の評価を待つ。本条も theZvi の週報一本の紹介による。競合する複数のモデルで互いに検証するやり方は、評価と受け入れの手順を設計する上でも参考になる。今週ほかの分野に大きな新しい論文はなかった。

プロダクト動向

本号にプロダクト動向はありません。直近 48 時間の製品企業の材料は、題名しかない短い記事や本文の欠けたものが多く、一本ずつ判断できなかった。

過去の洞見

1. [振り返り]（本紙の深掘り研究、2026-07-07）ある命題の最も強い裏付けは、同時にその天井も示した——能力は計算予算の関数であるという命題の境界。 本紙は 7 月初め、適切な実行環境を与えた現代のモデルの能力は固定の性質ではなく、推論にどれだけ計算資源を投じるかの関数である、という命題をまとめた。考える量を増やしても良くなるとは限らず、恩恵は答えを検証できる数学やプログラムに集中するという、命題の境界を同じ 40 本超の論文が示した。裏付けの側では、能力は考える予算とともに上がり、分野をまたいで再現できる。境界の側の代表は二つある。プリンストン大学のチームの評価 HAL は、エージェントの試験を 21,730 回走らせ、考える度合いを上げるとほとんどの場合でかえって正確さが下がると見つけた（arXiv、2025-10）。VisualPuzzles というベンチマークは推論と分野の知識を分けて測り、考えるモードの上積みはモデルと課題をまたいで一定せず、マイナスになる場合さえあると見つけた（arXiv、2025-04）。答えを検証できない分野では、トークンを燃やしても無駄になりうる。今日の中核 2 と合わせて読むと、METR が測る「人間に追いつくまでの費用」は、この命題を発注や導入の判断に使える数字へ近づける次の一歩にあたる。ただしこの境界は、考える量に払う価値があるかは、まず課題がどの分野に属するかで決まることを示している。

ソースと棚卸し

過去 24 時間。 昨夜から今朝にかけての定期の材料は 18 本である。業界のニュースレター 6 本を読んだ（theZvi の週報、Exponential View、AINews の 2 本（Laguna S 2.1 の号とAI とサイバーセキュリティの号）、Newcomer、One Useful Thing）。番組の書き起こし 12 本を処理し、うち 2 本からは材料を取っていない。使ったものには Latent Space の Poolside インタビューがある。7 月 22 日に取得したニュースレター 2 本も同じ回で扱い、うち 1 本は催しの告知だけで材料はなかった。X の投稿は 1 件を原文で照合した。Kratsios 局長の公式の指摘である（元の投稿）。独立のメディアとの突き合わせは 1 本である（TechCrunch）。日中は個別の確認を 2 件終え、Nvidia の公式の決算発表と決算説明会の書き起こしで一次の出典を計 3 件加えた（結果はそのほかに起きたことの最後の二本）。今日、追跡する情報源の追加と、一度きりの過去分の補充はない。本号が保証できるのは、上の範囲の中のシグナルだけである。製品企業の公式ブログは 17 本を取得したが、多くは題名だけか本文が欠けており、シグナルは取っていない。X のネット全体の検索は走らせていない。

出典の集中。 theZvi の同じ週報は、今日の中核 2・4 と研究とモデル 1 の主な出典になっている。中核 2 の二つの裏付けの事実は、どちらもこの週報の紹介による。例外は中核 1 の指摘で、公式の元の投稿を照合し、TechCrunch の独立した反対の見方もある。一本の週報が途切れると中核の二本が同時に傷つく、という構造上のリスクがある。

在庫（過去 24 時間以外）。 本紙が蓄積し、必要に応じて読む資料は、7 月分から順に補充しており、現時点で次のとおりである。学術論文 2,825 本、企業と個人のブログ 2,299 本、X の投稿 1,381 件、業界のニュースレター 974 本、企業の開示 924 件、業界の分析 533 本、番組の書き起こし 288 本である。今日の中核の外の長い裾野は、ここから主題ごとに狙って取り出す。

本紙が追っているソース。 本紙の判断の土台として、いま名前の分かる 529 の発信者を追っている。X 305 人（Elon Musk、Andrej Karpathy、Greg Brockman、Nathan Lambert など）、番組 90 人（Satya Nadella、Dario Amodei、Jensen Huang など）、ニュースメディア 51 社、個人ブログ 48 人（Simon Willison、Chris Olah など）、論文の著者 48 人（Noam Shazeer、Percy Liang、Tri Dao など）、ニュースレター 46 誌（Dylan Patel、Ben Thompson、Ethan Mollick など）、決算と説明会 26 社、基調講演 23 回である。

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。

本紙はニュースのまとめではありません。AI を使って分野横断で一次情報を読み、判断には原文の出典を添え、誤りは訂正ページで公表します。焦点は、どの変化がすでに起きていて、どの主張にまだ裏付けが足りないかであって、今日何が起きたかではありません。

—— SecondSource・調査システムによる自動生成 · 22 件のソース · ご意見・ご感想は [email protected] までお寄せください