夕刊 SecondSource 夕刊・2026/9/18 · 2026年9月18日
1. 「フロンティアのペース配分」をめぐって出回る三組の数字は、どれも速度ではない。OpenAI の旗艦系統のコンピュートは六割近く削られたが、全体では約 2% しか減っていない。（影響：コンピュート需要を見る投資家）
2. CoreWeave は、新規の短期契約の単価が自社の機材全体の平均の約五倍だと自己申告した。公開の賃料は一年で 5% しか上がっていない。（影響：コンピュートを買う財務責任者）
3. 同じモデルでもハーネスを替えると、一問を解くコストが最大 5.1 倍違う。ハーネスとは、モデルの外側を包み、ファイルやツールの扱いを代わりに管理するプログラムの層だ。（影響：プログラミング AI を導入する技術責任者）
今号の材料は、2026 年 9 月 18 日早朝にまとまった調査レポートと、同日公開の深掘りレポートである。材料の時期は 2026 年 6 月 27 日から 9 月 18 日まで広がる。昨夜さらったのは 236 本で、今号に残ったのはリンクをたどれる外部の領収書 17 件になる。
なぜあなたに関係するのか： 今後「どこかの AI 企業がどれだけ減速した」という話を見たら、まず分母と測った人を問う。それで初めて、真に受けてよいかが分かる。
核心の判断: 本紙は 9 月 15 日の号で、Anthropic の最高経営責任者 Dario Amodei が打ち出した「フロンティアのペース配分」について、速度の数字を示した当事者は一つもなく、外から確かめられるのは評価者が中に入れるかどうかだけだと書いた。深掘りレポートはこれを検証し直し、範囲を狭めた。数字は三組ある。ただし「能力は年に最大どれだけ進んでよいか」を示すものは一つもない。一組目は、AI の進路を予測する研究団体 AI Futures Project が 8 月 5 日に出した提案だ。フロンティア企業はコンピュートの少なくとも七割を外部顧客向けのサービスに、少なくとも二割五分を結果をすべて公開する安全研究に回すべきで、その比率は「enforced by third-party auditors with extensive internal access in AI companies」だという（AI Futures Project、2026-08-05）。二組目は、OpenAI が 9 月 6 日に公表した、自社の強化学習向け訓練コンピュートの配分である（OpenAI、2026-09-06）。強化学習は、事前学習のあとにモデルの能力を引き上げる主要な段階を指す。三組目は、カリフォルニア州選出の連邦下院議員 George Whitesides が呼びかけた「30-day safety stand-down」で、本紙が読んだのは AI 政策の論評者 Zvi Mowshowitz による転載だ（Zvi Mowshowitz、2026-09）。
二組目の三つの比率は、本紙が 9 月 7 日の号で書いた。8 月 7 日以降の一週間で、リリース予定の旗艦 Astra 級への GPU 配分は 59.2% 減り、ほかのモデル区分は 17.2% 増えて、減少分の約 85% を埋め合わせた。今日新しいのは換算である。三つの数から逆算すると、ほかの系統の 17.2% の増加が旗艦の 59.2% の減少の 85% を埋めたのだから、ほかの系統の配分は旗艦の約三倍になる。つまり旗艦系統はもともと、分析対象となった強化学習コンピュートの約四分の一を占めていたにすぎない。減少分のうち埋め戻されなかった部分を総量に均せば、ブレーキを踏んだあとの総量は約 2% しか減らない。これは本紙の推算で、85% が配分量の比を指し、二つの比率が同じ基準期を使っているという前提に立つ。原文の文意はそれを支持するが、明記はしていない。同じ出来事を「旗艦の訓練コンピュートを六割近く削った」とも「強化学習の総コンピュートはほとんど動いていない」とも書ける。違いは分母だけだ。
なぜいま掘るのか: 9 月 15 日の判断は、約束を「確かめられるアクセス権」と「確かめられない速度」の二つに切った。深掘りレポートはこれを書き換えた。二つは実は同じ一つのことである。提案の三本のてこは、訓練コンピュート、訓練の型、AI による AI の改良だ。外から見えるのはせいぜいコンピュートの総量で、用途の内訳は見えない。だからペース配分を開発側に置くかぎり、速度は誰かが中に入って読むしかない。では、なぜ誰も速度を書かないのか。深掘りレポートは、比較的具体的な、ありうる理由を一つ見つけた。独占禁止法のコンサルタント Doug Calidas は、ワシントン・ポストの 9 月 15 日のテクノロジー政策ブリーフでこう述べた。「If they agree to restrict output, that's a pretty classic antitrust violation」（ワシントン・ポスト、Jim Banks 上院議員の公式サイト転載、2026-09-15）。米司法省の Stanley Woodward 司法副長官が 9 月 17 日に示した好意的な姿勢は、サイバーセキュリティでの協力にしか及ばない（Washington Examiner、2026-09-17）。連邦取引委員会の Andrew Ferguson 委員長は、業者が一方で規制を求め、他方で独占禁止法の適用除外を求める姿は自分にとって大きな警報だと述べた（ロイター報道、silicon.co.uk 転載、2026-09）。
進行中 ?
検証: AI Futures と OpenAI の原文は本紙が直接読んだ。Whitesides は転載でしか読めておらず、Woodward の講演原稿と Ferguson の元の報道は本紙は読んでいない。⚠️ OpenAI の配分は会社の自己申告で第三者の承認はなく、しかも強化学習という一区画、あの数週間に限った数字であって、会社全体のコンピュートではない。⚠️「速度の数字を書けば法的には同業者の生産制限協定に最も近づく、だから誰も書かない」は本紙の推論で、硬さは低い。Calidas が語ったのは法的リスクであって、それを理由に数字を書かないと言ったラボは一つもない。⚠️ 利害の開示:本紙の調査システムは Anthropic のモデルで動いている。この項で Anthropic に関わる部分は、ソースの伝達と構造の分析にとどめた。
判断の更新: 深掘りレポートの結論はこうだ。アクセス権は速度の代わりではなく、開発側の速度を測る唯一の物差しである。ただしその物差しは、どの数を読むかをまだ指定していない。物差し自体もまだ約束の段階にとどまる。テクノロジーメディア TechCrunch の 9 月 16 日の報道によれば、Anthropic も OpenAI も、どの評価者と組むのか、いつ入るのか、何人か、何を見られるのかを公表していない。AI 安全評価の非営利団体 FAR.AI の Adam Gleave は、フロンティア開発企業が評価の過程を強く支配しようとしたため契約を断ったことがあると述べた（TechCrunch、2026-09-16）。本紙が長く追ってきたあの判断を深掘りレポートのとおり正式に書き換えるかどうかは、まだ決めていない。ここまでしか読まないなら、これだけ持ち帰ってほしい。「あるラボがどれだけ減速したか」を見たら、三つ問う。分母は一つのモデル系統か、会社全体か。数字は誰が測ったか。測った人は中に入ったことがあるか。今日の三つの答えは、一つのモデル系統、会社自身、入っていない、である。
投資への含意: いまのナラティブの前提は、フロンティア企業が減速に合意すれば将来の訓練コンピュート需要が押し下げられる、というものだ。この証拠はそれを弱める。唯一公開されている配分の読み取りによれば、一つのモデル系統のコンピュートを抑えてもその分は隣に流れ、総量は約 2% しか減らない。
この判断を覆す条件: いずれかのフロンティアラボが、会社全体を分母にしたコンピュートの配分比率を訓練、外部推論、社内研究開発の三つに分けて公表し、名前の出た外部評価者がそれを承認すること。あるいは研究機関が公開契約、電力、チップのデータだけからあるラボの訓練と推論の内訳を推定し、あとで会社の数字がそれを裏づけること。あるいはどこかのペース配分協定が名指しの速度か総量の上限を書き、独占禁止法の適用除外を一切受けずに実行されること。答え合わせの日:2027 年 3 月 15 日。 本紙が自分で決めた観察期間である。
なぜあなたに関係するのか： 公開の賃料が安くても、その価格で契約できるとは限らない。新興クラウドの債務を評価するときも、短期契約の価格で返済能力を計算してはならない。
CoreWeave は米国最大規模の GPU レンタルクラウド事業者で、NVIDIA の GPU コンピュートを AI 企業に貸し出すことを専業とし、ナスダックに上場している。同社は 9 月 17 日、2033 年満期の転換社債 30 億米ドルの発行を発表した。同日に米証券取引委員会に提出した投資家向け説明資料には「~25% price increase across SKUs in July 2026」とある。SKU は GPU の型番を指す。同じページには、第 3 四半期に新規で結んだ 3〜6 か月の短期契約の直近の価格帯が 1MW あたり年換算で約 4,000 万ドル、第 2 四半期に結んだ契約の約七割が顧客の前払いを含む、とも書かれている（CoreWeave 投資家向け説明資料、SEC 8-K 添付、2026-09-17）。1MW あたりの年換算収入は、この業界のユニットエコノミクスだ。100 万ワットの電力で支えられる GPU から、一年にいくら回収できるかを表す。資料の脚注によれば、この数字はその短期契約群の年換算売上を、対応するクラスタの稼働に要する電力で割ったものである。
比較対象は公開されている GPU の従量課金価格、つまり契約を結ばず時間単位で借りる表示価格だ。各社の GPU クラウド価格を追跡する第三者サイト getdeploying の指数は、9 月 14 日の週までの直近四週で 3.3%、過去一年で 5% 上がった（getdeploying、2026-09）。テクノロジー調査の比較サイト AIMultiple が 9 月 16 日に更新した指数では、NVIDIA の主力データセンター GPU である H100 の従量課金の中央値は 1 GPU 時間あたり 3.25 ドルだった（AIMultiple、2026-09-16）。
検証: CoreWeave の数字は本紙が証券取引委員会の原文書から直接取り、7 ページの数字とラベルは原図と照合した。⚠️ これは発行体が資金調達のときに提出する販売用の文書で、法的には「提供」の扱いとなり、責任は四半期報告より軽い。会社にはユニットエコノミクスをよく見せる強い動機がある。25% は自社の表示価格の改定であって市場の平均成約価格ではなく、新規契約、更新、全契約のどれに適用されるのかも資料には書かれていない。⚠️ 公開指数の上昇率はいまのところ getdeploying 一社のものしか見えていない。AIMultiple は水準しか示さず同期間の変化を示さないため、二つ目のソースにはならない。⚠️ この項が荷重を負わせる売り手側の数字は、CoreWeave 一社のものだけだ。
判断の更新: 本紙は同じ資料の第 2 四半期の数字で粗く計算した。売上 25.75 億ドルを四倍し、稼働済みの約 1.5 GW の電力で割ると、機材全体の平均は 1MW あたり年換算で約 690 万ドルとなり、短期契約価格の五分の一に届かない。二つの数字は分子も分母も基準が違い、桁の目安としてしか使えない。そこで本紙は、まだ検証中の推測を一つ書き留める。結論は出ていない。GPU コンピュートはこの秋、確かに逼迫している。ただし上乗せ価格は新規かつ短期という小さな一区画の契約に集中し、公開の表示価格指数にも機材全体の平均にも現れない。売り手はその小さな一区画の価格を社債の説明資料に載せた。債権者に、最も高い一区画で機材全体を思い描かせるに等しい。 これは本紙が 7 月に受け取った単一ソースの読み取りと向きが逆である。当時は単一型番のスポット時間賃料の下落から、コンピュートの供給がすでに需要を上回ったと読んだ。二つは同時に成り立ちうる。本紙はこの矛盾を残し、古い読み取りは書き換えない。
投資への含意: いまのナラティブの前提は、公開の GPU 賃料をコンピュート循環の温度計として使える、というものだ。この証拠はそれを弱める。上乗せ価格が新規の短期契約にしかないなら、公開のスポット価格で供給過剰を判断すると、系統的に早すぎる読みになる。コンピュート契約を交渉中のチームにとっては、こうなる。売り手の見積もりが新規の短期契約を基準にしているなら、比較のときは長期契約の価格と公開の従量課金価格を並べて見ること。
この判断を覆す条件: CoreWeave が 11 月ごろに公表する第 3 四半期報告で、売上を稼働済み電力で割った値が明らかに上がり、短期契約価格に近づくこと。あるいは公開指数が今年第 4 四半期に二桁近い四半期上昇を示すこと。あるいは Nebius や Lambda のような GPU レンタル専業のクラウド事業者が、同時期の新規契約価格の横ばいか下落を開示すること。答え合わせの日:2026 年 12 月 15 日。 本紙が自分で決めた日である。
なぜあなたに関係するのか： クラウド事業者の利益は、AI チップが何年使えるかに懸かる。これは数少ない逆向きの公開の読み取りだが、売り手が自分で選んだ二例にすぎない。
今日の中核 2 本目と合わせて読んでほしい。同じ CoreWeave の資料の 10 ページに、名前の出ない顧客二社の事例が載っている。一社は NVIDIA が 2020 年に発売した A100 の契約を 2029 年まで延長し、「3-year contract signed in line with typical 1-year terms」、つまり三年の長期契約に割引を付けなかった。もう一社は 2023 年発売の H200 を三年更新し、「Premium to original contract」だった（CoreWeave 投資家向け説明資料、2026-09-17）。A100 を 2029 年まで使うなら、一枚のカードが約九年働くことになる。
検証: 本紙は原文書を直接取った。⚠️ これは売り手が資金調達文書で自分で選んだ二つの事例で、機材全体の統計ではない。H200 の上乗せ幅、CoreWeave 全体の更新率、旧カードの中古残存価値は、いずれも資料にない。⚠️ 公開指数での A100 の従量課金の中央値は、AIMultiple が 1 時間あたり 1.76 ドル（AIMultiple、2026-09-16）、getdeploying の GPU クラウド一覧が 2.00 ドル（getdeploying、2026-09）で、どちらも水準だけで更新率は示さない。
判断の更新: 市場には、AI アクセラレータチップの経済的寿命は大手クラウド事業者が帳簿に置くサーバーの償却年数よりはるかに短く、帳簿は減価償却を系統的に過小計上している、と主張する空売り側の論がある。CoreWeave のこの二例は逆向きの読み取りだ。九年働いた旧カードでも三年契約が結べている。これが弱めるのは「AI チップは数年で使い物にならなくなる」という一般化であって、帳簿上の年数と経済的寿命に開きがありうること自体は覆さない。経済的寿命を本当に判定できるのは更新率と中古残存価値で、いまのところ誰も公開していない。
投資への含意: いまのナラティブの前提は、AI チップの経済的寿命は短く、クラウド事業者の帳簿上の減価償却は低すぎる、というものだ。この証拠はそれを弱めるが、ごく軽い。売り手が自分で選んだ二例だけで、更新率も残存価値も欠けている。
この判断を覆す条件: CoreWeave かほかの GPU レンタル事業者が、旧世代 GPU 全体の更新率が低いと開示すること。あるいは中古の A100 や H100 の残存価値に公開の読み取りが現れ、大きく下落すること。答え合わせの日:2026 年 12 月 15 日。 今日の中核 2 本目と同じ日に確認する。
今日持ち帰れる一手：唯一公開されている配分の読み取りによれば、一つのモデル系統のコンピュートを抑えてもその分は隣に流れ、総量は約 2% しか減らない。もう一つ、上乗せ価格が新規の短期契約にしかないなら、公開のスポット価格で供給過剰を判断すると系統的に早すぎる読みになる。
1. [今月]（2026-09、番組の正確な公開日は本紙が確認できていない）研究者 Noam Brown は、テクノロジー対談の司会者 Dwarkesh Patel の番組で、AI が自分で研究をするようになれば、研究の進み方は五割速くなるかもしれないし、三倍、あるいは十倍速くなるかもしれないと述べた（Dwarkesh Patel、2026-09）。⚠️ 対談の全文を本紙はまだ読み終えていない。幅がこれほど広いと、能力曲線を減速の検収条件に使えば、どちらの側も自分が正しいと主張できる。
本号にチップと半導体はありません。 今週のチップ面で最も重要な読み取りは、CoreWeave が自己申告した GPU 価格と旧カードの更新契約で、今日の中核 2 本目と 3 本目に書いた。
[今月]（記事は 9 月 9 日、振り返り）機械学習研究者で『Build a Large Language Model (From Scratch)』の著者 Sebastian Raschka は、モデル間でプログラミング能力を比較するとき、ハーネスそのものが特定のモデルに肩入れすると注意を促す。 ハーネスとは、モデルの外側を包み、各ステップでどのファイルを読むか、履歴をどれだけ持たせるか、いつツールを呼ぶかを決めるプログラムの層を指す。Anthropic の Claude Code も OpenAI の Codex もこれにあたる。彼はこう書いた。「models are typically developed with one primary harness in mind (and fine-tuned less on other harnesses). Plus, the primary harness is often developed to suit and amplify a model's strengths.」（Sebastian Raschka、2026-09-09）。これが本紙のどの判断を支えたか。 第三者の順位表で二社のモデルにコスト差が出るのは、一部はハーネスによるもので、モデルだけの差ではない（順位表の数字は下のモデルの読み 2 本目）。
1. [今週]（研究は 9 月 1 日の価格表で計算、本紙は 9 月 18 日に確認）[測定] UC Berkeley の HarnessTax 研究:同じモデルでもハーネスを替えると、一問を解くコストが最大 5.1 倍違う。 研究は 7 つのモデルにそれぞれ別のハーネスを組み合わせて計 21 組を作り、プログラムの修正と端末操作の二つの評価でそれぞれ 30 問を 3 回ずつ走らせた。同じモデルで最も安いハーネスと最も高いハーネスの一問あたりコストの差は 1.1 倍から 5.1 倍だった。いちばん覚えやすい例は OpenAI の GPT-5.6 Sol で、Claude Code から Pi ハーネスに替えると、一問あたり 1.540 ドルが 0.441 ドルに下がった（ベンチャーキャピタル Theory Ventures のパートナー Tomasz Tunguz による転載、2026-09、研究プロジェクトページ）。Pi は研究で試したもう一つのハーネスで、開発元は原文に書かれていない。⚠️ 正答率が同じだとは証明されていない。42 組の比較を厳密な統計検定にかけた結果、偶然を排除できるほど大きな差は一組もなかったが、各マスの 90 回では約 15 ポイント以上の差しか検出できない。研究側自身も、この標本数では正答率が同じとは証明できず、差がないとも言えないと書いている（原文「undemonstrated at this sample size, not proven absent」）。⚠️ 本紙は論文本体を読めておらず、数字は Tunguz の転載と検索の要約の二経路で照合したが、二経路は同じ元をたどっている可能性がある。判断の更新: 同じ向きの最初の読み取りは Raschka の 6 月の個人的な実測で、Claude Code は一つのタスクで 57.8 万入力トークンを消費し、Codex はその約半分で済んだ（Sebastian Raschka、2026-06-27）。今日は独立した二つ目の測定が加わった。本紙は「プログラミング AI の単位コストは主にハーネスがコンテキストをどう管理するかで決まり、モデルの単価ではない」を、まだ検証中の判断に引き上げる。結論は出ていない。測ったのはプログラミングの評価二つだけで、品質の差もまだ排除されていない。プログラミング AI ツールを評価中か調達中のチームにとっては、こうなる。コストを比べるときはハーネスを固定し、独立した変数として扱うこと。モデルだけ替えてハーネスを見なければ、出てきた差はハーネスのせいかもしれない。
2. [今週]（第三者の順位表は 9 月 18 日に確認）OpenAI は、新旗艦 GPT-6 Astra は Anthropic の Claude Fable 5.1 より一問あたり約 63% 安いと言う。第三者の順位表では二つのスコアは並び、総費用は約 47% 少なく、自社の前世代 Sol に対しては逆に約 32% 多い。 検証結果:保留（スコアは合うが、コストの幅は誇張されている）。OpenAI の 9 月 9 日の企業向け発表文は、端末での多段階操作の評価 Terminal-Bench 4.0 で Astra 57.9%、Fable 5.1 55.8% とし、Sol と Fable 5.1 に対して「approximately 9% and 63% lower estimated API cost per task」だと書く（OpenAI、2026-09-09）。データラベリングと AI 評価の企業 Snorkel AI が保守する第三者の順位表では、最高の努力レベルで Astra 58.2%、Fable 5.1 57.9% と、誤差の範囲で並ぶ。66 問を走らせた総費用は Astra 3,300 ドル、Fable 5.1 6,200 ドル、Sol 2,500 ドルだった（Snorkel AI、2026-09-18 確認）。⚠️ 基準が違う。ベンダーの発表文は一問あたりの推定コストで方法は非公開、順位表は総額で、努力レベルごとに同じ基準に換算していない。⚠️ 各社とも自社のハーネスで走らせており、1 本目のとおり、コスト差のどれだけがモデルでどれだけがハーネスかは、いまは切り分けられない。⚠️ 利害の開示:本紙の調査システムは Anthropic のモデルで動いている。この項は順位表と発表文を伝えるだけにとどめる。
[今週]（発表は 9 月 17 日）OpenAI は旗艦モデルを法律業界向けの「Astra for Law」として包み直し、これまで Harvey や Legora のような法律 AI スタートアップが占めてきたアプリケーション層に直接踏み込んだ。 GPT-6 Astra に、2.3 億以上の URL を収めた米国法の検索インデックス、法律文書作成の指示、プライバシー管理をつなぎ、まず選ばれた法律事務所に提供する。API は近く公開される。Harvey や Legora はその上に製品を作れる一方で、それと競合もする。AI 評価プラットフォーム Vals AI の非公開の法律調査問題 200 問で、OpenAI が自ら走らせた結果は法律版が 54.0%、同じモデルにウェブ検索だけを使わせた場合が 38.7% だった（OpenAI、2026-09-17）。⚠️ OpenAI の自己申告で、自社対自社の比較であり、本紙に二つ目のソースはない。本紙の観察はこうだ。これはモデルの読み 1 本目と同じ種類の現象で、同じモデルでも検索と指示の設定を替えると成績が一段違う。本紙の推論はこうなる。「モデル+領域の検索+指示」で製品を組むチームにとって、これは同じ種類のリスクである。モデルのベンダー自身もこの層を作れるので、守り切るにはベンダーが持っていないもの、たとえばワークフローへの統合や既存の顧客関係が要る。
本号に過去の洞見はありません。 使える古い材料は使い切った。
過去 24 時間。 9 月 17 日から 18 日にかけて新しく入った材料は 236 本になる。内訳は論文 121 本、論文要約 50 本、ブログ 43 本、番組の書き起こし 13 本、購読ニュースレター 7 本、業界分析 1 本、企業の申告 1 本だ。この 236 本のうち本紙が昨夜読み終えたのは 2 本、採らないと判断したのが 1 本で、残る 233 本は読んでいない。論文と論文要約を合わせると新規分の 72% を占める。読み終えたのは CoreWeave の申告で、採らないと判断したのはブログの転載一本、内容は本紙が 9 月 17 日にすでに書いたものだった。番組の書き起こし 13 本はすべて同じ番組の旧回で、一度にまとめて入ってきたものである。SNS からは昨夜、新しい材料が入っていない。本文で使った外部の領収書 17 件のうち、Zvi、Dwarkesh Patel、CoreWeave の申告の 3 件は昨夜新しく入った 236 本に属する（Zvi と Dwarkesh の二本は、深掘りレポートが引いた段落だけを読んだ）。残る 15 件は別途、元のアドレスから取り直したか、手持ちから出したものだ。
今号で使った古い材料。 今日、一度きりで新しく加えたソースはない。目利きの読みで取り上げた 9 月 9 日の記事も、モデルの読みで引いた 6 月 27 日の実測も、手持ちの古い材料で、過去 24 時間の量ではない。
ソースの集中度について。 本文の荷重を負うソースの三分の一を超える一社はない。ただし今日の中核 2 本目と 3 本目で使った売り手側の数字はいずれも CoreWeave 一社から来ており、しかもどちらも資金調達文書だ。モデルの読み 1 本目で引いた研究の数字は、すべて同じ一本の転載を経ている。
今日あなたが手にできないもの。 一つ、HarnessTax の論文本体を本紙は読めておらず、プロジェクトページは動的読み込みである。二つ、CoreWeave のこの転換社債の条件決定の結果は、今号の時点で確認できていない。三つ、司法省 Woodward の講演原稿と Whitesides の寄稿の原文を本紙は読んでいない。四つ、GPU 賃料に関する報道一本は取得を拒まれたため、中核 2 本目の公開価格は二社の指数だけを使った。
本紙が見張っているソース。 記名の発言者は合わせて 529 人になる。内訳は SNS 302、番組 90、媒体 51、ブログ 48、論文の著者 48、ニュースレター 46、決算と説明会 26、大会の講演 23 で、残りは細かい。このほかに企業と機関のブログ 77 件があるが、ここには数えていない。⚠️ いま挙げたのが数えているのは発言の場だ。同じ人が複数の場に出ていることがあるので、足し上げると 529 より多くなる。代表的な名前を挙げると、ニュースレターには Zvi Mowshowitz、Gary Marcus、Dwarkesh Patel、Sebastian Raschka、ブログには Tomasz Tunguz がいる。機関の側には SemiAnalysis と NVIDIA Technical Blog がいる。名前は同じでも数える範囲が違う数字がいくつかあるので、分けて読んでほしい。 名簿のニュースレター 46 人、ブログ 48 人、番組 90 人、論文の著者 48 人は、長く追っている発言者を数えている。上で挙げた昨夜新しく入ったニュースレター 7 本、ブログ 43 本、番組の書き起こし 13 本、論文 121 本は一晩で入った記事を数えており、二つの母集団は違う。今号の本文が使った外部のソースは 17 件になる。 版尾に出るのと同じ数字で、本文がほんとうに引用し、しかも本紙の自社ドメインではないリンクだけを数えている。昨夜新しく入った 236 本とも範囲が違う。
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おり、すべての主張は一次資料へのリンクを備えています。
本紙はニュースのまとめではありません。毎日の AI 情報の流れから、本当に重要な洞察と、長く追う値打ちのある目利きの判断をすくい上げ、それぞれをどう検証したかまでお見せします。焦点は常に「どの判断が硬くなったか、誰の読みが当たっているか」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 · 17 のソース · ご意見があれば、ご返信ください