夕刊 SecondSource 夕刊・2026/10/12 · 2026年10月12日
Coinbase は、自社で微調整した小型オープンウェイトモデルが最先端の大型モデルに勝ったと言う——本当か
今号の要点
1. 根拠は CEO の投稿一件だけで、評価結果は出ていない：Coinbase は、アリババの Qwen3.5-9B を自社で微調整したモデルが不正防止でフロンティアモデル（いま最先端の一群のモデル）に勝ったと言う(影響:大型モデルの API 料金を払っているチーム)
2. OpenRouter の自己申告では、9 月第二週に基盤上の支出の 73% がクローズドモデルに払われ、1 月初めの 89% から下がった(影響:AI 予算を管理する人)
3. 今週のコラム：投資家の Gavin Baker 氏は、9 月 29 日に AI 企業六社がホワイトハウスで署名した自主協定には拘束力があると言う。外部監査の報告を無視した取締役は、株主に責任を問われうるからだという。本紙の照合結果は保留。取締役の責任追及が通ることはまれなうえ、発動するのは事故が起きた後に限られる(影響:AI ベンダーを審査するコンプライアンス責任者)
今週のコラム：AI 言説の照合
ホワイトハウスの AI 協定に罰則はない。それでも取締役の法的責任で署名企業を縛れる、というのは本当か
結論から言えば、本紙の照合結果は保留だ。テック系ファンド Atreides Management の創業者 Gavin Baker 氏は、取締役の責任があるのでこの協定には拘束力があると言う。デラウェア州法に取締役の責任を問う法理は確かにあるが、それで責任を問えた例は少なく、動き出すのも事故が起きた後である。Baker 氏が描く「委員会はあるのに報告を無視した」という状況は、過去に原告が全敗した類型の訴えに最も近い。この訴えを成り立たせるには前提が二つ要る。名前を公表した外部監査人と、その報告を受け取る取締役会の委員会だ。10 月 11 日の本紙の検索では、二つを公表した署名企業は見つからなかった。ただし検索は一回だけで、見つからないことは存在しないことを意味しない。
誰が何を言ったか。 9 月 29 日、Google、Anthropic、Meta、OpenAI、xAI、NVIDIA の首脳がホワイトハウスで、罰則のない自主協定に署名した。10 月 1 日、Baker 氏はこう書いた。「If they ignore a report from the third party auditors then a bad faith finding from a court is a real possibility.」（Gavin Baker、2026-10-01）同氏によれば、取締役が外部監査の報告を無視すれば、裁判所が悪意を認定する可能性がある。取締役の責任保険を引き受ける保険会社も、それを理由に支払いを拒める。ここでいう「悪意」は法律用語で、動機が悪いという意味ではない。監督すべきだと知りながら、あえて怠ったことを指す。責任保険の約款には、こうした故意の不作為を補償から外すものがある。同氏はさらに、目先ではこれがほぼどの規制措置よりも実効性を持つ、とも述べた。
協定の文言は、監査報告を受け取る委員会を取締役会に置くよう求めている。 この条文はコラムで最も直接的な証拠になる。ただし本紙が読んだのは、転載された全文だけだ。第四層の原文は「Designate an independent committee of the board of directors to oversee and receive reports from the teams operating the controls and the internal and external auditors and evaluators」である（Zvi Mowshowitz による全文の転載、2026-09-30）。全文は、協定がまだ法律ではないことも明記している。「Over time, it may make sense to codify these steps into laws or regulations.」⚠️ 全文を読めた経路はこの転載一つだけである（ホワイトハウスの発表文は American Presidency Project のアーカイブ）。この転載全文は監査結果の公表を求めておらず、監査人が誰かも書いていない。
デラウェア州法には、この責任追及の法理が確かにある。 1996 年の Caremark 事件で、取締役の監督義務が確立した。会社が重大なリスクを見張る仕組みを持つよう取締役は手を打たねばならず、それを怠れば株主は取締役を訴えられる。デラウェア州最高裁は 2019 年の Blue Bell 事件で、事業の中核に直結するリスクに監督の仕組みを作らなかったことは悪意にあたりうると判断した。こちらは取締役会がそもそも監督の仕組みを作っていなかった類型だ。Anthropic と OpenAI はどちらもデラウェア州のパブリック・ベネフィット・コーポレーション（公益目的を定款に掲げる会社）で、株主には取締役会資料を閲覧する法定の権利がある。だから少なくともこの二社には、この法理が当てはまる。残る四社は、この段では一社ずつ扱わない。以上の判例と条文は、本紙が 10 月 4 日の深掘りレポートで原文から整理した。
ただ、この法理で責任を問えた例は少ない。 コロンビア大学ロースクールのブログに 9 月に載った実証研究によると、デラウェア州の裁判所に持ち込まれたこの種の監督義務違反の訴えのうち、訴訟の初期段階を越え、正式な審理の前に裁判官に退けられずに済んだのは約 25.6% だった。Blue Bell 事件の後も、この比率は上がっていない。初期段階を越えても裁判が続くというだけで、勝訴を意味しない。同じ研究では、「取締役が危険信号を無視した」とだけ主張した訴えが 28 件あり、すべて敗れている（CLS Blue Sky Blog、2026-09-02）。⚠️ 研究は一本だけ。本紙の判断はこうだ。Baker 氏の想定は委員会があるのに報告を無視するというもので、仕組みを作らなかった Blue Bell 型ではなく、全敗したこの 28 件の類型に最も近い。
責任保険の支払い拒否は、確定判決を待たねばならない（この段の証拠が最も弱い）。 デラウェア州最高裁は 2021 年のある判決で、その保険証券の約款のもとでは、免責条項が働くのは「終局的で上訴できない裁判」が出てからだと判断した。こうした条項が裁判所の「悪意」認定まで含むかは、保険証券ごとの書き方による。判決の前に和解で終わることもある。ボーイングの取締役監督をめぐる訴訟の和解金 2 億 3,750 万米ドルは、全額を保険会社が払った。本紙の推論では、確定判決まで支払いを拒めない以上、この拒否が実務で効くことはほとんどない。⚠️ 判決とボーイングの和解は、どちらも法律事務所と業界ブログの要約で読んだもので、原本ではない。
協定署名の翌日、動いたと報じられたのは規制当局だった。 9 月 30 日、ワシントン・ポストは米連邦取引委員会（FTC）の幹部に確認を取った：「The Federal Trade Commission has opened a broad investigation into the safety of artificial intelligence systems made by Anthropic and OpenAI」（ワシントン・ポスト、Spokesman-Review による転載、2026-09-30）。記事は、FTC がどの権限に基づくのか、調査がいつ始まったのかを書いておらず、協定との関係にも触れていない。FTC はもともと調査権を持ち、この協定を必要としない——これは本紙の読みである。コラムニストの Zvi Mowshowitz 氏は別の前例を挙げる：「OpenAI had exactly this committee, but they either were kept out of the relevant loops or failed to act.」
⚠️ 利害の開示：Baker 氏は署名企業のポジションを持ち、投稿で新しい規制機関の設置に反対だと明言している。本紙の調査システムは Anthropic のモデルを使っており、Anthropic は署名企業の一つである。
照合結果：保留。 Baker 氏の主張のうち、仕組みの部分は成り立つ。取締役会が監査報告を受け取ったのに対応の記録を残せなければ、後に株主が資料を閲覧したとき、その記録の欠落が取締役に不利な証拠になりうる。一方、「規制より実効性がある」という部分は持ちこたえなかった。この訴えは事故の後に株主が起こすもので、「危険信号の無視」型の訴えは全敗し、和解になっても払うのは保険会社だ。協定署名の翌日に FTC の調査が報じられたが、使われたのはもともと持っている権限だった（本紙の読み）。
この判断を覆す条件。 ① 署名企業が監査人と委員会を公表し、保険の引受人が引き受けの際に AI 監査の状況を尋ね始める：成立に傾くが、それだけでは本紙は結論を変えない。② 委員会や監査の指摘でモデルの公開が一度延期された、という公開報道が出る：成立に改める。③ 12 月 6 日（本紙が自分で決めた観察期限）までに六社とも公表せず、FTC の調査が正式な資料提出要求（会社に文書の提出を求める法的手続き）を出している：「規制より実効性がある」という部分を不成立に改める。
どう使うか。 取引先が「協定に署名済み」と言ったら、三つ尋ねるとよい。監査人は誰か、報告はどの委員会に上がるのか、監査範囲の説明をこちらも受け取れるか。このコラムが照合したのは Baker 氏の一文であって、協定に署名すべきかどうかではない。
今号で答え合わせを一件、新たに登録する。 12 月 6 日までに、六つの署名企業のいずれかが自社の公式経路で、名前の明らかな外部監査人と、協定を担う取締役会の委員会を同時に公表するか。本紙は「しない」に賭ける。片方だけの公表や、メディアの伝聞だけなら「しない」に数え、決着は六社の公式ニュースルームと IR ページだけで判断する。この件の答え合わせカードは、いまのところ日本語版がない。
答え合わせ：CoreWeave の第二四半期の電話会議で、Nvidia が下支えで買い取る計算資源の量を問うアナリストは現れるか
①当時の見立て：8 月 2 日のコラムでこの予測を登録した。登録した一文は「CoreWeave の次の四半期決算と電話会議（2026Q2、8 月中旬の見込み）で、Nvidia の backstop による引き受け量が問われるか、そして会社が稼働率か引き受け量について照合できる数字を出すか」である。CoreWeave は AI 企業に GPU の計算資源を貸すクラウド事業者で、下支え（backstop）とは、CoreWeave が貸し出せなかった計算資源を Nvidia が買い取ると約束していることを指す。当時、確信度は記録していない。
②実際に確かめた結果：事前に指定した出典は、CoreWeave の 2026 年第二四半期決算と、8 月 11 日の電話会議の書き起こしである。書き起こしの全文に「backstop」という語は出てこず、アナリストとの質疑で引き受け量を尋ねた人はいなかった。会社は稼働率も Nvidia の引き受け量も開示せず、目先の計算資源の余力は「effectively sold out」とだけ述べた。書き起こしは有料データベースで読んだもので、読者が公開の形で入手することはできず、本紙は 9 月 30 日にそこで確認した。公開で読めるのは CoreWeave の第二四半期決算 である。
③判定と、どの層で決まったか：的中、ただし証拠は弱め（理由は後述）。予測を立てたとき、結果を三通り先に書いておいた。アナリストが引き受け量を問えば前半が成立し、会社が照合できる稼働率か引き受け量を開示すれば後半が成立する。どちらもなければ、「下支えのせいで決算から本当の需要が読めない」という予測の的中となる。予測の理屈はこうだ。貸し出せなかった計算資源を Nvidia が買い取ると約束しているので、空いた計算資源にも誰かが代金を払う。だから稼働率と売上は、外部顧客の需要を素直には映さなくなる。今回は三つ目だった。崩れたのは、当時引いた前提の一つである。ベンチャーキャピタル Benchmark のパートナー Bill Gurley 氏は、アナリストは八四半期続けて下支えを問い続けるだろうと言っていた。実際には、最初に問われるべき場で誰も問わなかった。アナリストが単に関心を持っていないだけかもしれず、この結果が予測を支える度合いは限られる。この件の期日は 9 月 15 日で、確認は 9 月 30 日、15 日遅れた。
④本紙が追う判断への影響：まだ動かしていない。この結果は「下支えが需要のシグナルを覆い隠す」という判断を支えるが、③のとおり支えは限られる。評価のし直しはまだで、この判断の確信度は当面 0.6（本紙が、成り立つ度合いを自己評価した値）のままとする。Nvidia の下支え条項という事実そのものは変わっておらず、動かす必要はない。
⑤判定の基準を変えるか：一か所変える。「アナリストが問うか」と「会社が開示するか」は今後二つの条件に分け、それぞれの重みを事前に書いておく。外れた半分が埋もれないようにするためだ。
8 月に AI ラボが相次いで公表した事故の波は、「古い事故がまとめて明るみに出た」ものか。 判定不能。期日の時点で、事前に書いた二つの反証条件はどちらも起きていない。ただ、どうなれば的中かを書いていなかったので、判定の基準がない。詳細は答え合わせカードにある。答え合わせ →
Anthropic の企業向けシェアは 35% を下回るか。 延期。読み取れる数字がまだなく、Menlo Ventures の次の企業向け LLM 採用レポートを待つ。答え合わせ →
本紙のすべての判断と答え合わせの日 → 判断一覧
今日の中核
1. [今日]（発生日 10 月 11 日）Coinbase の CEO、自社で微調整した小型オープンウェイトモデル Qwen3.5-9B（90 億パラメータ）が不正防止でフロンティアモデルに勝ったと発言
本紙 AI 推測：Coinbase の CEO は微調整した小型オープンモデルがフロンティアモデルに勝ったと言うが、比べた相手と測り方は公開されていない 2026-12-06に答え合わせ
読者にとっての意味： まず量が多く規則のはっきりした業務を一つ選び、今のモデルの誤り率と一回あたりのコストを基準として記録しておく。
全文を読む
暗号資産取引所 Coinbase の CEO Brian Armstrong 氏は 10 月 11 日、アリババのオープンウェイトモデル（重みが公開され、誰でも自前で動かせるモデル）Qwen3.5-9B を社内データで微調整したところ、「out performed frontier models, at much lower cost and speed, for a specialized task (fraud prevention in this case)」と書いた（Armstrong、2026-10-11）。フロンティアモデルとは、能力をいまの最先端まで押し上げた一群の AI モデルを指す。ベンチャーキャピタル Air Street Capital の Nathan Benaich 氏は「it's also comparing an old model」と返した（Benaich、2026-10-11）。
モデルの取り次ぎ基盤 OpenRouter（利用者のリクエストを各社のモデルに振り分ける基盤）は 9 月 22 日、7 月以降はオープンウェイトモデルが基盤上のトークン使用量の 62% 以上を占めると公表した。それでも 9 月第二週には、基盤上の支出の 73% がクローズドモデルに払われていた。1 月初めの週は 89% だった（OpenRouter、2026-09-22）。トークンとは AI が文章を読み書きするときの計量単位で、数文字ごとに 1 つと数え、使うほど料金が上がる。使用量では多数派でも支出では少数派なのだから、オープンウェイトモデルのトークン単価は相当に安いことになる。一方、オープンウェイトモデル企業 Reflection AI の CEO Misha Laskin 氏はポッドキャスト No Priors で、一般の企業はまず微調整していないオープンウェイトモデルを使い、業務の流れが固まってから微調整すると語った（No Priors、2026-10-09）。
本紙の読み：微調整とは、既製のモデルを自社のデータでもう一度訓練し、一つの仕事に特化させることだ。実名の企業が、専門業務を自社で微調整したオープンウェイトモデルに任せたと公言した例を、本紙が読むのは初めてだ。ただし今のところ Coinbase 一社の言い分にすぎない。このやり方が通用するなら、従量課金のクローズドモデル API は値下げ圧力にさらされる。次に確かめたいのは、OpenRouter が次に公表するクローズドモデルの支出比率が 73% からさらに下がるかどうかだ。支出比率の低下はクローズドモデル自身の値下げによるだけかもしれない。これは本紙の推測で、OpenRouter の原文は価格と使用量を分けて示していない。
まだ言えないこと： 投稿は比べた相手のモデルも測り方も書いていない どう確かめたか →
⚠️ 本紙の分析は Anthropic のモデルの支援を受けており、Anthropic はクローズドモデル企業の一つである。
今日持ち帰れる一手：中核 1：まず量が多く規則のはっきりした業務を一つ選び、今のモデルの誤り率と一回あたりのコストを基準として記録しておく。
そのほかに起きたこと
1. 本紙は未検証：[今日]（10 月 11 日の投稿）ベンチャーキャピタル Social Capital が、企業の支出管理サービス Ramp のデータを投稿した。Ramp の顧客が払う AI のトークン費用に占める Anthropic の割合は 3 月の 69.5% から 51.0% に下がり、OpenAI は 44.5% に上がったという。Ramp の元の数字は見つからなかった。Ramp が公開している 9 月の値は別の測り方で、料金を払った企業の割合では Anthropic 43.8%、OpenAI 39.8% である（Social Capital、2026-10-11）。
2. 本紙は未検証：[今日]（10 月 11 日の投稿）台湾の半導体を長く追う記者 Dan Nystedt 氏がメディア報道を伝えた。先端チップのテスト料金が 10% から 30% 上がる見込みで、報道は「過去最大」の上げ幅だとし、ASE（日月光）、KYEC（京元電子）、PTI（力成）、Ardentec（欣銓）が恩恵を受けると名指しした。元の報道機関の名前は出ていない（Dan Nystedt、2026-10-11）。
3. 本紙は未検証：[今日]（10 月 11 日の報道）サウスチャイナ・モーニング・ポストによると、アリババの会長 Joe Tsai（蔡崇信）氏は、オープンソースの AI こそ欧州が技術的に自立する唯一の道だと述べた。話し手は Qwen というオープンウェイトモデルの提供元のトップである。本紙が読んだのは中国の技術政策アナリスト Paul Triolo 氏による紹介で、記事の全文は未読（Paul Triolo、2026-10-11；サウスチャイナ・モーニング・ポスト）。
4. 本紙は未検証：[今日]（10 月 11 日の投稿）半導体記者の Tim Culpan 氏によると、Musk 氏の陣営は、自前で建てようとしているウェハー工場の計画 Terafab のために ASML に EUV（極端紫外線）露光装置を発注し、研究開発用の工場への納入は 2027 年半ばの見込みで、Intel も製造プロセスの技術を共有している（ライセンスか別の形の協力かは投稿にない）。台数、型番、金額は書かれておらず、納期の見通しは甘めだと同氏自身が書いている。本紙は 10 月 11 日号で、製造装置の大手四社がいずれも Terafab に関わっているというアナリストの話を伝えた。今日新しいのは発注と納期である（Tim Culpan、2026-10-11）。
チップと半導体
1. [今日]（10 月 11 日の投稿）投資家の Gavin Baker 氏は Silicon Data の「token index」を引き、B300 が 5 月 31 日から 38%、B200 が 10% 値上がりしたと述べた。指数の定義と基準時点は未確認だ。 同氏はこう書いた：「Since the @Silicon_Data "token index," which captures both price and mix, peaked on May 31: B300 prices are up 38%, B200 prices are up 10%.」（Gavin Baker、2026-10-11）原文がいう指数は、価格と機種構成の両方を映す。B300 と B200 は NVIDIA がいま出荷しているデータセンター向け GPU の二機種で、レンタル価格とはクラウドで GPU を一枚借りる一時間あたりの値段を指す。Silicon Data は GPU のレンタル価格指数を出しているデータ会社だが、この指数がトークンとどう結びつくのかを原文は書いていない。原文によれば、指数は 5 月 31 日に天井をつけ、B300 と B200 の価格はその日から上がった。指数の天井と価格の上昇がどう両立するのか、原文に説明はない。本紙が確かめられたのは Silicon Data の B300 指数ページ の最新値、GPU 一時間あたり 6.95 ドルだけで、5 月末の基準値は見つからず、このページが同氏の引く「token index」と同じ基準かも分からない。Baker 氏はテック系ファンド Atreides Management の創業者で、関連銘柄のポジションを持つ。モデル市場が分散するほど計算資源を売る側に有利になる、というのは同氏がここから引き出した推論である。
2. [今日]（10 月 10 日の傍聴記録）Qualcomm が Arm を訴えた独占禁止法訴訟は、デラウェアでの審理が四日目に入った。傍聴者の記録によると、Arm 側の経済学者は反対尋問で、最新世代 v10 のアーキテクチャ・ライセンスは世界で 5 件しかないと認めた。 アーキテクチャ・ライセンスとは、Arm から命令セットだけを得て、プロセッサのコアは自分で設計する契約のことだ。Apple も、Qualcomm の Oryon コアもこの形をとる。Arm が設計済みのコアをそのまま使うのとは違う。同じ記録によると、裁判官はアーキテクチャ層の競争は「strictly Arm and Intel」だと述べ、Arm の経済学者も RISC-V は企業のデータセンターでは「barely off the ground」だと語った。Qualcomm は現行契約のもとで 2033 年まで Arm のアーキテクチャを使えるが、v10 の新契約がなければ「completely unlicensed」になるという（公判の傍聴記録、2026-10-10）。記録者は Qualcomm 寄りの立場で、これは公式の速記録ではなく、数字は裁判所の記録を待つ必要がある。法廷での裁判官の言葉も判決ではない。この裁判は陪審なしで、裁判官が審理している。
目利きの読み
1. [今日]（10 月 11 日の投稿）元 Tesla の AI 責任者で OpenAI 創業メンバーの Andrej Karpathy 氏は、数学とプログラミングの仕事でフロンティアモデルを使う人は世界に約 2,000 万人、人口の約 0.2% だと見積もった。AI の実力をめぐって言い争う両陣営は、そもそも見ている層が違うのだという。 同氏自身、大まかな概算だと断っている。約 60 億人は大規模言語モデルにほとんど触れたことがなく、約 10 億から 20 億人は無料版を軽く使うだけ。数学やプログラミングの仕事でフロンティアモデルを使う約 2,000 万人は、何週間もかかる案件を指示一つで AI がやり遂げるのを目の当たりにしている。ラボ内部のフロンティアシステムまで使えるのは約 5,000 人だという（Andrej Karpathy、2026-10-11）。同氏はこの落差の原因を三つ挙げる。解きたい問題の大きさ、AI の能力の偏り（デジタルで検証でき、お金になる領域に集中している）、そしてどの水準のモデルを使えるか、である。だから「ただのチャットボットだ」と「人間のレビューはもう追いつかない」は同時に成り立ちうる。各層の人数は調査に基づくものではなく、最上層についての話は外から確かめようがない。AI の能力をめぐる議論を聞くときは、相手がどの水準のモデルを使い、どんな問題を扱っているかをまず尋ねたい。
2. [今日]（10 月 11 日の投稿）ペンシルベニア大学ウォートン校の Ethan Mollick 教授は、大企業が AI を導入する際の障害の一つは、ラボ自身の側にあると言う。製品やモデルがよく突然変わるからだ。 同氏は大企業の首脳数人と話したうえで、モデル自体はすでに、企業がどうにか使い道を見つけられるほど良くなっていると見る。本当の障害は組織の変革と、ラボの頻繁で突然の変更だという。先月 OpenAI の GPTs（利用者が独自の ChatGPT を作れる機能）に大きく賭けた首脳がいたが、その機能はすぐに打ち切られた。同氏は Google によるモデルの強制的な切り替えにも触れ、OpenAI だけの話ではないとした（Ethan Mollick、2026-10-11）。GPTs がすでに役に立つ段階を過ぎていたことは、同氏も認めている。同氏が少数の首脳と話して得た観察にとどまり、どれだけの数に基づくかは示されていない。本紙の読み：企業が自前のオープンウェイトモデルを一つ持っておく動機には、提供元が突然モデルを替えることへの不安も入りうる。Mollick 氏はこの点に触れていない。
モデルの読み
1. [今日]（10 月 11 日の投稿）Sakana AI は UC Berkeley との共同研究 MASS を紹介した。270 億パラメータのオープンウェイトモデル一つに、役割を分けたチームを演じさせ、うまくいったやり取りの記録を使って自分自身を微調整する。会社の投稿によると、これを二回まわすと、出力トークン一つあたりの評価スコアが元のモデルの 1.2 から 1.6 倍になった。 Sakana AI の共同創業者 David Ha 氏の解説では、手順は二つの段階を交互に繰り返す。まず役割分担の組み方を進化的に探索し、次に、うまくいった分担での協働の記録を使って、共通の一つのモデルを訓練する。モデルは自分が生んだ成功記録で自分を訓練するわけだが、これが継続的な自己改善にあたるかを投稿は証明していない（David Ha、2026-10-11；Sakana AI、2026-10-11）。評価は研究系の課題で、投稿は四つとしながら、名前を挙げているのは MLR-Bench、ScienceAgentBench、DSBench の三つだけだ。この比率は評価スコアを出力の長さで割ったもので、能力が 1.2 から 1.6 倍になったことを意味しない。比率の上昇は出力が短くなっただけかもしれず、投稿はスコアと長さの変化を分けて示していない。論文自身も、モデルが自分の採点も兼ねると、共通の盲点のせいで誤りが進歩とみなされ、強化され続けるおそれがあると警告している。⚠️ 数字の出どころは会社の投稿だけで、論文は未読。
2. [今週]（10 月 9 日の番組）Reflection AI の CEO Misha Laskin 氏によると、自社のオープンウェイトモデル Beam は事前学習に GB300 を 6,000 個使って数週間、強化学習には一万個あまりを使って 4 週間まわし、強化学習に投じた計算資源のほうが事前学習より多かった。 事前学習とは、大量の文章を読ませて次の語を続けられるようにする段階で、強化学習とは、モデルに問題を解かせ、正誤に応じて報酬を与えて調整する段階である。GB300 は NVIDIA の最新世代のデータセンター向け GPU だ。Beam は総パラメータ 5,000 億のうち一度に 230 億だけを動かす混合専門家（MoE）型で、毎回パラメータの一部だけを呼び出す（No Priors、2026-10-09）。事前学習が最も計算資源を食うという一般の印象とは逆の話だが、強化学習がどれだけ多かったかは語っていない。同氏は、事前学習はいまなら約 12 日で終わるとも述べたが、これは現在の速さで、この版に実際にかかった時間ではない。裏付けは Reflection AI 自身の説明だけで、外部の検証はまだない。同じ回の Laskin 氏の別の発言は、今日の中核 1 にも出てくる。
プロダクト動向
1. [今日]（10 月 11 日）xAI の共同創業者 Igor Babuschkin 氏が立ち上げた River AI が推論サービスを始めた。中国のオープンウェイトモデル DeepSeek と GLM の二つをホスティングし、料金は両社の公式料金より 20% 安い。 推論サービスとは、モデルを自社のデータセンターに置いて顧客の代わりに動かし、使用量に応じて課金するものだ。会社の告知：「River Inference is live! We're serving DeepSeek V4.1 Flash and GLM 5.3 Flash for 20% below official provider rates.」（River AI、2026-10-11）Babuschkin 氏は、訓練と推論のシステムを Rust で一から書き、そのおかげで効率がずっと高いと述べた（Igor Babuschkin、2026-10-11）。公式のどの料金プランと比べたのか、遅延や利用制限がどうかは公開されておらず、この安さは、顧客を取るための赤字覚悟の値付けかもしれない。本紙の読み：ここから言えるのは、オープンウェイトのモデルは誰でもホスティングできるので、推論はモデルと切り離して買えるという点である。この料金が本当で、しかも長続きするなら、DeepSeek と、GLM を作る Z.ai（智譜）の二社は、自社 API 事業で第三者との価格競争にさらされる。
2. [今日]（10 月 11 日の投稿）アナリストの Patrick Moorhead 氏によると、Claude のチャットと Cowork が統合されてから、同氏が自分で組んだ二つの調査フローのうち一つは 20 分から 2 時間 57 分に、もう一つは 6 分から 3 時間に延び、出来も良くならなかった。 Moorhead 氏は業界調査会社 Moor Insights & Strategy の主席アナリストである。Cowork は Claude に自分で作業をさせる Anthropic の業務向け製品で、同氏のいう調査フローとは、利用者があらかじめ設定し、繰り返し使える一連の操作手順のことだ（Patrick Moorhead、2026-10-11）。Moorhead 氏が挙げる原因は次の四つだ。一度に多くの枝分かれを並行して走らせる、ツール呼び出し回数の上限を無視する、一回のツール呼び出しが一時間を超える、ウェブ検索の枠を使い切ると自分でブラウザを開いてコンピュータを操作する。利用量の枠もすぐに尽きたという。Moorhead 氏の診断では、モデルがいまは自分で多くの枝を立て、その一本ずつで長く待つため、全体の所要時間が跳ね上がった。報告しているのは利用者一人だけで、「統合が原因」というのも同氏自身の診断にとどまる。Anthropic は公に応じていない。⚠️ 利害の開示：本紙は分析に Anthropic のモデルを使っており、Claude は Anthropic の製品である。
過去の洞見
1. [振り返り]（深掘りレポート 2026 年 10 月 7 日）AI コーディングのサブスクリプションが抱える問題は、会計上の赤字というより、主に計算資源の逼迫にあるとみられる。 「二百ドルのプランで八千ドル分を使う」が測っているのは API 定価に換算した額で、定価には提供側の利益が含まれ、原価ではない。「粗利率マイナス 369%」は上限まで使い切る極端な場合を測ったものだ。同じ SemiAnalysis の分析は、平均利用率が二割のとき、中位のプランは約 6% の小幅な黒字になると計算している。
より大きいのは計算資源の問題だ。SemiAnalysis の推計では、サブスクリプションは Anthropic の売上の約一割にすぎないのに、推論の計算資源の四割以上を使っている可能性がある。2026 年に各社が公表した引き締めの理由は、多くが計算資源の不足だった。OpenAI は 9 月 29 日に二百ドルのプランで新規加入者の利用枠を半分にしたが、その前の 9 月 10 日には、かつてない需要を理由に販売を止めていた。Anthropic は 5 月に計算資源が届いたとき、逆に枠を広げた（深掘りレポート、2026-10-07）。このレポートは、利用枠の制限が 2025 年から始まっていたことも指摘しており、今年のプラン引き締めをそのまま予測の的中とみなすことはできない。この判断を覆す条件は、主要な提供者が大量の計算資源を受け取った後も、中位モデルの利用枠を引き締めることだ。今回は振り返って確かめておらず、まだ結果は出ていない。サブスクリプションでチームの開発を支える会社にとって、値上げより大きなリスクは、提供側の計算資源が逼迫したとき、真っ先に利用枠を削られることだ。予算を組むときは、「同じ使用量を API に切り替えたらいくらかかるか」を上限にするとよい。⚠️ 本紙も分析に Anthropic のモデルを使っており、Anthropic はここで論じたサブスクリプションの提供者の一つである。
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。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「どの判断が固まったか、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 · 25 件のソース · ご意見・ご感想は [email protected] までお寄せください