AIモデルの進化と戦略的選択：ティアリストを超えたマルチモデル時代の到来
かつて、AIモデルの分野における議論の中心は、どのプロバイダーが最も優れたモデルを提供しているか、という一点に集約されていました。OpenAI、Anthropic、Googleといった大手プレイヤーが、それぞれ自社のフロンティアモデルの優位性を競い合い、ユーザーは「最高のモデル」を選び、それを使いこなすことが最善の戦略だと考えられていました。しかし、この数年で状況は劇的に変化しました。AIモデルは、以前の世代とは比較にならないほど多くのタスクをこなせる重要な閾値に到達し、その利用規模は個人レベルから小規模チーム、そして大企業へと爆発的に拡大しています。
この変化は、単に「能力」だけでモデルを評価する時代が終わりを告げたことを意味します。現在、企業や開発者は、モデルの能力だけでなく、その「効率性」、そして特定のタスクに最適なモデルを組み合わせる「アーキテクチャ」や「スタック」の構築に、新たな焦点を当てています。つまり、多角的な視点からAIモデルを選定し、最適化する「マルチモデル戦略」の時代が到来したのです。
本記事では、この新たなAIモデル評価の局面を深く掘り下げます。人気のAI系YouTuberが作成した「モデルティアリスト」を分析し、それが示す市場の現実と乖離、そしてその背景にある企業におけるAI導入の課題と解決策を探ります。さらに、HuggingFaceの売却動向、Nvidiaによる戦略的投資、企業におけるAIコスト削減の取り組み、そして音楽業界におけるAIの受容といった、AIエコシステムを形成する最新の動向を網羅的に解説します。これらの情報を通じて、読者の皆様がAIの現状とその未来における重要性、具体的な機能、ビジネスへの影響、そして将来性を深く理解できるよう、詳細かつ説得力のある洞察を提供することを目指します。
HuggingFaceとオープンモデルの台頭：AIエコシステムの変革者
AIモデルの選択肢が爆発的に増加する中で、オープンモデルの存在感は日に日に増しています。かつては研究者や愛好家のためのニッチな領域だったオープンモデルが、今やビジネスワークフローに深く統合される重要なツールへと変貌を遂げました。この変革の最前線にいるのが、オープンソースAIコミュニティのハブであるHuggingFaceです。
BusinessInsiderの報道によると、HuggingFaceは現在130億ドルでの売却を目指しており、投資銀行と契約して提案を募っているとのことです。この評価額は、2023年の前回資金調達時（45億ドル）から大きく上昇しており、Google、Amazon、Nvidia、Intel、Salesforceといったテクノロジー大手が参加したそのラウンド以降、HuggingFaceのプラットフォームの重要性が飛躍的に高まったことを示しています。
HuggingFaceは、単なるモデルホスティングサービスではありません。AI開発者が成果物を見つけ、安全性を判断し、本番環境に導入するための包括的なワークフローを提供する、AI時代の重要なインフラへと成長しました。AIコメンテーターのRowanPaulが指摘するように、HuggingFaceには現在、200万以上のモデル、150万のデータセット、150万のAIアプリケーションがホストされています。これは、開発者コミュニティがAIのイノベーションを加速させる上で不可欠な存在であることを意味します。
この1年間で、オープンモデルと最先端のクローズドモデルとの性能差は劇的に縮まり、多くのオープンモデルが実務レベルのワークフローに耐えうる重要な閾値を超えました。この変化は、企業が単一の最高性能モデルに依存するのではなく、タスクに応じて最適なオープンモデルを組み合わせて利用する戦略を可能にしました。HuggingFaceは、まさにその多様なオープンモデルを発見し、利用するための「配信レイヤー」として、かけがえのない存在となっているのです。
StripeによるOpenRouterの買収（70億ドル）と、HuggingFaceへのこの新たな買収関心は、AIモデルの「断片化」が今後も続く未来への強い賭けを示唆しています。企業や開発者は、特定のニーズに合わせて複数のモデルを柔軟に選択・組み合わせる能力を求めており、HuggingFaceのようなプラットフォームは、その複雑なモデルエコシステムを管理し、最適化するための中心的な役割を果たすことになります。
特に興味深いのは、NvidiaがHuggingFaceの潜在的な買い手として浮上する可能性です。AITestingCatalogは、「正直なところ、Nvidiaにとっては非常に理にかなっている」とコメントし、JunSongは「もしNvidiaがHuggingFaceを買収し、そのデータを実際に活用すれば、年内に中国を凌駕するオープンウェイトモデルを容易にリリースできるだろう」と付け加えています。Nvidiaは、半導体企業としてのイメージが強いですが、その製品ラインナップにはあまり注目されていない「NeMoTronモデル」シリーズが存在します。Nvidiaが競争力を維持する上で、オープンモデルを主要な柱の一つとして捉え、その重要性を高めていることは明らかであり、HuggingFaceの買収はNvidiaのAI戦略を大きく前進させる可能性を秘めています。これは、ハードウェアからソフトウェア、そしてモデルそのものまで、AIエコシステムの垂直統合を進めるNvidiaの意欲の表れと言えるでしょう。
Nvidiaの戦略的投資：オープンAIフロンティアへのコミットメント
HuggingFaceへの潜在的な関心に加えて、Nvidiaは最近、オープンAIフロンティアへのコミットメントを明確に示す一連の戦略的投資と提携を発表しました。これらの動きは、同社が単なるAIチップサプライヤーに留まらず、AI研究、人材、トレーニングデータ、そしてアプリケーション層全体に深く関与し、将来のAIエコシステムにおける支配的なプレイヤーとしての地位を確立しようとしていることを示しています。
特に注目すべきは、独立系テックジャーナリストのEricNewcomerが木曜日に報じた、NvidiaによるPoolsideへの事実上の部分買収案です。報道によると、NvidiaはPoolsideの技術にアクセスするための非独占的ライセンス契約に60億ドルを支払い、さらに120億ドルの評価額で10億ドルの株式投資を行うとのことです。
Poolsideは2023年に元GitHubのCTOによって設立されたスタートアップで、ソフトウェア開発向けのオープンソース基盤モデルのトレーニングに特化しています。この契約の一環として、NvidiaはPoolsideから100人以上のエンジニアを引き抜き、彼らをNvidia自身の「NeMoTronモデル」の将来的な開発に従事させます。情報筋によると、これはPoolsideのエンジニアリングチームの大部分に相当しますが、Poolsideの投資家に送られた書簡では、「これは買収ではなく、アクハイア（人材獲得目的の買収）でもない」と強調されています。この違いは重要で、近年の他の大規模なアクハイアとは異なり、Poolsideの創業者と主要リーダーはスタートアップに留まり、未公表の研究プロジェクトに焦点を当てて運営を継続するという点にあります。
Poolside創業者が株主宛ての書簡で述べたように、この取引の目的は、AGI（汎用人工知能）が「少数の者によって制御される閉鎖的な技術ではなく、多くの人々によって公に構築される」未来を創造することにあります。情報筋は、Nvidiaの計画はNemotronチームを増員し、DeepSeekやMoonshotといった中国の研究機関に対抗する、世界で最も強力なオープンモデルを構築することにあると指摘しています。これは、NvidiaがオープンソースAIの最前線で主導的な役割を果たすことへの強い意思表示であり、地政学的なAI競争が激化する中で、オープンイノベーションを通じて競争優位を築こうとするNvidiaの戦略を浮き彫りにしています。
Poolsideの取引が急ピッチでまとまった背景には、資金調達の失敗があったとウォール・ストリート・ジャーナル紙は報じています。Poolsideの創業者は、昨年終盤に「1月に稼働予定の4万基のGB300クラスターの費用として20億ドルを調達するための6週間の猶予」があったものの、期限内に調達できずクラスターを失ったと株主宛て書簡で述べています。彼らはすぐに業務に戻ったものの、来年には計算能力と資本が枯渇することに気づき、Nvidiaを「最先端のオープンコーディングモデルを構築し続けるための完璧なパートナー」と見なしたとのことです。この状況は、最新のAIモデル開発に不可欠な膨大な計算リソースと資本へのアクセスが、スタートアップにとってどれほど困難であるかを示しています。
さらにNvidiaは、モデルトレーニングへの関与を深める動きとして、データラベリングのスタートアップであるMerqurの最新資金調達ラウンドに参加したとTheInformationが報じました。特筆すべきは、Nvidiaが直近の2つのNeMoモデルの強化学習にMerqurを活用していたことです。高品質なトレーニングデータと効率的なラベリングプロセスは、高性能なAIモデルを開発する上で不可欠であり、この投資はNvidiaがモデル開発の根幹部分にも積極的に関与していることを示しています。
また、日曜日の夜には、NvidiaがPerplexityの新たな資金調達ラウンドにも参加したとTheInformationが報じました。このラウンドでのPerplexityの評価額は300億ドルとなり、約1年前の前回資金調達ラウンドから50%の増額です。情報筋によると、Nvidiaは当初、一部のスタッフを採用できるライセンス契約に関心を示していましたが、最終的には通常の株式投資に落ち着きました。Perplexityは、AIを活用した検索エンジンとして急速に成長しており、Nvidiaのこの投資は、AIアプリケーション層への戦略的関心を示しています。
これら一連の取引を通じて、Nvidiaがオープンソースのフロンティアの重要性の高まりを背景に、研究、人材、トレーニングデータ、そしてアプリ層に真剣に取り組んでいることが非常に明確です。これは、NvidiaがAI時代の単なるハードウェアベンダーではなく、AIエコシステム全体の主要なアーキテクトとして位置付けられようとしていることを示唆しています。
AIチップの価格高騰と市場の動向：AIインフレの時代
NvidiaがAIエコシステム全体への投資を加速させる一方で、その主力事業であるAIチップの価格も上昇の一途をたどっています。TheInformationの報道によると、Nvidiaは最上位のGrace、Blackwell、およびVeraRubinチップの価格を最大17%引き上げることを顧客に通知し始めており、この変更はすでに発注済みで来年納品予定のチップにも適用されるとのことです。
特に、VeraRubinの72チップを搭載したラックの価格は800万ドルに達する見込みで、これは1ギガワット分の計算基盤を構築するコストに50億ドルが上乗せされる計算になります。この価格上昇は、AIインフラを構築しようとする企業にとって大きな負担となります。クラウド事業者にとっては、このコスト増を自社で吸収するのか、それともチップを借りる顧客に転嫁するのかが重要な課題となります。価格引き上げを知るある人物は、クラウド事業者は間違いなくそのコスト増を顧客に転嫁せざるを得ないだろうと語っており、AI利用コストの全体的な上昇につながる可能性が高いことを示唆しています。
ブルームバーグは、価格上昇の主な原因はメモリコストの急騰にあると指摘しています。NvidiaはすでにVeraRubinシステムの一部に搭載するメモリ量を削減していますが、それでもコスト圧力の影響を免れてはいません。これは、企業が来年以降、あるいはそれ以上にわたるメモリ不足に備えているという確証が強まったことを示唆しており、AIハードウェア市場における需給の逼迫と、それに伴う「AIインフレ」の時代が到来していることを物語っています。
このようなAI構築競争の加速とそれに伴う資金需要の高まりは、中国市場でも顕著です。アリババは過去最大規模となる100億ドルの株式売却を実施しました。この二次売出しは金曜日の市場引け後に実施され、香港市場における同種のものとしては最大規模となりました。月曜午前の株価は最大10%下落し、昨年4月以来、最大の日中下落幅を記録しました。
ユニオン・バンケール・プリヴェのマネージング・ディレクター、ファイサル・カーン氏は、これがアリババの慎重な株式供給管理からの脱却であると指摘し、「なぜ債券ではないのか」と問いかけました。これは、アリババが予想以上にAI投資のための資金を必要としており、他社に先んじるために急いでいる可能性があることを示しています。著名な投資家であるマイケル・ベリー氏は、アリババが米国の巨大テック企業に倣ってAI設備投資競争に参入したことについて、「投下資本利益率は今後も低下し続けるだろう」と率直な批判を展開しました。これは、AI開発への莫大な投資が必ずしも即座に利益に結びつくとは限らないという懸念を浮き彫りにしています。
中国市場の他の動向では、大規模なIPOが人型ロボットのハイプサイクルの始まりを告げました。Unitree Roboticsは水曜日に上海証券取引所に上場し、9億ドルを調達、時価総額90億ドルでデビューしました。この募集は大幅に割安に設定されていたようで、初日の株価は460%以上も急騰しました。ブルームバーグ・インテリジェンスのアナリスト、ディーン・マウサー氏は、Unitreeのデビュー時の急騰は、中国の身体性AI分野に対する強い意欲を示していると述べています。IPOの調達資金は、AIの開発と商用化を加速させるはずです。なお、中国のIPOにおいて初日大幅な上昇はそれほど珍しいことではないという情報もあり、規制による売り抑制や市場構造の違いが影響している点も考慮に入れる必要があります。
これらの動向は、AIが世界のテクノロジー産業における最も重要な競争領域となっており、各国や企業がその主導権を握るために、莫大な資金とリソースを投入している現状を如実に示しています。
音楽業界におけるAI：創造性のツールとしての受容
AIが社会のあらゆる側面に浸透する中で、創造的な産業、特に音楽業界におけるAIの影響については、しばしば賛否両論が巻き起こります。AIが人間の創造性を奪い、職を失わせるのではないかという懸念が表明されることも少なくありません。しかし、伝説的なラッパーでありプロデューサーのドクター・ドレーと、長年のプロデューサーであるジミー・アイオヴィンは、この通説に一石を投じる見解を示しました。
ニューヨーク・タイムズ紙のインタビューで、彼らはAIが音楽にとってプラスになると語りました。アイオヴィンは「私は音楽制作におけるAIを強く支持している」と述べ、「マイナス面など全く見当たらない」と断言しました。もちろん、「ひどい音楽も生まれるだろう。だが、今だってひどい音楽はある」と現実的な視点も提示しています。彼らは、スタジオで才能ある人々がAIを使えば、より良いレコードができるはずだと信じています。
同時にアイオヴィンは、AI企業が「歴史上最悪の広報活動をしている」とも指摘しました。「彼らはコミュニケーション能力がひどすぎる。だからこそ、みんなこれほど怒っているんだ」と。この発言は、AI技術そのものへの不信感というよりも、AI技術を開発する企業が、その可能性とリスクについて十分に、そして適切に社会とコミュニケーションできていない現状への批判と捉えることができます。
ドクター・ドレーも完全に同意し、「脅威だとは思わない」と付け加えました。「脅威だと感じるのは、制作に苦労している人たちだけだと思う」。彼はさらに、数日前にAIに反対する人々と議論した際に、「なるほど、ドラムマシンやシンセサイザーが登場した時に反対していた人たちと同じだな」と語ったエピソードを披露しました。この比喩は非常に示唆的です。歴史を振り返れば、新しいテクノロジーが音楽制作に導入されるたびに、最初は抵抗や懸念が表明されましたが、最終的にはそれらのツールが音楽表現の可能性を広げ、新たなジャンルやサウンドを生み出してきました。
ドレーはAIを「創造性のための新しいツール」と見なし、「新しいことを学ぶのを恐れる人もいる。私は積極的に受け入れている。これから何が起こるか楽しみで仕方ないよ」とポジティブな姿勢を示しています。彼は自身の仕事でAIを幅広く活用しており、特にAIが自分とは異なるアプローチをするのかを試していると語りました。これは、AIを単なる効率化のツールとしてではなく、音楽的なブレインストーミングのパートナーとして活用していることを意味します。
アイオヴィンは、ティンバランドもこのツールを活用していることに触れ、「世の中には隠れAIプロデューサーがたくさんいる」とコメントしました。ドレーはこれに対し、「うまい言い方だな。彼らはもう使っているんだ。ただ認めたくないだけさ」と応じました。この発言は、AIがすでに音楽制作の現場に深く浸透している現実と、それを公にすることへの躊躇や抵抗が存在することを浮き彫りにしています。
このインタビューは、AIが創造性を侵害することについて心配する必要がないことを示す、説得力のある根拠の一つを提供しています。AIは、優れた音楽家が素晴らしい楽曲を生み出すための次世代のツールとして、その可能性を最大限に引き出すことができるのです。筆者がリック・ルービンに以前行ったインタビューでも、同様にAIを音楽制作の新たなツールとして肯定的に捉える見解が語られています。これは、音楽業界におけるAIの未来が、悲観論的な予測に反して、より創造的で豊かなものになる可能性を示唆しています。
AIモデルティアリストの深層分析：性能と利用実態の乖離
インターネット、特にショート動画の時代において、「ティアリスト（格付けランキング）」は、あらゆるものをランク付けし、議論を巻き起こす人気のコンテンツ形式となっています。AIモデルの分野も例外ではありません。Sランクを最高位とする評価スケールでモデルをランク付けする試みは、その多様化するモデルエコシステムの現状を理解する上で、ある種の指針を提供します。
先日、AI起業家でコンテンツクリエイターのTheoが、AIモデルのティアリストを作成し、大きな議論を巻き起こしました。彼のリストでは、Sランクに「Fable5」が、Aランクに「GPT5.6Soul」が選ばれました。Bランクには「KimmyK3」、「DeepSeekV4Flash」、「GPT5.6Luna」が続き、Cランクには「Grok4.6」と「MuSpark1.2」が配置されました。さらにDランクには「MuSpark1.2」（Cランクと重複？）、そして「Opus5」、「Sonnet5」、「GLM5.3」、「GPT5.6Tera」が、Fランクには「DeepSeekV4Pro」が名を連ねました。そして最下位の「Googleランク」には「Gemini3.7Flash」と「Gemini3.1Pro」が配置されました。
このティアリストは、単に「どのモデルが最高か」という個人的な意見表明以上の意味を持ちます。それは、現在のAIモデル市場が、単一の「ベスト」モデルを選ぶ時代から、ニーズやタスクに応じて複数のモデルを使い分ける「モデルスタック」を構築する時代へと移行している現実を反映しています。このようなモデルの断片化と多様化の進展は、個人レベルだけでなく、企業レベルでも確実に起きています。組織はもはや単一のモデルに依存するのではなく、それぞれのタスクに最適なモデルを組み合わせるインフラを構築しているのです。実際に、このモデルルーティングを専門とする「ルーター企業」というカテゴリーさえ存在し、その最も有名な例であるOpenRouterは、先日Stripeに70億ドルで買収されました。
大手メディアでさえ、AIモデル戦争がもはや単なる最高性能の競い合いではなくなっているという考え方に注目し始めています。例えば、金融タイムズのチャート「Anthropicの最高モデルFable5は売上が伸び悩み」という見出しは、多くのソーシャルメディアユーザーの注目を集めました。このチャートは、Anthropicへの企業支出において、Opus4.8がいまだ圧倒的に主流であり、最近稼働を開始したOpus5もFable5を上回る実績を見せていることを示しています。Fable5とSonnet4.6の利用レベルが現時点では拮抗しているというデータに、多くの人が驚きを隠せませんでした。
投資家のDanRobinsonは、「これはかなり意外で、いくつかの前提を見直す必要がある」「多くの企業のユースケースは、本当にOpusで満たされてしまっているのか？」「単純なタスクであっても、最先端の知能を求めないというのは私には考えにくい」とコメントし、そのコメント欄には、企業がFableの購入を見送っているのは単純に高すぎるからだという断定的な見方が多く寄せられました。
しかし、このような見方にはA：データの出典元の文脈を理解していない、B：企業におけるAI導入の現実的な経験が欠如している、という問題があります。このデータはRampAIIndexによるもので、Rampの主任経済学者エリック・カラジン氏によって共有されました。Rampチームの分析は非常に質が高いものの、この件に関しては、彼らの分析が的を外していると筆者には思えました。
エリック氏がこのチャートを紹介した際、「非常に強力ゆえに一時禁止されたモデル、それなのに企業はその価格に見合う価値がないと考えている」という要約を加えました。しかし、企業がFable5は価格に見合わないと意識的に判断していることが、今回の件の主因であるとは考えにくいのです。確かに一因ではあるかもしれませんが、診断において完全に抜け落ちていたのは、Fable5には30日間のデータ保持ポリシーがあるという事実です。これは、政府によって停止されたモデルが再稼働した際に課された暫定的な安全対策の一部でした。このポリシーは、深刻な情報セキュリティやデータ上の懸念を引き起こすため、多くの企業にとって「絶対に無理だ」と判断する理由として十分です。データ保持ポリシーのないモデルでも十分に強力であるならば、わざわざリスクを冒して新しいモデルにアップグレードする理由はありません。もしこれが大きな要因である証拠が必要なら、OpenAIがここ1週間、フロンティアモデルに対して「ゼロデータ保持ポリシー」をどれほど積極的に推進しているかを見れば明らかです。エリック・カラジン氏も後に、「Anthropicが米政府の安全チェックのためにプロンプトを30日間保持しなければならないため、Fableの使用を禁止されているという従業員からの回答が非常に多い」と補足しています。
さらに問題はそれだけではありません。サイモン・スミス氏が指摘するように、このデータは非常にテクノロジーに精通した企業であるRampの顧客から得られたものであるだけでなく、コスト削減を目的としたトークンおよび支出管理製品のユーザーから収集されたものです。サイモン氏は、「Rampのデータ全体には選択バイアスがあり、このデータはその傾向がさらに顕著だ」と記しています。ユーザーはそもそもコスト管理を重視する傾向にあるため、ほとんどのタスクにおいて、Fableが高性能であるからといって費用対効果が高いとは言えないと判断されるのは当然です。
ここには、スタートアップ界特有の盲点も表れています。「わずか数ヶ月前に登場したモデルを大企業がまだ採用していないのは驚きだ」という考え方は、大企業の動きが非常に緩慢であるという現実を見落としています。筆者の元には、企業から与えられた環境であるという理由で、9ヶ月前のGPT-5.2やその他の古いモデルを今でも使っているという声が毎日届いています。大企業のAI導入は、技術的な側面だけでなく、組織文化、セキュリティ、コンプライアンス、既存システムとの統合など、多岐にわたる複雑な課題を伴うため、新しいフロンティアモデルが発表されても、その導入には相当な時間を要するのが現実です。
もちろん、先行指標を見れば、企業がモデルに対する理解を深め、より統合されたモデルスタックを構築し始めていることは確かです。例えば今週、TheInformationはAT&Tを取り上げ、オープンソースモデルを活用してAIコストを削減しようとする同社の取り組みを報じました。データサイエンス部門の副社長、マーク・オースティン氏によると、AT&Tの計画は、OpenAIやAnthropicへの支出を今後数年間横ばいに抑えつつ、徐々にオープンモデルへと置き換えていくというものです。同社は約10万人の従業員を抱え、コーディングや財務分析から人事、カスタマーサポートに至るまで、あらゆる部門の業務フローにAIを組み込んでいます。AT&TのAI利用の大部分は社内向けであり、同社はすでに従業員のAIクエリの40%をオープンモデルで処理していると主張しています。彼らは今後数年間で、その割合を60%から70%にまで引き上げる計画です。
オースティン氏は、オープンモデルがAnthropicやOpenAIの旧世代モデルと同等、あるいはそれ以上の性能を発揮し、十分にタスクをこなせると述べています。AT&Tは依然としてコード生成のような高度なタスクにはフロンティアモデルを使用していますが、PR（プルリクエスト）の要約といった単純な用途にはオープンモデルを採用しています。AT&Tが活用しているモデルには、NVIDIAのNeMoに加え、MetaやGoogleのオープンモデルが含まれており、多様なオープンソースソリューションを積極的に取り入れている点が注目されます。
さらにAT&Tは、コストを削減するためにモデルルーターを広範に利用しています。AIコーディングにおいて、ルーターの使用により品質の低下はわずか2%に抑えつつ、コストを最大56%削減できたとオースティン氏は述べています。これは、タスクに最適なモデルを動的に選択することで、品質とコストのバランスを最適化する「マルチモデル戦略」の有効性を裏付ける具体的な事例です。中国との競争に関して言えば、現時点では中国製のモデルは使用していませんが、それらを導入した場合のリスクについては精査しているとのことです。今後の判断を変え得る要素として、オースティン氏は、オープンモデルへの移行により、NVIDIAやAMDのチップを備えた自社のデータセンターでサービスの一部を運用できるようになり、クラウドプロバイダーから計算リソースを借りるよりも安上がりになるケースが多いと指摘しました。
これらの事例は、異なるモデルの長所を比較検討することが、もはや単なる自己満足ではなく、今後企業がますます取り組むべき戦略的な活動になることを明確に示しています。たとえ金融タイムズ紙が、自分たちの既存の主張を補強するためだけにグラフを利用しているのだとしても、その背景にある市場の複雑な現実は、より深い分析を必要とするのです。
Theoのティアリストに話を戻しましょう。Theoはそのリストを公開しただけでなく、解説動画も併せて投稿し、彼の評価の意図を詳しく説明しています。彼の洞察は、AIモデルの「性能」と「実用性」の間の微妙な関係を浮き彫りにしています。
例えば、Aランクの「GPT-56BSoul」とSランクの「Fable5」について、彼はこう述べています。「56BSoul」については「AIには不可能だと思っていたことができるようになったんだ」「何ができるのか、本当に信じられないほどだよ」と絶賛しつつも、「私が普段使いしているデフォルトのモデルだけど、最も賢いモデルというわけではない」「実際にマージしたいような重要なコードを書くには、まだ一番のお気に入りとは言えないな」と、その限界も指摘しています。
一方、「Fable5」については、「Fableは、これまで触ったどんなモデルよりも知識が豊富だ」「驚くほど思慮深いよ」と最高の知能を評価しています。しかし同時に、Fableにはまだ躓くことや触れてはいけない部分に触れる欠点があり、不必要なショートカットを取ったり、時々タスクを見失ったりすることもあると指摘しています。彼はFable5を「手懐ける必要がある天才」と呼び、5-6Soulを「指示通りに動く少し賢くないロボット」と表現しています。
非常に興味深いのは、GPT-5-6SoulのAランクより唯一高いSランクにFable5を位置づけたにもかかわらず、Theoがこう言ったことです。「もし選ぶなら、Soulを選ぶよ」「いつもデフォルトで使っているモデルだからね」「FableよりSoulの方がなくては困るんだ」「でも、一番優れたモデルはFableだ」「マージしたいコードを書いてくれるのは、このモデルなんだよ」「他の成果物のダブルチェックを任せられるのはこのモデルだ」「困難で深いテーマや、何かを構築したい時、あるいは探求したい分野について相談するのはこのモデルだ」「Fable5は次世代のモデルだね」「5-6Soulは、前世代の技術をベースにしていながら、次世代を感じさせる信じられないほど素晴らしいモデルだよ」「Fableは、社内で一番頭がいいから誰もクビにはできないけれど、誰も一緒に働きたがらない天才のような存在だ。でも、彼らとの仕事の仕方を学べば、信じられないほどの成果が出る」。
これは筆者自身の経験とも非常によく似ています。日々の業務の中で、これら2つのモデルを常に使い分けています。多くのタスクにおいて、両方のモデルで作業を開始し、何度かやり取りした後にどちらに注力するかを決めるのですが、その選択は常にではないにせよ、Fableになることが多いです。この評価は、AIモデルの「絶対的な知能」と「実用的な使いやすさ・信頼性」が必ずしも一致しないという重要な洞察を提供します。最高の知能を持つモデルは、その複雑さゆえに「手懐ける」スキルが必要であり、日常的なタスクには、少し劣るものの安定して指示に従うモデルの方が効率的であるという現実です。
ある意味、AやSランクよりも興味深いのは、彼が他のモデルをどう評価しているかという点です。というのも、他のモデルは5.6SoulやFable5と競合しようとはしておらず、異なる役割を果たすことを目的としているからです。非常に良い例がLunaで、3つのGPT5.6モデルの中で最も能力が低いとされているにもかかわらず、理論上はバランスの取れた中間モデルであるTerraよりも数段上のランクに位置付けられています。BランクのLunaについて彼は、「コーディングのためではなく、彼いわく『賢くて、速くて、さまざまな雑多な作業が得意』だからだ」と述べています。「Lunaは単純な呼び出し回数で言えば、私が一番使っているモデルだろう」と彼は言い、それはコードを書くからではなく、コードの分類やGitHubからの取得、コンテンツの読み取りといったコード周りの様々な作業に使っているからだと言います。要するに、彼は元に戻せないような重要な作業にはLunaを信頼していないのです。
一方、Terraについては「非常に中途半端な位置付けだ」と書いています。「これらの数値の多くは、Lunaを使えばはるかに安く実現できます。私なら、トークンの生成数が少なく、はるかに高速なSoulのハイ設定を使いたいですね。私はこれまでTerraを選んだことは一度もなく、多くの人が選んでいるとしたら驚きです。料金表の上では理にかなっていても、実際の運用では意味をなさないのです。」
Theoの評価が示唆するのは、企業が現実的にタスクごとに異なるモデルを検討するような、複雑なモデル構成の時代に突入したことで、企業が単なる最先端性能だけでなく、ユーザーの利用目的に合わせた様々なパフォーマンス効率を考慮し、より慎重なトレードオフを行うようになっている点です。この移行期においては、最先端モデルとしての高価格に見合う価値があるわけでもなく、かといって他の用途において最も効率的で高速なわけでもない、中途半端な位置に陥るモデルが多くなるでしょう。
また、オープンウェイトモデルだからといって、必ずしも安いわけではないという点も重要です。TheoはKimmyK3を好んでいますが、ビデオの中でそれが世間が思うほど安くはないと警告しています。実際、Soulの方が少ないトークンで多くのことをこなせるため、Soulのエクストラハイ設定よりもわずかにコストがかかるのです。これは、オープンソースモデルがクローズドソースモデルに比べて「無料」あるいは「格安」であるという単純な認識を覆すもので、運用コスト、チューニングコスト、そして計算リソースのコストを総合的に評価することの重要性を示しています。
他の人々の反応を見ていると、多くの人が単に自分のお気に入りを宣伝しているだけのような印象を受けます。この分析の多くはX発であることを考えると、予想通りですが、Grok1.6の評価はもっと高くあるべきだという意見が多く見られました。一方で、ノアによる別の分析ではこう指摘されています。「正直なところ、Sonnet3.5以降、みんながどうやってモデルの評価を下しているのか全く理解できないんだ。どれも最高だよ、マジで。」Fediのインターンはさらに辛辣に、「AGIの実現を待ち望む理由の一つは、モデルのわずかな違いについて延々と語る『モデル通』たちの意見にうんざりしているからだ。これじゃまるで、好きな色や好きなポケモンについて言い争っているようなものだ。数年後には、今の状況を笑い話にしていることだろう」と記しています。
Theo自身も動画でこう言っています。「Fableのような最高品質の高価なツールであっても、DeepSeekのような驚くほど安価で効果的なものであっても、どれを選んでも大きな失敗はない」。これは、現在のAIモデルが全体的に高いレベルに到達しており、個々のモデルの「わずかな違い」にこだわりすぎるよりも、自身の用途やコスト、効率性に合わせて最適なモデルを選択することの重要性を示唆しています。
タスク能力、コスト、トークン効率、速度など、比較すべき軸が多すぎる今、ティアリストはモデルの比較に最適な方法だとは思えません。ティアリスト以上に興味深いのは、それらを組み合わせた「モデルスタック」の構成かもしれません。どのモデルがどのタスクに最適か、そしてそれらをどのように組み合わせて最大の効果と効率を引き出すか、という視点がこれからのAI利用において不可欠となるでしょう。
マルチモデルスタックの未来：オープンソースの加速と経済的価値
AIモデルの選択が複雑化する中で、企業や開発者は「どのモデルが最高か」という問いから、「どのモデルをどのように組み合わせて使うか」という問いへとシフトしています。このマルチモデルスタックの構築を象徴する興味深いデータソースがVercelです。
VercelのCEO、ギレルモ・ラウチ氏は最近、同社のAIゲートウェイ製品において、オープンウェイトモデルとクローズドモデルの利用バランスがどう変化したかを示しました。数ヶ月前の6月24日時点のトークン使用シェアを見ると、クローズドモデルが約72％を占めていたのに対し、オープンモデルは約28％に留まっていました。しかし、そのわずか2ヶ月後、この比率は大きく逆転し、クローズドモデルが38％、オープンモデルが62％にまで上昇しました。
もちろん、Vercelのゲートウェイデータは、開発者向けのAIルーティングツールという性質上、開発者の動向に大きく偏っている可能性があります。それでも、この劇的な変化は、時代の流れがオープンソースAIの方向に向かっていることを示唆していると考えることができます。投資家のギャビン・ベイカー氏はそのグラフを共有し、「オープンソースAIがOpenAIやAnthropicからシェアを奪っていることを示すデータだ」と述べました。
興味深いことに、この期間、OpenAIとAnthropicの利用合計も加速していました。これは、AIインフラ全体でのトークン需要が、最先端モデルの加速を上回る勢いで伸びていることを意味します。ギャビン氏の見立てでは、オープンソースAIがシェアを拡大することはAIインフラ需要にとってプラスです。なぜなら、モデル層の利益率は下がりますが、オープンソースのトークンであっても、最先端モデルと同じだけの計算リソースを消費するからです。オープンソースAIの推論にタダで済むものなどありません。むしろ、オープンソースモデルの利用拡大は、基盤となるAIハードウェア（NvidiaのGPUなど）の需要をさらに押し上げる要因となります。
ギャビン氏は次のように予測しています。「最終的には、クローズドな最先端モデルが経済価値の60〜90％を占めるものの、トークン数では15〜25％程度に留まるだろう」。これは、フロンティアモデルが依然として高い「価値密度」を持ち、特定の高度なタスクにおいてかけがえのない存在であり続けることを示唆しています。
投資家のダニエル・ニューマン氏は、ギャビン氏の2つの重要な指摘を支持し、さらにこう付け加えています。1つ目は、オープンソースモデルの方がクローズドソースよりも利用率や消費量が高くなるということです。これは、オープンソースモデルがより多くのユーザーによって、より多様な用途で、より頻繁に利用される傾向にあることを示唆しています。2つ目は、最高峰のインテリジェンスには経済的価値があるため、フロンティアモデルが依然として経済的利益の大部分を享受するということです。つまり、最も先進的なAIモデルは、その高い性能と汎用性によって、企業に大きな付加価値を提供し、結果として高額な利用料が支払われるという構図が続くということです。
MITのクリスチャン・カタリニ氏は、AIモデル市場は実際には3つの方向に分かれると考えています。
- 安価な汎用モデル： これは、コモディティ化したオープンウェイトモデルが中心となるでしょう。多くの日常的なタスクや、コストが最優先される用途で利用されます。
- 最先端の汎用モデル： スペクトルの反対側に位置し、OpenAIやAnthropicのようなクローズドな研究所から提供されるフロンティアモデルのトークンがこれに該当します。これらは最高の知能と汎用性を提供し、最も複雑で高度なタスクに利用されます。
- 最先端の特化型モデル： カタリニ氏が加えたこの中間カテゴリーは、オープンウェイトモデルと企業の独自コンテキストを組み合わせたものです。これは、企業が自社の特定のデータやニーズに合わせてAIモデルをファインチューニングし、最適化する方向性を示しています。
マイクロソフトのモデルはオープンウェイトではありませんが、同社の「Microsoft Foundry」製品で追求しているのはまさにこの方向性です。これにより企業は独自のデータを使ってMAIモデルのベースを事後学習させ、構築することが可能になります。これにより、汎用モデルでは対応しきれない、企業固有のドメイン知識や業務プロセスに特化したAIソリューションを開発できる可能性が広がります。とはいえ、すべての企業においてそれがどれほど一般的になるかについては、議論の余地が大いにあります。専門知識、データ、計算リソース、そしてコストのバランスを考慮する必要があるためです。
もはや「どのモデルが最高か」ということだけが重要な世界ではないことは明らかです。今後は、さまざまな理由に応じて、どのモデルがどこに適しているのかを理解することが重要になります。たとえ動きが遅く、一つのエコシステムに依存しがちな企業であっても、少人数のグループがさまざまなアプローチを試し、新たな効率性を模索できる環境を整えたいと考えるはずです。柔軟なモデル選択と組み合わせが、競争優位を築く鍵となります。
しかし、これは最新の最先端モデルの発表に胸を躍らせる時代が終わったことを意味するのでしょうか？それは今後を見守る必要があります。Fable5-1がまもなく登場するという噂が多くありますが、OpenAIのAstraは9月まで延期されたようです。ですので、近い将来、この問いに対する答えが明らかになるでしょう。フロンティアモデルの進化が止まることはなく、その度に新たな可能性が生まれることは間違いないですが、その利用形態はより洗練され、多様なモデルとの連携が前提となるでしょう。
結論：AIモデル選択の新常識と未来への展望
AIモデルの進化は止まるところを知らず、その評価と活用方法もまた、急速な変化を遂げています。かつては単一の「最高性能」を追い求める時代でしたが、今や私たちは「マルチモデルスタック」の時代、すなわち、タスクの性質、コスト、効率性、そしてセキュリティ要件に応じて最適なAIモデルを柔軟に選択・組み合わせる新常識へと移行しています。
本記事を通じて、私たちはいくつかの重要な洞察を得ました。
第一に、オープンモデルの台頭はAIエコシステムを根本から変革しています。HuggingFaceのようなプラットフォームは、オープンソースAIの民主化を加速させ、多くの企業や開発者が高性能なAIモデルにアクセスし、活用することを可能にしました。StripeによるOpenRouterの買収やHuggingFaceへの買収関心は、モデルの断片化が続く未来において、モデルルーティングとプラットフォームの重要性が増すことを強く示唆しています。
第二に、Nvidiaのような主要なテクノロジー企業は、ハードウェアの提供にとどまらず、AIの研究、人材育成、トレーニングデータ、そしてアプリケーション層へと戦略的な投資を拡大しています。Poolsideへの部分買収やMerqur、Perplexityへの投資は、NvidiaがオープンソースAIのフロンティアを重視し、AIエコシステム全体における主導権を確立しようとする明確な意図を示しています。これは、AIの未来が、ハードウェアとソフトウェア、そしてモデル開発が高度に統合された形で進化していくことを物語っています。
第三に、AIチップの価格高騰とそれに伴う「AIインフレ」は、AIインフラ構築のコストを押し上げており、企業はこれまで以上にコスト効率の良いAI導入戦略を模索せざるを得ません。アリババの巨額資金調達や人型ロボットのIPOは、AIがグローバルな競争の最前線であり、莫大な投資を呼び込んでいることを示しています。
第四に、AIに対する社会的な受容は、特に創造的な産業において、一様ではありません。しかし、ドクター・ドレーやジミー・アイオヴィンの見解が示すように、AIを新しい創造性のツールとして積極的に受け入れる動きも広がっています。AIが人間の創造性を奪うのではなく、それを拡張し、新たな表現の可能性を切り開くパートナーとなりうるという前向きな視点は、AIの未来を形作る上で非常に重要です。
最後に、AIモデルのティアリスト分析と企業におけるAI導入の実態から、私たちは「絶対的な知能」と「実用的な使いやすさ・効率性」の間にしばしば乖離があることを学びました。AnthropicのFable5のデータ保持ポリシーが企業導入の大きな障壁となった事例や、AT&Tがオープンモデルとモデルルーターを組み合わせることでコスト削減と品質維持を両立させている事例は、単に最も高性能なモデルを選ぶだけでなく、ビジネス要件に合致する「最適な」モデル選択と運用の重要性を強調しています。
これからのAIエコシステムは、MITのクリスチャン・カタリニ氏が提唱するように、安価な汎用モデル、最先端の汎用モデル、そして最先端の特化型モデルという3つの市場セ方向に分かれて進化していくでしょう。企業は、自社の特定のニーズに合わせて、これらの異なるカテゴリーのモデルを賢く組み合わせ、柔軟な「マルチモデルスタック」を構築することが不可欠となります。
AIモデルの選択は、もはや単純なパフォーマンス比較の域を超え、戦略的なビジネス意思決定の一部となっています。AI技術のコモディティ化が進む一方で、フロンティアモデルは依然として高い経済的価値とイノベーションの可能性を秘めています。私たちは、この複雑でダイナミックなAIの世界を深く理解し、常に最新の動向にアンテナを張り、変化に対応し続けることが求められています。AIの未来は、単一のブレークスルーによってではなく、多様な技術、戦略、そして人間とAIの協調によって形作られていくでしょう。