CRYPTO & AI
無料で登録
AI

先週のAI市場を5分で振り返り

直近1週間のマーケット情報・主要ニュースをまとめました。

先週のAI市場を5分で振り返り

おはようございます。
先週1週間(6/29〜7/5)のAI市場の振り返りです。


📰 Pickup News

Fable 5が2週間ぶりに全面復活 — 米政府の輸出規制が解除、新クラシファイアで悪用手法を99%超ブロック

  • 6/9にリリースされたAnthropicのFable 5は、ジェイルブレイク(安全制限の回避手法)の悪用懸念から6/12に米政府の輸出規制対象となり、全ユーザーで停止するという異例の経緯をたどっていました。それが6/30に規制解除、7/1に全世界で復旧しました。
  • 技術面の対策は2段構えです。新しいクラシファイア(分類器)が該当ジェイルブレイク手法の99%超をブロックし(Anthropicの自己申告値)、それでもフラグが付いた会話はOpus 4.8へ自動で再ルーティングされます。なお停止前後で性能が変わったのかについては、米AI企業2社の独立検証が割れています(BridgeMind AIは低下を報告・Arena.aiは維持を報告。主因は安全フィルタの誤検出増との見立て)。ITmediaの紹介記事が読みやすいので、ワークフローに組み込んでいる方は一読をおすすめします。
  • 復旧は段階的です。Pro/Max/Teamプランは7/7まで週間上限の50%までに制限され、以降はクレジット経由での利用となります。上位モデルのMythos 5は6/26に政府承認済みで米国組織限定の復旧にとどまっており、「Project Glasswing」の枠組みで対象拡大を調整中です。
  • 続報も出ています。AnthropicのエンジニアはFable 5をクレジット制ではなくサブスクの標準機能に戻す方針で、7/8以降のできるだけ早い完全復活を目指すと語っています(ITmedia報・7/3)。
  • ここがポイントで、フロンティアモデルの停止・復旧の判断に政府が直接関与した初の大型事例になりました。次項のPentagonメール公開、後述のOpenAI株式5%拠出構想やGPT-5.6の政府レビューと同じ週に起きており、「AIラボ×国家」の距離が一気に縮まったのが今週の大きな構図です。

Pentagon×Anthropicの非公開メールが裁判資料で公開 — 「完全自律兵器・国内大量監視」のレッドライン撤廃を契約条件に要求していたことが判明

  • 7/2に裁判資料として開封され、7/4にかけて報道が広がった話です(※報道ベース。ただしメール本文そのものは裁判資料として公開されています)。Pentagon(米国防総省)がAnthropicに対し、「完全自律兵器」と「国内大量監視」への利用を禁じるAnthropic側の「レッドライン」の撤廃を、契約の条件として要求していたことが判明しました。
  • Gizmodoはメール原文を掲載しており、Pentagon側の担当者(元Uber幹部)とDario Amodei CEOの緊迫したやり取りを直接読めます。
  • 経緯も生々しいです。PentagonがAnthropicをブラックリスト指定したその翌日に、「合意は間近(very close)」というメールが送られていたことも明らかになりました。安全方針をめぐる対立と契約交渉が、ぎりぎりまで同時に走っていたわけです。
  • 要は、AIラボが掲げる安全方針が国家との契約テーブルで「取引材料」になり得る、という記録が初めて公の形で出てきました。①のFable 5停止・復活と併せて読むと、今週の核心はモデルの性能ではなく「AIラボ×国家」の力学だった、というのが正直なところです。

OpenAI、株式5%(約$42.6B相当)を米政府へ拠出する構想 — 「主要ラボ各社が5%ずつ」とFTが報道

  • 7/2のFT報道(※報道ベース・交渉は初期段階)。サム・アルトマンが米政権側と、OpenAIの株式5%を政府ビークル(政府系の受け皿ファンド)へ拠出する構想を初期協議していると報じられました。評価額$852Bベースで5%は約$42.6Bに相当します。
  • 構想はOpenAI単独ではなく「主要AIラボ各社が5%ずつ拠出する」形とされ、Anthropic・Google・Metaにも同様の拠出が想定されていると報じられています。
  • モデルとして参照されているのは、石油収入を州民に配当するアラスカ恒久基金型の仕組みです。実現には議会承認が必要になる可能性も指摘されています。
  • 要は、AIへの政治的な反発(雇用不安や富の集中への批判)を「国民全体をAIの株主にする」ことで和らげる狙いです。Fable 5の規制解除やGPT-5.6の政府レビューと同じ週にこの話が出てきたのは、偶然ではなさそうです。

Cloudflare「Content Independence Day」から1年 — AIクローラーの用途別ブロックと課金を本格化

  • 7/1発表。Cloudflareが2025/7/1に宣言した「対価なきAIクロールなし(Content Independence Day)」の1周年アップデートです。今回は、AIクローラーをSearch(検索)/ Agent(エージェント)/ Training(学習)の3用途に分類して管理する仕組み、9/15からの新デフォルト、支払いモデルの拡張が柱です。
  • 新デフォルトの中身はこうです。9/15から、新規オンボードのドメイン・既存顧客の新サイト・無料プランを対象に、広告表示ページへのTraining/Agent用途のクロール(用途を混在させたクローラーを含む)をデフォルトでブロックします。Search用途は許可のままです。
  • 支払いの仕組みも拡張されました。従量課金「Pay Per Crawl」の発展形として、コンテンツの利用ごとに対価を払う「Pay Per Use」を提案(初期パートナーはCeramic.aiとYou.com)。さらにMCPツールの呼び出しまで課金対象にできる「Monetization Gateway」のウェイトリストも開始しています。
  • 見どころは、Web全体のかなりの割合のトラフィックを通すCloudflareがルールを変えると、それが事実上の業界標準になり得るという点です。AI企業とパブリッシャーの「ただ乗り問題」が、ついに料金表と期限付きで交渉のテーブルに乗りました。

Microsoft、$2.5B・6,000人の「Frontier Company」設立 — AI導入は"人員込み"で売る時代へ

  • 7/2〜3。Microsoftが$2.5Bをコミットし、6,000人を顧客企業内に常駐させるAI展開組織「Frontier Company」を設立しました。責任者のJudson Althoffは「成果ベースのAI展開組織として業界最大」としています(自己申告)。
  • これは単発の動きではありません。OpenAIの「DeployCo」($4B・約150名)、Amazonの$1B FDE組織(6/30発表。FDE=Forward Deployed Engineer、顧客先常駐エンジニア)に続く潮流です。
  • 同時にCopilotも刷新されました。消費者版と企業版を単一アプリに統合(8月予定)し、常時稼働エージェント「AutoPilot」(第1弾は調査エージェントのScout)を投入。AIスーパーアプリ競争にMicrosoftも本格参戦です。
  • つまり、モデルのライセンスを売るだけでは企業にAIが浸透しない、という現実を大手が揃って認めた形です。「モデル+導入する人」をセットで売るフェーズに入った、というのが今週いちばん実務的なニュースかもしれません。

📗 Pickup Article

面白いと思ったポストや記事を紹介します。

The twilight of the chatbots — 「チャットボットの黄昏」、対話UIの時代はもう終わり始めている(Ethan Mollick)

  • 6/30公開。Wharton校のEthan Mollick教授が、「AIを使う=チャット欄に文章を打ち込んで1ターンずつ会話する」という形そのものが終わりに向かっている、と論じたエッセイです。
  • 背景にあるのはエージェントの長時間自律実行です。目標だけ渡せばAIが裏で何十分・何時間も作業する方向にモデルとプロダクトが揃って進んでおり、人間が会話をリードし続けるチャットUIは過渡期の形だった、という見立てです。
  • チャット前提で磨かれてきた「プロンプトのコツ」の価値が相対的に下がり、代わりに「何を任せ、どこで確認するか」という仕事の設計側に重心が移る、というのがユーザー側への示唆です。
  • 次の②で紹介するGreg Brockmanの「ほぼインターフェースのない未来」と、研究者・教育者の立場からちょうど対になる内容です。読み比べると、チャットUI前提のプロダクトや社内研修の賞味期限を考えさせられます。

OpenAI共同創業者が描く「ほぼインターフェースのない未来」— もう誰もソフトの使い方を学ばなくなる

  • 7/4公開。OpenAI共同創業者のGreg Brockmanが、ソフトウェアのUI(画面操作)が消えていき、AIとの対話に置き換わる未来像を語りました。「ソフトの使い方を学ぶ」という行為自体がなくなる、という主張です。
  • ボタンやメニューを探して操作を覚えるのではなく、やりたいことを伝えればAIが裏でソフトを動かす。人間が機械に合わせる時代から、機械が人間に合わせる時代への転換です。
  • ①のMollickが「チャットUIすら過渡期」と論じたのに対し、Brockmanはさらに先の「インターフェースそのものがほぼ消える」地点を描いています。作り手側の思想(Brockman)と使い手側の観察(Mollick)が同じ週に同じ方向を指したのが面白いところです。
  • 今週のMicrosoftのスーパーアプリ化(Copilot統合・AutoPilot)とも響き合う話で、SaaSの画面・UXで差別化してきた企業には割と怖い話です。インターフェースが消えるなら、価値はどこに残るのか。考える材料として面白い一本です。

2.6万人の学生調査が示すAIの「隠れ学習コスト」— 基礎理解の欠損は2年後に表面化する

  • 7/4公開。2.6万人の学生を対象にした調査で、AI利用の学習への影響が時間差で現れることが示されました。
  • 短期的には成績が向上します。AIに手伝ってもらえば課題の出来は上がるので、当然といえば当然です。
  • 問題はその先で、基礎理解の欠損が丸2年経ってから顕在化するという結果です。土台を飛ばして積み上げた分のツケが、後から回ってくる構図です。
  • 「AIで成績が上がった」という短期の観測だけでは教育への影響を判断できない、というのがこの調査の重い示唆です。企業のAI研修や新人育成にもそのまま当てはまる話だと思います。

GPTもClaudeもBridgewaterの金融テストに不合格 — 「正解が公開されていない」ドメインの壁

  • 7/3公開。世界最大級のヘッジファンドBridgewaterが自社の金融テストをLLMに解かせたところ、GPTもClaudeも不合格だったという話です。
  • 理由が本質的です。テストの正解がそもそもインターネット上に公開されていないため、Web由来のデータで学習したモデルには手がかりがない。「学習データにない正解」を要求されるドメインでのLLMの限界がくっきり出ました。
  • ただし話はそこで終わりません。同記事によると、Bridgewater×Thinking Machines LabはオープンモデルのQwen3-235Bを自社の金融データで特化ファインチューニングし、84.7%と汎用のGemini/Claude/GPTを上回るスコアを約1/14のコストで達成しています。「汎用フロンティアが解けないなら、専門データで小さく勝つ」実例です。
  • 一方で同じ7/3、UK AISI(英国AIセキュリティ研究所)は「標準ベンチマークはエージェントの実力をむしろ系統的に過小評価している」という逆向きの報告を出しています。
  • 要は、公開ベンチマークの点数は「過大」にも「過小」にもなり得るということです。自社のユースケースで測らない限り本当の実力は分からない——評価の話題が両極から同時に出た、示唆の多い週でした。

🐦 今週のX

今週Xで話題になったポスト・考察を紹介します。


📊 Market & News

※ カテゴリ別に整理しています。資金調達ラウンド単体は日曜の「資金調達PJまとめ」に集約しています。報道ベースの項目・企業の自己申告値にはその旨を付しています。注目Xポストはニュースと並べて各カテゴリに混ぜています。

🏢 基盤モデル / フロンティア

🌐 オープンモデル / 非・巨大モデル路線

⚡ AI半導体・インフラ・compute

🤖 AIエージェント / プロダクト

🧪 研究・論文 / ベンチマーク

⚖️ 政策・規制・安全

💼 企業動向 / 人事・経済

🛠️ コミュニティ&ツール


TOPICS

DEBUNK編集長

あわせて読みたい用語解説

用語解説をすべて見る →
【スケーリング則】計算・データ・パラメータを増やすと、AIの性能はどこまで予測どおりに伸びるのかAIの開発各社が計算資源に巨額を投じる理由になっているスケーリング則を、Kaplanらの2020年の論文とChinchillaの2022年の論文、その後の使われ方、よくある読み違いとあわせて整理します。【プロンプトインジェクション】AIエージェントが読んだ文章に指示を紛れ込ませる攻撃と、防ぎきれない理由AIエージェントが外部の文章を読んで動くときに起きるプロンプトインジェクションを、直接型と間接型の違い、根本的に防ぎにくい理由、各社の対策の現状とあわせて整理します。【トランスフォーマー】いまのAIの土台になった仕組みと、注意機構が並列の学習を可能にした理由ChatGPTをはじめ、いまの言語モデルの土台になっている「トランスフォーマー」を、注意機構の考え方、並列に学習できる理由、その弱点と最近の改造とあわせて整理します。【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。【合成データ】AIの学習に使う「作られたデータ」の仕組みと、モデル崩壊の議論AIの学習に使う「合成データ」を、言語モデル・シミュレーター・表データという3つの作り方、モデル崩壊の議論、いまの使われ方とあわせて整理します。【推論(インファレンス)】学習済みのAIが答えを出す工程と、その費用と速さを決めるものAIが答えを出すたびに走る「推論(inference)」を、学習との違い、入力を読む段階と答えを書く段階の仕組み、推論向けチップの動きとあわせて整理します。【RLHF】AIの「振る舞い」を作る強化学習の工程と、人の採点・AIの採点・自動判定の違いチャットAIの受け答えを形づくる人のフィードバックによる強化学習(RLHF)を、後継のRLAIF・検証可能な報酬での強化学習(RLVR)とあわせて、仕組みと弱点からまとめます。【マルチモーダル】画像・音声・動画をAIはどう読むのか。仕組みと、2026年でも苦手なこと文章だけでなく画像・音声・動画も扱うマルチモーダルなAIを、画像をトークンに変える仕組みと、大学の試験は解けても時計の読み取りで負ける理由からまとめます。