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。

mitsui
2026年11月2日 ／ 19分
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（10/24〜10/30）のAI市場についてのまとめ記事となります。

※現在、ニュースレターの配信基盤を移行しています。ご迷惑をおかけしています。ニュースレターはこれまでどおりお届けしますが、サイトのドメイン移管はこれからです。完了まで少々お待ちください。

先週は、AIに使うお金を市場が値踏みした週でした。10/26(月)に Anthropic が上場の届出書（S-1）を公開し、10/28(水)〜29(木)に Alphabet・Microsoft・Amazon・Intel が決算を出しています。クラウドの売上は大きく伸びましたが、設備投資でフリーキャッシュフロー（営業で得た現金から設備投資を引いた残り）がマイナスになった会社もあり、株価の下げ幅は銘柄ごとに大きく開きました。縦糸はほかに2本あります。ひとつはモデルの競争で、Gemini 4 Carbon が総合指標で首位に立つ一方、提供先は当面絞られ、値下げとオープンウェイト（モデルの重みの公開）も重なりました。もうひとつは検証です。OpenAI と Anthropic の数学の主張は外部の確認を待っていて、Anthropic 自身がAIエージェントによる侵入の報告を受ける側にも回りました。

市場の数字を見ると、半導体ETFの SMH は10/26〜28に上げたあと、10/30(金)に −6.98% と大きく下げ、週間（10/23終値→10/30終値）では −0.89% でした。週の前半の上げをすべて吐き出した形です。銘柄別では NVDA が −3.00%、GOOGL が −12.61%、MSFT が −0.50%、AMZN が −3.08%、META が −4.30%、INTC が −24.38%、RDDT が −36.41% です。

📰 Pickup News

Alphabet・Microsoft・Amazon の決算。クラウドは大きく伸び、現金は出ていく

  • 10/28(水)、Alphabet が7〜9月期の決算を出しました。売上は $127.6B で前年比 +25%、Google Cloud は $30.7B で +103% と倍になり、GCP と TPU システムの販売が引っ張っています。一方で設備投資は $51.4B と前年の $24.0B から倍以上に増え、四半期のフリーキャッシュフローは −$9.1B でした。Cloud の営業利益は $11.1B と、前年の $3.6B から大きく増えています。The Decoder によれば、検索の成長は約12%と市場予想の15%に届かず、Philipp Schindler 氏は、AI Mode の質問が増えても収益化が低いことが影響したと説明しています。2026年の設備投資の見通しは $195〜205B のままで、2027年は大きく増える見込みです。株価は翌10/29に −12.64% でした。
  • 同じ10/28の Microsoft は売上 $92.3B（+19%）、Azure が +48% でした。TechCrunch によれば、Azure の四半期の売上を初めてドルで開示し、$33.2B と市場予想の $32.3B を上回っています。有形固定資産の取得は $39.4B で、前年の $19.4B から倍になりました。OpenAI 関連の売上は四半期で $10B と全社の約11%で、OpenAI への売掛金は $7.2B、持分は約24%です。10/29(木)の Amazon は売上 $201.9B（+12%）、AWS が $46.0B（+39%）でした。過去12か月のフリーキャッシュフローは −$42.4B で、前年の +$14.8B から逆転しています。2026年の設備投資は約 $220B の見込みで、Andy Jassy 氏は、AWS は5〜10年で年 $1T の事業になれると話し、2027年はさらに大幅に使うとしています。
  • 決算を出した4社で下げが最も大きかったのは Intel です。10/29 の決算で7〜9月期の売上は $16.5B（+21%）、データセンターとAIの部門は +78% でしたが、10〜12月期の売上の見通しは $15.0〜16.0B、非 GAAP の粗利益率は 44.1% から 38.0% に下がる見込みです。CFO の David Zinsner 氏は、PC の減速が少なくとも来年前半まで続くとみています。株価は10/30に −28.58% でした。10/30 の SMH の下げとの関係は、一次の情報では確かめられていません。要は、クラウドの売上は伸びましたが、Alphabet と Amazon の現金の流れは逆を向いていて、3社の週間の株価も MSFT の −0.50% から GOOGL の −12.61% まで開きました。

Anthropic が S-1 を公開。4〜6月期に初の営業黒字、計算資源の契約の総額は空欄のまま

  • 10/26(月)、Anthropic が S-1 を公開しました。同社の発表では、Nasdaq Global Select Market にシンボル ANT で上場する予定で、株数と価格帯はまだ決まっていません。S-1 によれば、4〜6月期の売上は $11.6B、上半期で $16.3B、2025年通年は $4.6B でした。4〜6月期の GAAP 営業利益は $974M で、これが初の黒字です。年 $100K を超えて払う顧客は9月末で11,900超、1〜9月の売上の25%を上位5社が占め、上半期の売上の80%はトークン単位の従量課金です。7〜9月期の売上は S-1 では空欄です。
  • 重いのは費用の側です。売上の大半が使った分だけの課金なのに、計算資源の費用は長期で固定されている、と The Decoder は指摘しています。ただし総額は、S-1 では金額の欄が空白のまま提出されました。媒体の数字も割れていて、The Decoder は $780〜810B、Bernama は $518B と書いています。S-1 に載っている内訳は、6/30 時点の購入契約が約 $265.6B、まだ始まっていないリースが約 $321.4B、6/30 より後に結んだり見直したりした分が約 $245B です。上半期の純損失は $80.7B ですが、うち $72.4B は転換社債などの公正価値の変動で、現金が出ていったわけではありません。
  • 上場後の形も見えてきました。TechCrunch によれば、Long-Term Benefit Trust が取締役の過半数を選び、普通株主が口を出せる範囲は限られます。別の記事は、Amazon が持つ転換社債の価値を、Amazon 自身の開示で $97.9B と伝えています。同じ記事では、Anthropic は AWS に10年で少なくとも $110B、Google のクラウドに2033年までで少なくとも $114B を約束しています。競争の面では、The Decoder が The Information の報道として、OpenAI が最大9割引で大口の客を奪いにいっていると伝えました。つまり、初の黒字が出た書類が公開された週に、固定費の重さと値引きの圧力も同時に見えてきました。

Gemini 4 Carbon が総合指標で首位。ただし提供は当面サイバー防御の一部に限る

  • 10/28(水)、Google が Gemini 4 Carbon を発表しました。提供はまず一部のサイバー防御の担当者からで、Fairwind Program を通じて信頼できるパートナーへ広げます。開発者・企業・一般向けの時期は示していません。価格は導入期間が100万トークンあたり入力 $2・出力 $10、その後は $4・$20 です。Google の発表では Artificial Analysis Intelligence Index v5.0 で 59 の1位、ガードレールなしの評価で SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% でした。コーディングに絞った指標では、AINews によれば Claude Code で動かす Opus 5.5 の 62 に対して、Antigravity CLI で測った Carbon は 59 です。
  • 値段の競争も進みました。The Decoder によれば、GPT-6.1 Terra は入力 $1・出力 $5 で、前の GPT-5.6 Terra の $2・$12 や Claude Sonnet 5.5 の $2・$10 を下回ります。オープンウェイトでは、Mistral が、1兆パラメータ規模の Mistral Large 4 の重みを Hugging Face で公開しました。自社で動かせる点を、企業や政府のサイバー防御に向けて打ち出しています。Kimi K3.1 Pro は総2.8T・活性104B（1回の処理で実際に使うパラメータ）で、重みは 11/4 に出す予定です。
  • 物差しのほうも変わりました。Artificial Analysis の指数 v5 は60%を非公開のテストに切り替え、最上位のオープンモデルと閉じたモデルの差は3点から12点に開いて、Kimi K3.1 Pro は4位から9位に下がりました。Pickup Article の3本目で、この変更への批判を紹介します。見どころは、いちばん強いモデルほど提供を絞り、その下の階層で値下げと重みの公開が進んでいる点です。

OpenAI と Anthropic が指数時間仮説の反証を主張。検証はこれから

  • 10/26(月)、OpenAI が3つの難問を解いたと公表しました。そのひとつが、指数時間仮説（ETH）を反証したという主張です。ETH は1999年に示された計算機科学の仮説で、ある種の論理パズルは、変数が増えると最速の方法でも指数関数的に時間がかかるとするものです。Anthropic の数学者 Levent Alpöge 氏は、OpenAI の解は既存の研究に依拠していると示唆し、その数時間後に Anthropic も自社の反証の主張を GitHub で公開しました。
  • どちらも、独立した検証はまだです。The Decoder によれば、残る2問は数学の局所平滑化予想と、物理の4次元の量子場の理論の存在です。計算機科学は MIT の Ryan Williams 氏らが、物理はノーベル賞受賞者の David Gross 氏らが見ています。計算機科学の3人は無償で、秘密保持契約なしで引き受け、参加は支持を意味しないとしています。OpenAI 自身も原稿を、これから理解する必要がある生の研究データと呼んでいます。証明を検査する言語 Lean への翻訳もありますが、Lean が確かめるのは書かれた命題の範囲で、問題を正しく写しているかは人が見る必要があります。
  • 暗号への影響も問われています。TechCrunch によれば、Williams 氏はアルゴリズムが改善されると一部の鍵の長さが破られたとみなされうると話し、OpenAI は確認したうえで、破られるとは考えていないと答えました。これは Williams 氏が伝えた OpenAI 側の説明で、独立の結論ではありません。Williams 氏は見慣れない部分があり、分野全体で調べる必要があるとも話しています。ここがポイントで、反証が成り立てば ETH に依拠する論文の見直しが要りますが、今の段階で言えるのは、主張が出たというところまでです。

AIエージェントが Anthropic の社内システムへ。オープンモデルは Firefox の修正から攻撃を作る

  • The Washington Post の10/26の報道を The Decoder が伝えたところでは、元 DOGE の職員が創業した Cathedral が、Anthropic のバグ報奨金の枠でAIエージェントを動かし、外部の業務ソフトを経由して社内に入りました。Anthropic が認めた範囲は、営業・人事・IT の限られたシステムで、顧客や取引先の連絡先の一部も含みます。Claude のチャット、ソースコード、モデルの重みは無事で、見つけた日にアクセスを止め、米連邦当局に知らせたとしています。
  • 両者の言い分は割れています。所要時間は Cathedral が12時間未満、Anthropic は数日です。Cathedral は外部ソフトの脆弱性を2つ見つけて1つだけ報告したとされ、Anthropic の Logan Graham 氏は、外部の提供元を狙ってデータを抜いたのは報奨金の取り決めの範囲を超えると話しています。Cathedral は標準的な調査の手順に従ったという立場です。Slack の管理者権限まで取ったという元 OpenAI の Will Depue 氏の主張は Graham 氏が否定していて、未確認のままです。
  • 同じ週に、Epoch AI の実証も出ました。オープンウェイトの GLM 5.3 が、公開済みで利用者にはまだ届いていない修正を手がかりに、Firefox 6版を狙う攻撃を作っています。OpenAI も、学習中のモデルが9/20に設定の誤りを突いて外に接続した件を明かし、インターネットにつながない学習に移すとしました。守る側の会社の周りでも、外部のソフトや学習の環境のような足元が問われた週です。

📗 Pickup Article

面白いと思ったポストや記事を紹介。

Epoch AI「AI can turn security fixes into working exploits before users receive an update」

  • 10/29に公開された、Aiden Ament 氏ら6人の実測のリポートです。修正が公開されてから利用者に届くまでの間を「パッチギャップ」と呼び、そこをAIがどう突けるかを調べました。GLM 5.3 は、普通の改善に見せかけた修正から穴を自分で見つけ、開くだけでローカルのファイルを読み出して送るWebページを作っています。費用は1版あたり API で約 $1,000、最速で約12時間で、提供側の拒否はありませんでした。
  • 限界もはっきり書いています。コード実行には届かず、どの成功例も未公開の別の穴に頼っていて、この穴は Firefox 159.0 で直されました。研究全体では $100,000 超を使い、Chrome では約 $100,000 をかけても成功していません。ただし著者らは、より良い指示や強いモデルなら別の結果になりうるとしています。試験は Ubuntu のオフライン環境で行いました。
  • 読みどころは提言です。修正が見えてから届くまでの時間を縮めること、関連する修正をまとめて出さないこと、公開された修正は武器にされる前提で動くことを挙げています。強いモデルを守る側に限って渡しても、公開された修正が穴の場所を教える構造は変わらない、という指摘も重い点です。ルーターの中のソフトやスマホの OS のように更新の遅いものほど危ないとみています。オープンウェイトが攻撃と防御のどちらに有利かは、断定していません。

Ben Thompson 氏（Stratechery）「The End of the Internet」

  • 10/26の Stratechery の記事です。Thompson 氏はブログの誕生から Google、購読、SNS までをたどり、開かれていることが供給の過剰を生み、競争を厳しくしてきたと整理します。そこにAIが加わり、限られた読者に向けて書くことで成り立つ購読のモデルや、少人数のグループチャットのほうに価値が残ると見ています。
  • 今回の新しい論点はセキュリティです。ソフトには人が作った穴があり、AIは攻撃者に尽きない時間と試行を与えます。Thompson 氏は、前の週の PHP や GitLab、LiteLLM の件を挙げ、自分の公開サイトやアプリを動かすのは危うくなったと論じます。経済の面でも、AIは中身と注目を使うのに、Google のように流入を返しません。
  • 記事の中ほどに "The Internet as we knew it is dead." という一文があります。ただし悲観で終わる記事ではありません。規模が物差しでなくなれば、小さな集団のためのソフトや、本当に関心のある人に売る書き手に余地が広がるという見立てです。Reddit の検索の流入減（Market & News のビジネス欄）や、Pickup News の5本目と並べて読むと、同じ週の出来事の見え方が変わります。

Nathan Lambert 氏（Interconnects）「Artificial Analysis v5 and the benchmarker's dilemma」

  • 10/28の Interconnects の記事で、Pickup News の3本目の指数 v5 を扱っています。v5 は知識労働・コーディング・科学・一般の4分野を各25%に組み直しました。Lambert 氏は、現実の使われ方はでこぼこしていて、1つの指数に無理が出ると見ています。今回の配分は、汎用のエージェント的な協力者に寄り、大きな最前線のモデルに有利だという見方です。
  • 非公開テストへの移行は、方向としては理解できるとしつつ、全面的には賛成していません。形を知っているテストには合わせやすい一方、問題が隠れると、外の人が誤りを見つけて直す機会も失われます。Artificial Analysis は研究所から結果の検証で収入を得ていて、Lambert 氏はそれ自体は構わないとしつつ、評価を売る会社に共通する問題だと書きます。結局この業界は信頼の問題だ、というのが本筋です。
  • オープンモデルについては、衰えているという語りは大げさだが、旧版の指数は持ち上げすぎだったと見ています。差が最も大きいのは科学の評価で、評価に近い環境で強化学習を回せる研究所が限られることも理由に挙げています。オープンの価値は推論の価格を下げ、企業が自前で知能を持てることにあり、これは指数に出にくいという話です。次の大きなオープンモデルでまた伸びるとも予想していて、分野別の指数を増やすよう勧めています。

Anthropic「How AI agents shape experts' judgment calls」

  • 10/27に公開された、Amaç Herdağdelen 氏、Hailey Joren 氏、Alex Tamkin 氏の研究です。分析の専門家50人が、架空の農業協同組合の支援策に効果があったかを、Claude Code の Claude Opus 4.8 と一緒に調べました。評価の指標や比較の手法など4つの判断について、エージェントがどちらを好むかを判断ごとに無作為に決め、本人には伝えていません。
  • 結果は、4つの判断の86%がエージェントの好みと一致しました。偶然なら約50%のはずです。すでに自分の好みがあった人でも、エージェントと意見が違うと60%が乗り換えています（同意のときは6%で、38件と少ない）。最終の提言への影響はこれより弱く、54%対36%でした。
  • 後の説明では77%がエージェントの議論を使い、エージェントに触れたのは15%でした。経験や学歴では、従いやすさはうまく予測できません。研究はエージェントの傾きを意図的に強めていて、1つの課題と1つのモデルの結果なので、現場の効果はもっと小さいかもしれないと留保しています。それでも、どの判断を人が自分で下すべきかを組織が先に決めておく、という提案は、エージェントを使う会社ならすぐに考えられる話です。

📊 Market & News

🏢 フロンティアモデル

🧠 研究・ブレイクスルー

🤖 エージェント＆プロダクト

⚡ インフラ・半導体・compute

💼 ビジネス・人事

⚖️ 政策・安全・規制

🧰 コミュニティ＆ツール

🇯🇵 国内（日本）

免責事項：リサーチした情報を精査して書いていますが、個人運営&ソースが英語部分も多いので、意訳したり、一部誤った情報がある場合があります。ご了承ください。また、記事中に Dapps、NFT、トークン、AIサービス等を紹介することがありますが、勧誘では一切ありません。全て自己責任でご判断・ご利用ください。

About us：DEBUNK は、世界で起きた AI とクリプトの大事なニュースを、分野ごとに毎朝6時にお届けするニュースレターです。

Author：mitsui (@mitsuiio) — AI とクリプトのリサーチと執筆をしています。

Contact：法人向けのリサーチの受託や勉強会も受け付けています。お問い合わせは About から。

TOPICS
mitsui記事一覧 →

DEBUNK編集長

次に読む

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。

AI 2026.11.09

Shield AIにDisruptive等が$2.5B出資、FalにBessemer等が$1.65B出資、など全75PJ【資金調達PJまとめ】

直近1週間の資金調達情報をまとめました。

AI 2026.11.08

FuriosaAIに韓国のNational Growth Fund等が$620M出資、Bedrock RoboticsにCapitalG等が$600M出資、など全96PJ【資金調達PJまとめ】

直近1週間の資金調達情報をまとめました。

AI 2026.11.01

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。

AI 2026.10.26

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。