オープンウェイト AI モデルは、クローズド フロンティア モデルとの差を驚くべきペースで縮めています。半導体調査会社 SemiAnalation による新しい分析によると、言語モデルが大規模な時代を迎えるたびに、オープン モデルはその時代の最初のクローズド モデルに追いつくまでにかかる時間が半分になります。

この調査は「オープンモデルは追いついているか?」と題されている。 Evan Cloutier、Max Kan、Jordan Nanos、Dylan Patel によって 8 月 21 日に出版されたこの論文は、AI 業界全体に漂う疑問​​を定量化する、これまでで最も体系的な試みの 1 つです。つまり、オープン モデルが、数分の 1 のコストでクローズド フロンティアとほぼ同等の能力を維持できるとしたら、フロンティア ラボは永続的なビジネスを維持できるでしょうか?この変化を推進するモデルのリリースについて詳しく知りたい場合は、AI Buzz Wire をフォローしてください。

フロンティア AI の 3 つの時代

著者らは、LLM の歴史は初期のスケーリング、推論、エージェントの 3 つの異なる時代に分類され、それぞれがモデルが有用に実行できる機能のステップ関数の増加を表していると主張しています。

彼らの方法論の核心点は、単一のベンチマークを使用して時代を超えてモデルを比較するのは間違いであるということです。すべてのベンチマークはその時代の産物です。その時点で存在する機能の違いを識別するために作成され、モデル メーカーによって飽和するまで上昇し、飽和した時点で業界は気にするのをやめて次のステップに進みます。代わりに、SemiAnalysis チームは、各時代のモデルに対して厳選されたベンチマーク セットを実行して、複合機能スコアを生成しました。

このように見ると、ギャップのオープンとクローズは周期的に移動します。各時代の始まりに、フロンティアラボは有望な研究を完了し、印象的なモデルをトレーニングし、飛躍的に前進します。その後、他の研究室が重要な進歩を特定し、リバースエンジニアリングしてギャップを埋めます。 「永遠に秘密のままでいることはありません。特に蒸留を考慮すると」と著者は書いています。 「それはどれくらいの時間がかかるかだけの問題です。」

この疑問に対する彼らの測定結果は、世代が進むごとに、オープンソース モデルがその時代の最初のクローズドソース モデルに追いつくまでにかかる時間が半分になるという、この研究の見出しとなる発見を生み出しました。

このサイクルが違うと感じる理由

このレポートは、過去のオープンモデルの瞬間と現在のオープンモデルの違いについて率直に述べています。 2025 年 1 月の「DeepSeek の瞬間」は見出しを飾りましたが、「経済的に価値のある作業を行うために実際に R1 を使用した人は誰もいませんでした」と著者らは指摘しています。

対照的に、彼らは、GLM 5.3 や Kim K3 のようなモデルが「Anthropic を ARR 650 億ドル以上に急上昇させたのと同じコーディングおよびエージェント タスクの多くを真に実行できる」と指摘しています。これは、コーディングとエージェントのワークロードがクロード メーカーにもたらした収益軌道への言及です。これらのオープン モデルは単なるデモウェアではないため、この主張は特に重要です。これらは、閉鎖されたラボで実際の収益を生み出すのと同じタスクのために実稼働環境にデプロイされています。

使用状況の数字はその変化を裏付けています。 SemiAnalysis によると、多くのオープン モデルを提供する推論プロバイダーである Fireworks は現在、1 日あたり 40 兆を超えるトークンを処理しています。これは、3 月末時点での OpenAI の API の量の 2 倍です。レポートが述べているように、今は「トークンの消費者になるにはエキサイティングな時期」であり、トークンを巡る戦いは今や OpenAI と人類の複占をはるかに超えて広がっています。

コモディティ化の問題

この研究は、有能で安価なオープンモデルがモデル層全体をコモディティ化し、その結果フロンティアラボのマージンにとって悲惨な結果となるという、一部の方面からFUDとレッテルを貼られている懸念に直接取り組んでいる。

分析の公開部分は完全な答えに至らずに止まっており、OpenAIとAnthropicの財務を詳細に扱うための同社の有料トークンノミクスモデルを読者に示している。しかし、方向性は明らかです。各時代のオープンモデルが前の時代の半分の時間で到着したとしても、閉鎖された研究室がフロンティアの能力に対して割高な価格を請求できる期間は縮小し続けます。

著者らはまた、この傾向をフロンティア研究に対する死刑宣告として読むことに対して警告している。彼らは、ベンチマークは「すべてを伝えているわけではない」と述べており、レポートの結論は、読者が最初に考えているよりもフロンティアモデルに関して「弱気ではない」と述べている。その理由の一部は、未加工のベンチマークの同等性が、信頼性、製品の統合、企業の流通、または大規模なモデルにサービスを提供するために必要な資本の同等性と同じではないためである。

なぜそれが重要なのか

購入者にとって、今回の調査結果は、多くの企業がすでに採用している戦略、すなわち、トークン量の大部分に対してデフォルトでオープンモデルまたは安価なモデルを使用し、最も困難なタスクにはプレミアムクローズドモデルを確保していることを裏付けるものです。研究所にとって、これは 2 つの面で直面している圧迫を定量化します。下はオープン モデル、上は膨大なコンピューティング コストです。

そして、オープンソースのエコシステムにとって、SemiAnalation のデータは、これまで不足しがちだったもの、つまり、ギャップが予測可能なスケジュールで埋まりつつあることを示す、イデオロギーではなく証拠を提供します。ハーフタイム パターンがフロンティア AI の次の時代にも維持される場合、業界の最も重要な問題は、オープン モデルが追いつくかどうかではなく、追いついた後も何が防御可能なままになるかということになります。

無差別級 AI レースを追跡 AIニュースをもっと読む→