測る場所は増え、結果は読めなくなった週

論点1: ルールはできた。読めないだけで

6月2日の大統領令が求めた自主的な審査の枠組みは、期限の8月1日までに完成しました。ホワイトハウスは8月3日にそう表明しています。翌4日には、Meta・Nvidia・Microsoft・OpenAI・Anthropicなどを集めた約30分の会合もありました。ただし中身は公表されません(詳細: 米政府のAI事前審査が完成 中身は非公開)。

報道で漏れてきた骨格は2つです。審査の対象は「クローズドで、最先端で、安全保障上のリスクがある」モデル。そして審査期間は最長30日。オープンウェイトは対象外で、公開済みのものを制限すると解釈してはならない、という一文まで入っていると報じられました。

ここで立ち止まりたいのは、自主基準がなぜ効くのかという点です。罰則はありません。効き目を支えるのは、宣言した以上は守らないとまずい、という外からの視線だけです。中身が読めなければ、その視線が届きません。守っているかどうかを、誰も判定できないからです。米外交問題評議会の研究者が「baffling」と評したのは、この一点でしょう。

論点2: 止めたのは正しい。確かめられないだけで

8月7日、OpenAIが開発中のモデル「Astra」について公表しました。自社のPreparedness Framework上で、最上位のCritical(重大)なサイバー能力を排除できない、という内容です。要件を満たしていない社内作業は停止し、政府機関や安全評価団体と検証するとしています(詳細: OpenAIがAstraの開発を減速)。

7月の一連の事故とは、止めた理由が違います。あちらは起きてしまったことへの対応でした。今回は何も起きていません。7月28日の公開書簡が求めていた「速度を調整する仕組み」を、10日後に1社が単独で実演した形です。素直に、評価していい判断だと思います。黙っていても外からは分からないのですから。

それでも引っかかるのは、論点1とまったく同じ構図がここにあることです。能力を測ったのは自社。基準を書いたのも自社。検証に加わる政府の枠組みは、その4日前に完成したばかりで非公開。減速という判断は見えるのに、その根拠だけが二重に見えない場所にあります。褒めるべき自制と、確かめようのない自己申告が、同じ発表に同居している。

もうひとつ、8月4日の公表も見落とせません。英国政府のUK AISIと評価パートナーのIrregularで、OpenAIのモデルが想定の範囲を越えていました。しかも7月30日にAnthropicが公表した3件は、同じIrregularの環境で起きたものです。評価パートナーの環境が、複数の研究所で同時に弱点になっていた。危険は製品ではなく試験場にある、という先週の見立てが、そのまま裏付けられました。

論点3: 配り方が上下と内外に割れた

三つ目は、同じ週に配り方が三方向へ分かれたことです。

下では、OpenAIが8月6日にChatGPT無料版のテキストの上限を撤廃しました。既定モデルもGPT-5.6 Lunaへ切り替わります(詳細: ChatGPT無料版がテキスト無制限に)。単価は1円も動いていません。数えるのをやめただけです。価格表に出ない値下げ、と読むのが正確でしょう。

上では、その翌日に同じ会社がAstraを止めています。一日違いです。安全に配れるものは配れるだけ配り、危ないかもしれないものは手元に置く。ひとつの会社の中で、配り方が上下にはっきり分かれました。

そして外では、Alibabaが8月3日にQwen3.8-Maxの提供を始めました。Max級として初めてウェイトを公開する、という予告つきです(詳細: Qwen3.8-Max、最上位のウェイトを来週公開)。米政府がオープンウェイトを制度の外に置いた、まさにその週です。7月27日のKimi K3に続いて2件目になります。ウェイトを公開することが、追う側の妥協ではなく最上位の戦略になった。

この記事で目を引いたのは、実は配り方ではなく中身のほうでした。公表されたベンチマークで伸びていたのは推論力ではなく、長時間の自律作業です。16日間の自動開発、125時間の論文再現、500ターンのチップ設計、1年分のEC運営シミュレーション。競争軸が「賢いか」から「長く働けるか」へ移りつつあります。フロンティアモデルの測り方そのものが変わってきました。

今週の見立て

三つの論点は、ひとつの問いに戻ります。危険を測る場所は増えたのに、測った結果を誰が確かめるのか。

政府は審査の枠組みを作り、公開しませんでした。企業は自社評価で自分を止め、根拠は外に出しませんでした。評価パートナーの環境は、複数の研究所で同時に弱点でした。そして最上位のウェイトは、制度が届かない場所で配られようとしています。

安全を測る工程は、確実に増えています。ただ、その増えた工程のほとんどが、外から検算できない場所に置かれた。私たちは去年、「どのモデルが賢いか」を比べていました。いま比べるべきなのは、誰が何を測り、その結果を誰に見せているかのほうです。

使う側の実務に落とすと、当面は3つです。既知の脆弱性を潰す速度を上げること。認証情報の置き場所を棚卸しすること。そして、特定モデルの発売を前提に計画を組まないこと。最上位の登場時期は、もう日数の話ですらありません(提供終了・値上げに備える)。

来週見るもの

第一に、Qwen3.8-Maxのウェイトとライセンスです。公開は8月10日の週とされ、条件はまだ示されていません。Kimi K3は事前報道と実際のライセンスが違いました。文面が出るまで判断を保留するのが妥当です。第二に、AstraのCriticalが確定するかどうか。そして政府機関との検証が、8月3日に完成した非公開の枠組みで行われるのか。もしそうなら、それが実質的な運用開始日になります。第三に、無制限に他社が続くかです。GoogleとAnthropicが上限を外して応じるなら、競争の焦点は完全に「上限の設計」へ移ります。第四に、UK AISIの報告書とIrregularの白書。評価環境の標準がどう変わるかは、来年の事故の数に直結します。

今週の記事

AI利用のコスト管理 / フロンティアモデルとは / Microsoftの防御AIが公開プレビューに / ツールポイズニングとは / 米政府のAI事前審査が完成 中身は非公開 / Qwen3.8-Max、最上位のウェイトを来週公開 / OpenAIがAstraの開発を減速 / ChatGPT無料版がテキスト無制限に