昨夜、シリコンバレーでAI覇権争いが激化

著者：Max、01 Founder

編集：Max

昨夜のシリコンバレーで、三つの大きな出来事があった。

GoogleがGemini 3.8 Flashを発表し、MetaがMuse Spark 1.3を発表、そしてこれまで誰も話題にしなかったスタートアップMostikが、有力メディアWIREDのインタビューに登場した。

最初の二つだけを見れば、これはまたいつものAIベンチマーク競争の夜のように見える。

GoogleがGeminiをDeepSWEの首位に押し上げた数時間後、Metaがさらに高いスコアを発表し、世界一の座はわずか数時間で明け渡された。

2026年にもなると、こうしたことには皆ほとんど慣れっこになっている。

モデルが発表され、ベンチマークが更新され、X上で数時間祝賀が続き、そして次の企業がさらに更新するのを待つ。

しかし、昨夜の三つの出来事をまとめて見ると、本当に注目すべきことはランキングには全くないと私は思う。

AIの経済性が急変している。

ここ数年、AIのコストを語る際に最もよく見られる数字は、100万トークン当たりの価格だった。

しかし、エージェントが登場してから、この指標はますます不十分になってきている。

将来本当に重要になる問題は、「100万トークンがいくらか」ではなく、バグ1件の修正にいくらかかるか、リサーチを一つ完了するのにいくらかかるか、エージェントを3時間連続稼働させるのにいくらかかるか、ということかもしれない。

そして昨夜、推論コストが複数の異なる方向から同時に低下している。

Googleはフロンティアレベルの能力をますます安価なモデルに搭載し、Metaはエージェントが同じタスクをより少ないトークンとツール呼び出しで完了できるようにし、Mostikはさらに一歩進んで、こう問いかけ始めた：

通信する双方がもともとAIなら、モデル同士が人間用に設計された言語でやり取りする必要があるのか？

PART.01、Geminiが帰ってきた

まずGoogleから見ていこう。

Googleは新しいフラッグシップモデルGemini 3.8 Flashを発表し、公式はこれまでで最も強力な推論・コードモデルだとしている。

これはGoogleが6週間の間にFlashシリーズの3回目の更新を行ったもので、3.6から3.7、そして今回の3.8へと続く。

これまでFlashの印象は非常にシンプルだった：より速く、より安いが、能力は最強モデルにはやや劣る。

Googleは今、その定義を少しずつ変えようとしている。

今回の3.8 Flashの最も核心的な向上は、長期的なコーディング（long-horizon coding）とエージェントワークフロー（agentic workflow）に集中している。

AIの長期間のソフトウェアエンジニアリング能力を測るDeepSWE v1.1では、約74%のスコアを獲得した。

DeepSWEと従来のコードベンチマークの最大の違いは、モデルにアルゴリズム問題を解かせるのではなく、実際にエージェントをコードリポジトリに配置することだ。

モデルは問題を理解し、コードを検索し、ファイルを修正し、ツールを呼び出し、テストを実行し、失敗したら原因を探し続ける必要がある。

一つのタスク全体は数十ステップ、場合によっては百ステップ以上続くこともある。

このようなテストで、Gemini 3.8 Flashは一時世界一になった。

Claude Opus 5も約74%、GPT-5.6 Solは約73%、これまで首位だったFable 5は約70%だった。

能力だけを見れば、これらの最強モデル間に特に大きな差はなくなっている。

本当に恐ろしいのは別の数字、つまりお金だ。

Gemini 3.8 FlashのAPI発表時の価格は、入力0.75ドル/1Mトークン、出力3.75ドル/1Mトークンに据え置かれた。

DeepSWEで一つのタスク全体を完了する平均コストはわずか2.36ドルだ。

対照的に、同じ約74%のClaude Opus 5は1タスクあたり平均11.84ドル、GPT-5.6 Solは約73%で平均6.46ドルかかる。

つまり、同じレベルのソフトウェアエンジニアリング能力でも、実行コストは数倍の差があるということだ。

これはエージェント時代に非常に重要になる。

チャットボット時代は、一回の回答が数セント高いか安いかは一般ユーザーにはほとんど気づかれなかった。

しかしエージェントは全く異なる。コーディングエージェントは100ステップ連続で実行するかもしれないし、リサーチエージェントは数十のウェブページを検索し、数百ページの資料を読むかもしれない。将来企業内のエージェントは数時間連続で働く可能性さえある。

Google公式は、3.8 Flashが複雑なタスクに遭遇すると自らより多くの作業を行い（work harder）、より多くの推論とツール呼び出しを行うと述べている。

Googleはコスト削減のためにモデルに「思考を減らす」よう求めたのではなく、トークンが十分安くなったため、より長いループを実行させることができるようになったのだ。

だから私が思うに、3.8 Flashの本当に重要な点は、再び世界一を取ったことではない。

それは、これまで最も高価なフロンティアモデルしか提供できなかった能力を、強引にFlashの価格帯に押し込んでいることだ。

PART.02、3時間半後にMetaが反撃

Googleの社員がGemini 3.8 Flashの発表を祝っている最中、Metaが突然反撃に出た。

MetaがMuse Spark 1.3モデルを発表した。

Metaが公表したベンチマーク結果によると、Muse Spark 1.3はDeepSWE v1.1で75.4%を達成した。

この数字はGemini 3.8 Flash、Claude Opus 5、GPT-5.6 Solを上回っている。

さらに注目すべきことに、Muse Spark 1.2のこのテストでのスコアは約55%に過ぎなかった。

1.2から1.3への小規模なアップデートで、約20ポイントも直接向上したことになる。

しかし、今回のMetaの発表で本当に注目すべきは75.4%ではないと私は思う。

他に二つの数字がある：ツール呼び出しが約20%減少、トークン消費が約25%減少。

これは見落とされがちだが、エージェントが実際に商業化された後の最も重要な問題に非常に近い。

エージェントが最も無駄にお金を使うのは、正常な思考ではなく、脱線することだ。

例えば、コーディングエージェントが20ステップ目で要件を誤解した場合、5つのファイルを修正し続け、3回のテストを実行し、大量のコードを検索し、最後にルートが間違っていたことに気づき、すべてやり直すことになるかもしれない。

数十回のツール呼び出しと数万トークンが無駄になる。

したがって、モデルがタスクの曖昧さをより早く発見し、自分では続行できないことをより早く認識し、より早くユーザーに問い合わせることができれば、それは直接コスト削減につながる。

Muse Spark 1.3で強化された能力の多くはこの類のものだ。長いスレッド内で複数のワークフローを同時に維持でき、曖昧なタスクに遭遇すると自ら問い合わせ、解決できない問題は自ら助けを求め、不可逆的な操作を行う前に確認し、長いタスクを何ラウンドも実行した後でも最初の制約を忘れにくい。

Metaはモデル自身の能力の限界に対する認識さえ強調し始めた：自分が何を知っていて、何を知らないかを知っている。

これらの能力はチャットボット時代にはベンチマークが20点上がるほど魅力的ではないかもしれないが、エージェント時代には直接お金に換算できる。

エージェントがミスを一回減らすこと自体が、推論の最適化なのだ。

だからGoogleとMetaを並べて見ると、大規模モデル競争の評価指標が静かに変化していることがわかる。

今後は「100万トークンがいくらか」よりも、別の数字に関心が移っていくだろう：

実際のタスクを最初から最後まで実行するのに、一体いくらかかるのか。

PART.03、Mostik、破壊的なブレークスルー

GoogleとMetaがまだ、より安く、より少ないトークンでタスクを完了する方法を研究しているとすれば、Mostikはより根本的な問題に取り組み始めた：

そもそも、なぜこれらのトークンが存在しなければならないのか？

Mostikはロシア語で「橋」を意味する。

CEOのSasha Malyshevaがこの手法の主要開発者であり、最高科学責任者はジュネーブ大学教授で2010年フィールズ賞受賞者のStanislav Smirnovだ。

彼らは、聞こえはシンプルだが実際には極めて困難なことに挑戦している：二つのAIモデルが自然言語を介さずに互いに通信できるようにすること。

今日のほとんどのマルチエージェントシステムは次のように動作する：

モデルAが情報を得た後、まず数百から数千のトークンを生成し、自分の結論を自然言語で表現する。モデルBはそのテキストをすべて読み込み、再び理解して独自の内部表現を構築し、推論を続ける。

しかし問題は、大規模モデルが内部で実際に計算しているものは、もともと中国語や英語ではなく、

高次元の連続的な数学的表現だということだ。

これは、二台のコンピュータが直接データを転送できるのに、コンピュータAがまずファイルを数百ページ印刷し、コンピュータBがカメラで一ページずつOCRで読み取るようなものだ。

これまで人々は印刷コストを下げる方法を研究してきたが、Mostikはプリンター自体を捨てようとしている。

彼らは異なるモデルの内部表現の間に橋を架け、モデルが自然言語を生成するのではなく、潜在表現を直接交換できるようにしようとしている。

シリコンバレーの有力メディアWIREDが公開したある実験は非常に興味深い。

MostikはフルバージョンのGLM-5.2 753Bと、わずか4Bでモバイルデバイス上で動作可能なQwen 3.5をブリッジした。

その結果得られたハイブリッドシステムの能力は二つのモデルの中間に位置するが、推論コストはフルGLM-5.2の20分の1に過ぎなかった。

もちろん、Mostikがモデル通信を解決したと言うのはまだ早すぎる。

潜在通信自体も昨日初めて登場したわけではなく、ここ数年、埋め込み、隠れ状態、KVキャッシュなどの内部表現を交換する研究は数多く行われてきた。

本当に難しいのは、異なるモデルのアーキテクチャ、パラメータ、トレーニングデータ、内部座標系がすべて異なるため、二つのモデルが互いの潜在空間を本当に理解できるようにすること自体が非常に困難な問題だということだ。

Smirnov自身も、異なるモデル間の共通表現を記述する成熟した数学的言語がまだ欠けていることを認めている。

しかし、20分の1という数字には非常に興奮する。

なぜなら、それは全く異なる未来のAIアーキテクチャについて真剣に考え始めさせてくれるからだ。

PART.04、未来には0.xBモデルが一つあればいい

過去2年間、オンデバイスAIを議論する際、私たちはより大きなモデルをスマートフォンに詰め込む方法を研究してきた：7B、4B、3B、1Bと、蒸留、量子化、圧縮を繰り返してきた。

しかし、Mostikのこの路線が最終的に本当に機能するなら、未来のスマートフォンには「何でもできる」大規模モデルは必要ないかもしれないと私は思う。

デバイスには0.xBか数Bの小さなモデルを一つ動かすだけで十分かもしれない。

それは非常に安価で、継続的に動作し、現在どのアプリにいるか、直前に何をしていたか、デバイスの状態はどうかを理解し、大多数のシンプルで高頻度なタスクを処理する。

本当に難しい問題に直面したときだけ、潜在空間を通じてリモートの大規模モデルを呼び出す。

しかし、重要な違いは、今日のように10万トークンのコンテキストをすべてクラウドに再送信して、リモートモデルに最初から読み直させる必要がないことだ。

高度に圧縮された潜在状態の一部を送信するだけで済むかもしれない。

リモートの大規模モデルが複雑な推論を完了した後も、必ずしも数千トークンの自然言語の説明をローカルモデルに生成する必要はなく、新しい内部表現を直接返せばよい。

こうすることで、ローカルの小規模モデルが高頻度・低コスト・継続的な動作を担当し、クラウドのフロンティアモデルは低頻度だが本当に難しい推論のみを担当し、その間を何らかのブリッジで効率的に通信する。

将来これが本当に実現すれば、推論コストの低下幅は今日のモデルAPIの30%や50%の値下げどころではないかもしれない。

それはAI計算の組織方法そのものを変える可能性がある。

PART.05、結び

だから昨夜を振り返ると、表面的には全く異なる三つのニュースだった。

GoogleはGemini 3.8 Flashを発表し、フロンティアレベルの能力をFlashの価格帯に押し込んだ。

MetaはMuse Spark 1.3を発表し、エージェントがより少ないトークンとツール呼び出しでより多くのことを成し遂げられるようにした。

Mostikはさらに一歩進んで、モデル間のトークンの一部を最初から生成しないようにしようと試み始めた。

それらはすべて同じ変化を指し示している：

知能が驚異的なスピードで安くなっている。

そして、この値下がりはもはやAPI単価の低下だけではない。

モデルの価格が下がり、タスク完了に必要な計算量が減り、今ではモデル間の情報交換の方法さえ再設計され始めている。

このことが最終的にもたらす影響は、ベンチマークが数ポイント上がることよりもはるかに大きい。

なぜなら、多くの技術が本当に爆発するのは、「初めて使えるようになった」ときではなく、「ついに誰でも気軽に使えるほど安くなった」ときだからだ。

今日、エージェントに数十ドルかけて普通の人の小さなタスクを実行させるのは、まったく割に合わないかもしれない。

将来、数セントで済むようになれば、今は誰も考えもしないようなアプリケーションが突然成立する。

今日、数十のエージェントを一人の人間のために24時間稼働させることは不可能だが、推論コストがさらに1～2桁下がれば、それがデフォルトの状態になるかもしれない。

今はもう朝7時だ。本当は数時間前に寝るべきだった。

結局、Geminiが発表され、数時間後にMetaが追いつき、そしてMostikの20分の1の実験を見てしまった。

ベッドに横になっても頭の中でこれらのことを考え続け、スマホの中の0.xBモデル、クラウドの大規模モデル、それらがもはや自然言語で会話する必要がないかもしれないことを考えていた。

考えれば考えるほど眠れなくなり、結局起き出してこの記事を書き上げた。

Geminiの74%、Museの75.4%も、数日後には新しい数字に塗り替えられるだろう。

しかし、今はこの興奮をなかなか抑えられない。

なぜなら、誰がまた世界一を取ったかよりも、別の問いがますます気になっているからだ：

これほど賢いAIは、最終的にどこまで安くなれるのか？

強力な知能が本当に気軽に呼び出せるほど安くなれば、今日はまだ非常にクレイジーに見える多くのAI製品が、ようやく始まったばかりなのだと思う。