オープンモデルの進化スピードが、もはや誰も無視できない臨界点に達しようとしている。
先んじてリリースされたMoonshot AIのKimi K3は、OpenAIやAnthropicが支配的だったフロンティア領域に強烈な楔を打ち込んだ。さらに、中国の習近平国家主席がオープンソースを戦略的不可欠要素として公の場で言及し、AlibabaのQwen陣営も次期フラッグシップをopen-weight modelsとしてリリースする方針を示唆するなど、AI開発を取り巻く地政学的な潮目は完全に変わったと言っていい。
Nathan LambertとFlorian Brandがpodcast「Interconnects AI」で交わした直近の議論は、この急速に変化する情勢を的確に捉え、米国AI業界が抱えるいくつかの無邪気な思い込みを木っ端微塵に打ち砕いている。エコシステムの構造的変化、中国AIラボの異常なまでのCapital Efficiency（資本効率）、そしてDistillation（蒸留）を巡る言説の誤りについて、当ブログならではの視点で分析していくこととする。
圧倒的なCapital Efficiencyと「Focus」の勝利
新しいモデルがリリースされるたびに、それが「closed frontierから何ヶ月遅れているか」を測ろうとするのがAI業界の悪しき習性である。各社が自社に都合の良いbenchmarkを引っ張り出し、我田引水な主張を繰り返す様は見ていて清々しいほどだが、ことagentic tasksやcodingの領域においては、その「Open-Closed Gap」は事実上消滅しつつある。実際、Kimi K3のAPIに触れてみれば、その推論の素直さとコードの可読性の高さに驚かされるはずだ。当然、巨大なモデルゆえのインフラ的制約（VRAMの消費量や、APIのwall clock timeの遅さ）はあるものの、適切なpost-trainingさえ施せば、特定の高価値タスクにおいてClaude Fable 5やGPT-5.6-Solに肉薄、あるいは凌駕する可能性を十分に秘めている。
では、なぜMoonshot AI (Kimi)やZhipu AI (GLM)、Qwen、DeepSeekといった中国AIラボは、これほどまでに短期間で高度なモデルを叩き出せるのか。米国がベンチャーキャピタルの資金力と世界トップクラスのcompute（計算資源）を掌握しているという大前提があるにもかかわらず、である。
その最大の理由は、彼らの恐るべき「Capital Efficiency」にあるとNathanは考える。中国のAIラボは、投下した資本をcompute、data、talentへと変換する効率が極めて高い。Lambertらの指摘によれば、中国の開発現場は20代中盤の優秀な若手エンジニア数百人が、ただ一つのモデルを改善することだけに血道を上げているという。米国企業が往々にして陥りがちな「サイドクエスト（本筋から逸れた副次的な研究や製品開発）」にリソースを割くことなく、ただひたすらにモデルの性能向上にフォーカスしているのだ。
加えて、米国の輸出規制というハンディキャップを背負いながらも、HuaweiのAscendなどをはじめとする国内チップの稼働や、抜け道を通じたcompute accessの確保により、推論および学習インフラは確実にスケールしている。かつては「中国モデルは外部データの利用に消極的だ」と見なされていた時期もあったが、直近では大規模なdata acquisition（データ取得）に動いている兆候もあり、もはや彼らが単なるリソース不足のチャレンジャーであると考えるのは危険な思い上がりである。米国が約74%のグローバルcompute powerを握っているというマクロな数字だけで安心していると、足元をすくわれることになるだろう。
Distillationを巡る米国テック界の誤解と、Ben Thompsonへの反論
中国モデルの躍進を語る際、米国側から必ずと言っていいほど飛び出すのが「どうせOpenAIやAnthropicのAPIから推論トークンをぶっこ抜いてDistillation（蒸留）しているだけだろう」という批判的、かつ思考停止な見方だ。Nathanは、AI界隈のみならずテック業界全体で大きな影響力を持つニュースレター「Stratechery」のBen Thompsonの主張に対し、明確な反論を展開した。
Thompsonは「中国のモデルはIP盗用に近い」と警鐘を鳴らし、さらに「Reinforcement Learning (RL)のフェーズにおいて、Distillationの影響力がますます高まっている」と断言した。影響力のある彼がそう言い切ったことで、この言説が既成事実化しつつあるのは非常に厄介である。
結論から言えば、技術的な観点において彼の主張は決定的に的外れである。
確かに、Supervised Fine-Tuning (SFT)の段階において、ClaudeやGPTの優れた推論軌跡（reasoning traces）やツール呼び出しのログを教師データとして利用することは有効だ。モデルに「振る舞い」や「思考の型」を教え込むSFTのフェーズでは、先端モデルからのDistillationは強力なブースターとなる。
しかし、現代のLarge Language Model (LLM)が真の推論能力を獲得するコア部分は、その後の大規模なRL（強化学習）フェーズにある。数千万回に及ぶagenticなrolloutを繰り返し、モデル自身に試行錯誤させるRLの過程において、GPT-4oクラスの重厚長大なモデルを「ジャッジ（評価者）」としてAPI経由で呼び出し続けることなど、コスト的にも時間的にも到底不可能である。RLの実行には、計算リソースの真横で超高速に動作する軽量かつ精度の高い評価モデルが必要不可欠なのだ。
つまり、中国のモデルがフロンティアに到達しつつあるのは、単に他社のAPIをDistillationしているからではない。彼ら自身が自前で強力なRLのパイプラインを構築し、複雑な環境下での強化学習を泥臭く回しているからに他ならない。「Distillationをしているから強い」と片付けるのは、技術的現実から目を背ける自己慰撫でしかないのだ。
さらに皮肉なことに、こうした「中国モデル＝危険な盗用品」という政治的なレッテル貼りは、米国自身の首を絞める結果になりかねない。サイバーセキュリティの領域において、Hugging Faceが攻撃を受けた際、米国製の先端closed modelsは「安全のためのガードレール」が邪魔をして自社システムの防御分析すらまともにできず、結果的にガードレールの緩いGLM-5.2などのオープンモデルに頼らざるを得なかったという笑えない事例がある。米国が法規制やシャドウバンによって米国企業による強力なオープンモデルの利用を禁じれば、世界の攻撃者が最新のopen-weight modelsを駆使してサイバー攻撃を仕掛けてくるのに対し、米国の防衛側は意図的に能力を制限されたモデルで戦うことを強いられる。これぞまさにイノベーターのジレンマならぬ、レギュレーターのジレンマである。
米国エコシステムの憂鬱と、今後の勢力図
もちろん、米国のオープンモデルエコシステムが完全に沈黙しているわけではない。Thinking Machines、Arcee、Poolside、Reflectionといった新興のプレイヤーたちは、それぞれ独自の戦略でモデル開発を進めている。特にThinking Machinesが示唆するような「fine-tunability（微調整のしやすさ）」に特化したモデル開発は、実業務への応用を考える開発者にとって非常に理にかなったアプローチである。
また、GoogleのGemmaモデルが、AlibabaのQwen小型モデルのシェアを猛追している点も見逃せない。研究者やデベロッパーの多くが、パラメータ数の巨大なモンスターモデルよりも、手元で手軽に動かせてカスタマイズ性の高いスモールモデル（ドメイン特化型）を渇望していることの現れである。
しかし、米国のスタートアップには常に「投資家を納得させるためのFrontierモデルを出さねばならない」という重圧がのしかかっている。基礎的なRL基盤の構築やデータエンジンの最適化といった地味な作業をすっ飛ばして、ベンチマーク上の数字だけを追い求めても、本当に現場で「使える」モデルにはならない。このギャップに苦しんでいるのが、いまの米国新興AI企業の実態である。
今後の予測を立てるならば、年末に向けてモデルサイズの拡大は続くものの、数兆パラメータ規模への無秩序なインフレーションは一旦落ち着きを見せるだろう。一方で、MiniMaxやTencentといった中国の伏兵が、さらに洗練された超大規模モデルをオープンソース、あるいはそれに近い形でドロップしてくる可能性は極めて高い。米国企業の中から、これら中国勢に対抗しうるトップクラスター（FrontierおよびClose Competitors）に食い込むプレイヤーが現れるかどうかが、向こう半年の最大の見どころとなる。
かつて我々は「AI開発は膨大な資本と世界最高峰の頭脳を持つ一部の巨大テック企業にしか許されないゲームである」と信じて疑わなかった。しかし、Kimi K3をはじめとするオープンモデルの躍進は、その神話が崩壊しつつあることを告げている。真に恐れるべきは、敵の技術を盗用だと見下すことではなく、気づいた時には自らの足元が完全に掘り崩されているという現実なのだ。是非とも米国発の革新的なopen-weight modelsがこの悲観論を打ち砕いてくれることを期待したい。