Kimi K3、Qwen 3.8、そしてAnthropicの(潜在的な)解体
Kimi K3, Qwen 3.8, and Anthropic's (Potential) Unravelling (emergingtrajectories.com)
要約
Moonshot LabsのKimi K3とAlibabaのQwen 3.8という、最新の基盤モデル(Foundation Model)が発表されました。これらのオープンモデルは、Anthropicのモデルに匹敵する性能を持ち、AI市場における競争構造に変化をもたらす可能性があります。記事では、基盤モデル開発の経済性、特に推論コストの最適化とインフラ所有戦略が、Anthropicのようなモデル中心の企業にとって、製品差別化や市場での優位性を維持する上での課題となることを論じています。
全文翻訳
Kimi K3、Qwen 3.8、そしてAnthropicの(潜在的な)失速
先週、最先端(SOTA)の基盤モデルが2つローンチされました。Moonshot LabsのKimi K3[\1]とAlibabaのQwen 3.8[\2]です。どちらもAnthropicのFable 5に匹敵する性能を持つとされており、今後数週間でモデルの重みが公開される予定です。
Kimi K3とQwen 3.8は、トップティアのモデル開発者にとって戦略的な課題を提示しており、今後の競争において彼らが何をすべきかを示唆しています。これらのモデルは、オープンモデルでもSOTAのフロンティアに到達可能であることを証明しており、これは特にAnthropicにとって大きな脅威となります。Anthropicは将来的に製品差別化で苦戦するリスクを抱えています。
ここでは、基盤モデルの経済性と、Kimi K3およびQwen 3.8を考慮した上での戦略的影響について探ります。
フロンティアラボ(およびベンダー)の経済性
基盤モデルの構築には莫大なコストがかかります。研究者(人件費)、コンピューティング(チップとデータセンター)、そしてコンピューティングを稼働させるための電力が必要です。
モデルが構築された後、最大のコストは推論(inference)です。これは、ユーザーが実際にモデルを使用できるようにすることです。人件費、コンピューティング、電力は引き続き必要ですが、限界費用の大部分はコンピューティングと電力に限定されます。モデルは更新されないため、モデルのトレーニング時と比較して人件費は比較的低くなります。言い換えれば、推論ビジネスを運営するには、電力とデータセンターのコンピューティングという2つのコストを最適化する必要があります。バリューチェーンの所有範囲が広いほど、変動費は固定費になります。
では、どのような選択肢があるでしょうか?第一に、データセンターを借りて電力料金を支払う方法です。これはAnthropic、Knowledge Atlas(GLM 5.2の開発元)、そしてMoonshot Labs(Kimi K3の開発元)が行っていることです。彼らは自社のデータセンターや発電所を所有していません。もう一つの選択肢は、自社のデータセンターを構築し、電力供給業者から電力を購入することです。これはMetaとAlibabaのアプローチです。最後に、SpaceXのように、自社の発電機を構築し、データセンターを所有することも可能です。
戦略はコストベース、ひいては利益率に影響を与えます。最初のケースでは、顧客の推論にマージンを上乗せすることで収益を得ます。残念ながら、これはコストが収益と共に増加することを意味し、使用量が増えても利益率は成長しません。逆に、発電所やデータセンターを所有している場合、推論コストの多くが固定費となり、より多くの顧客が製品を頻繁に使用するにつれて利益率を伸ばすことができます。
利益率、バリューチェーン、および戦略的影響
フロンティアラボのアプローチは、利益率に大きな影響を与え、長期的な成果を左右します。
インフラストラクチャスタックの所有範囲が広いほど、そのインフラストラクチャからより多くのお金を稼ぐことができます。最高のモデルを目指すことはできますが、必ずしもそれが重要とは限りません。オープンソースモデル(特に最高のパフォーマンスを発揮するモデル!)をホストすることもできますし、ハードウェアをリースすることもできます。まさにこれが、MetaがAnthropicにサーバー容量をリースしている可能性[\3]があり、SpaceXも同様に行っている(ペンタゴンにもリースしている[\5])理由です。
データセンターや発電設備を所有していない場合、成功のために重要なのはモデルの需要だけです。モデルは単に優れているだけでなく、最高であるか、安価で「十分」である必要があります。これは、推論コストでの終わりのない競争、あるいは最高のモデルプロバイダーになるための終わりのない競争を意味します。
これは大きなリスクとなります。Anthropic、OpenAI、DeepSeek、Moonshot Labs、そしてKnowledge Atlas(GLM 5.2の開発元)は、常に競争し、リードを維持することを願う必要があります。そうでなければ、超競争の激しい基盤モデル市場で確実に淘汰されるリスクがあります。
モデル中心の企業の場合、勝利する方法は、(1)競合他社を置き去りにするのに十分なコンピューティング能力で再帰的自己改善を達成する最初の企業になること、(2)規制を通じて市場を閉鎖すること、または(3)コピーできないほどユニークまたは定着した製品を構築することです。
Anthropicのユニークで不安定な立場
Anthropicは、規制戦略と再帰的自己改善に最も重点を置いているフロンティアラボです。倫理への注力は、自己検閲的なFableやMythosに見られるように(米国政府によってさらにリリースが阻止される前)、この規制戦略と結びついています。
[画像: Figure 1: Model cost per completed task]
図1:完了タスクあたりのモデルコスト
Anthropicはモデル性能でリードを維持していますが、OpenAIやオープンモデルと比較してモデルは非常に高価です。[図1]に示すように、Fable 5は完了タスクあたり約3倍高価です。ユーザーがより良いモデルのためにそれほど多くを支払う意思があるかどうかは、まだわかりません。一部の研究者や創業者は、競争[\7]による価格競争、または価格を考慮しないAIベンチマークが飽和し、あまり役に立たなくなっている[\8]ために価格競争が起こると予想しています。
AnthropicはClaude CodeやCoworkのような製品に投資していますが、ハーネス(harnesses)への注力はリスクです。OpenCode、OpenClaw、Hermes、その他多数のハーネス・スタートアップがこの分野で革新を進めています。基盤モデルの構築には非常に高い参入障壁がありますが、独自のAIハーネスをローンチするのにほとんど障壁はありません。
ここでOpenAIはAnthropicに対して優位性を持っています。最近数ヶ月でモデル性能はAnthropicに後れを取っていますが、製品、消費者体験、サイト公開、音声、ハードウェアへの投資はすべて、より明確な堀(moat)を持つ方向性です。同社はデータセンター所有や発電への投資にもより前向きです。これがOpenAIの集中力を低下させると主張する人もいますが、長期的にはOpenAIをより強靭にするでしょう。OpenAIは、ネットワーク効果と堀を持つ製品を構築しようとし、長期的な利益率を最適化するための柔軟性とリスク許容度を持っています。
Anthropicは、大規模なアンバンドリング(unbundling)リスクに直面しています。そのモデルはベンチマークであり、製品はクローズドソースおよびオープンソースの競合他社によってますます挑戦されており、その経済モデルは不利な立場に置かれています。規制介入や実際のAGI(汎用人工知能)の発明がない限り、Anthropicは#1の基盤モデルベンダーとしての地位を維持するために苦労する可能性が高いです。
Kimi K3とQwen 3.8の影響
Kimi K3は7月16日[\9]にリリースされました。Qwen 3.8は7月19日[\10]に発表されました。もう一つのトップティアのオープンモデルであるGLM 5.2は6月中旬[\11]にリリースされました。
これは2025年の「DeepSeekモーメント」よりもはるかに大きな出来事です。なぜなら、AnthropicやOpenAIのような潤沢な資金を持つモデルベンダー、ましてやMetaやSpaceX(Grok)に、複数のラボが競争し、追いつくことができることを示しているからです。これは、特にコストを考慮に入れた場合、持続的な競争、追いつき、そしていつか凌駕する可能性さえあるパターンを示しています。
さらに重要なのは、持続可能な長期ビジネスとして、モデルのみを提供するプロバイダーは特にリスクが高いということです。Knowledge Atlas、Moonshot Labs、Anthropicは、OpenAI、Alibaba、SpaceX、Meta、Googleに対する防御可能性の課題に直面しています。