今週を貫いた二つの流れ
AIのニュースは毎週あふれますが、その多くは互いに無関係な発表の羅列です。ところが2026年8月11日から15日までの五日間は、めずらしく一本の筋として読めます。オープンウェイト陣営が性能の敷居を越え、同じ週に閉じた事業者が利用者の活動を記録する機能をオンにしました。
この二つは反対方向に見えて、同じ場所を指しています。これまでローカルモデルを使わなかった理由は性能が足りないことでした。その理由が今週かなりの部分で消えました。そして他社のサーバーを使い続けたときに何が残るのかも、同じ週に具体的に見えました。
まずオープンウェイトという言葉から解きます。モデルを作った会社が学習の終わった重みファイルを公開し、誰でもダウンロードして自分のPCやサーバーで動かせるようにしたものを指します。APIを呼んで使うのとは違います。APIは会社のサーバーで動き呼ぶたびに料金がかかりますが、オープンウェイトは一度落とせば電気代のほかにかからず、入力した内容が外に出ません。
以下はその五日間に実際に起きたことを項目ごとに整理したものです。各項目の数値と日付は、会社の公式発表と論文の原文で確認した値です。
Qwen3.8-27B — ノートPCのGPUに載る27BがOpus 4.6を上回った
アリババのQwenチームが8月14日にQwen3.8-27Bを公開しました。パラメータは27.8BでライセンスはApache 2.0です。Apache 2.0は商用利用・改変・再配布を広く認める開放型ライセンスです。テキストだけでなく画像と動画も一緒に受け取るビジョン言語モデルで、一度に扱える文脈は262,144トークンです。
数字より大事なのは比較対象です。Claude Opus 4.6と重なる19のテストのうち15でQwen3.8-27Bが上回りました。上回った項目はSWE-bench Pro、LiveCodeBench v6、OSWorld、AndroidWorldのように、実際にコードを直し画面を操作して仕事を終わらせる課題です。逆にGPQAのような純粋な知識テストやHLEのような言語理解テストでは劣ります。
この対比はそのまま読むべきです。このモデルがより多く知っているわけではありません。与えられた仕事を最後まで引っ張る力が上がったのです。コーディングエージェントや自動化パイプラインに使うなら、そちらのほうが重要な能力です。
動かすのに要るのは高性能な民生用GPU一枚です。4ビット量子化という手法を使うと重みを圧縮してメモリ使用量を大きく下げられ、その状態で一枚のグラフィックカードに載ります。量子化は精度を落としてファイルを小さくするので品質はわずかに下がりますが、実務のほとんどでは違いを感じにくい水準です。
始めるにはOllamaかLM Studioのようなプログラムを入れ、モデル名で検索して落とすのが一番簡単です。どちらもインストール後に数クリックでチャット画面が開き、その状態でOpenAI互換のAPIサーバーも一緒に立つので、既存コードの宛先だけ替えてつなげます。
DeepSeekが開けたのはモデルではなくハーネスだ
8月13日、DeepSeekがV4-Proの更新版を出すのに合わせて、DeepSeek HarnessをMITライセンスの開発者プレビューとして公開しました。今週のオープンソースの知らせの中で、これが最も性格の違う発表です。
ハーネスという言葉は耳慣れないかもしれません。モデル自体は文章を続けて書く機械にすぎず、それで実際に仕事をさせるには、道具をつなぎ、ファイルを読ませ、コマンドを実行させ、会話の文脈を管理する層が要ります。その層がハーネスです。Claude CodeはClaudeに付くハーネスで、CodexはGPTに付くハーネスです。同じモデルでもハーネスが良ければ結果は大きく変わります。
これまで中国勢はモデルの重みは開けても、ハーネスは各自で用意せよという立場でした。今回はその層まで開き、設計の前提が変わっています。エージェントランタイムの事実上すべての部品がプラグインとして差し替えられます。ツール、セッションログ、エージェントループ、サブエージェント、サンドボックス、ファイルシステム、オーケストレーションのすべてが交換可能な部品です。エージェントがハーネス自体のプラグインを作り、直すこともできます。
V4-Pro本体は1.6兆パラメータのMoE構成で、活性パラメータは49B、文脈は100万トークンです。MoEは専門家混合の意で、毎回すべてのパラメータを使わず入力に合う一部だけを起こして使う方式です。そのため総パラメータは大きくても実際の計算量は活性パラメータ基準になります。重みはMITです。
ただしこのモデルは個人のPCで動かす大きさではありません。1.6兆パラメータはデータセンター級の設備を要します。個人が今回の発表から実際に得るのはモデルではなくハーネスのほうです。コードはGitHubにありMITなので、分解して直して使うのに制約がありません。
MiniMax Music 3.0 — 音楽生成がサブスクから降りてきた
MiniMaxが8月13日にMusic 3.0をオープンウェイトで公開しました。コンセプトを書いて歌詞を入れると、最長5分の完成曲が出てきます。歌詞は入れなくても構いません。
この領域はこれまでSunoに代表されるサブスク型のサービスが占めていました。モデルは会社のサーバーの中にあり、利用者は月額を払って決まった回数だけ生成しました。重みが公開されるとその構造が消えます。サブスク料金もなく、生成回数の制限もなく、ダウンロードの制限もありません。
実行はComfyUIでそのままできます。ComfyUIは画像・動画・音声の生成モデルをノードをつないで動かす無料のプログラムです。公式ドキュメントにMusic 3のチュートリアルが上がっており、Hugging Faceにはすでにコミュニティ製のファインチューン版とGGUF量子化版が並んでいます。
今回の発表で目を留めるべきはライセンスです。MiniMax-Music3コミュニティライセンスで、作った音楽を商業的に使い収益化することが許されています。条件は生成元としてMiniMax Music 3を表示することです。このモデルで作ったコンテンツから年2千万ドルを超えて稼ぐ企業だけが別途契約を要します。同じ会社の動画モデルに付いていた韓国除外の条項も、今回はありません。
著作権はライセンスとは別の問題です。特定の歌手の声や既存曲をそのまま再現する方向に使えば、その責任は利用者にあります。ライセンスが許すことと法的に安全であることは同じではありません。
フロンティアも動いた — Grok 4.6とGemini 3.7 Flash
xAIが8月12日にGrok 4.6を出しました。基盤モデルを作り直したのではなく、4.5と同じ約1.5兆パラメータの上に追加学習、教師ありファインチューニング軌跡の再生成、エージェント環境での強化学習を重ねた後処理のアップグレードです。その学習データのかなりの部分がxAIの買収したCursorから来ています。
成績は分かれます。Artificial Analysisの総合指数は61でGPT-5.6 Sol Maxと同点、Fable 5 Maxの62に1点差の3位です。一方、実務課題を測るGDPval-AA v2では1753 Eloで1位、AA-BriefcaseとHarvey LABでも先行します。コーディングのDeepSWE v1.1は65.9%で、GPT-5.6 Sol Maxの73%、Fable 5 Maxの70%に劣ります。一行でまとめると、総合の最上位ではないが実務型の課題に強い、です。
価格は100万トークンあたり入力2ドル、出力6ドルで据え置きです。GPT-5.6 Solの5ドルと30ドルに比べると、出力側が特に低い水準です。
グーグルは8月にGemini 3.7 Flashを出しました。3.6 Flashから3週間です。狙いは三つで、コードの作成と修正、エージェントのワークフロー、そして法律・医療・金融のように正確さが要る領域です。
今回の発表で実際に電卓を叩かせるのは価格です。2026年12月31日まで100万トークンあたり入力0.75ドル、出力3.75ドルです。2027年1月1日にそれぞれ1.50ドルと7.50ドルに戻ります。つまり今から四か月半だけが半額です。エージェントは一つの作業で数十万トークンを焼く側なので、この差はそのまま月々の請求書に残ります。
事業者が記録をオンにした — Computer Historyとテキスト透かし
OpenAIが8月13日にComputer Historyを開きました。macOSデスクトップアプリの機能で、Pro・Business・Enterpriseの利用者が対象です。欧州経済領域とスイス、英国は数週間後に開きます。
ここは事実関係を正確に押さえる必要があります。画面録画ではありません。macOSのアクセシビリティAPIを通じてクリック、タイピング、キーボードショートカット、アプリの切り替えといった操作を受け取り、定期的にテキスト要約に変えて日付と時刻のタイムラインに整理します。スクリーンショットは撮らず、マイクや音声も使いません。画面を録り続けOCRで読んでいた以前の実験機能Chronicleを、この方式が置き換えました。
既定値はオフです。Proの利用者は自分でオンにし、企業ワークスペースでは管理者がまず権限を与えたうえで、構成員が各自で同意します。含めるアプリとサイトを選び、追跡を一時停止し、個別の項目を消し、機能自体を切ることができます。
使いどころははっきりしています。昨日何をしたかをモデルが知っていれば業務日誌が自動でたまり、繰り返す作業をモデルが先に気づいて自動化を提案できます。反対側も同じくらいはっきりしています。同じ記録は組織では勤務監視の材料になります。既定値がオフで個人の同意が要るという設計は、その懸念を意識したものです。
Anthropicは8月14日にテキスト透かしを正式化しました。EU AI法への対応で、7月に署名したEUのAI生成コンテンツ透明性行動規範には190ほどの署名者が並んでいます。
原理が直感的でないため誤解が多く出ています。特殊文字をひそかに入れる方式ではありません。モデルが文章を作るときは次に来る語を確率で選びますが、そのうちどちらを選んでも意味が変わらない些細な選択が、一つの文章に数えきれないほど繰り返されます。その選択のパターンを片側にわずかに傾けておきます。読む人には気づけず、鍵を持つ側だけが検出します。コピーして別の場所に貼っても印は付いていきます。
反発は大きなものでした。自分で書いた文章の校正だけをさせたのにAI生成物として表示されるという抗議と、コードに署名が入ると品質が落ちるという懸念が主でした。Anthropicは内部試験で内容・創造性・可読性のいずれにも影響がなかったとし、発表後に解約が増えてもいないと述べました。一方で透かしを消すオープンソースの道具もすぐに現れました。語の並びを少しずつ変えればパターンが崩れるからです。
会話はすでに証拠だ — FBIへの通報と推論の流出
米国フロリダで25歳の男性が、元交際相手を害する計画を3月から4月にかけて繰り返しChatGPTに入力していました。銃器の購入や具体的な実行のシナリオまで書いていました。OpenAIが5月にこれをFBIに渡し、男性は逮捕されました。8月13日に三件すべてで有罪を認め、判決が留保されたまま保護観察8年と最初の2年間の電子足輪を科されました。
止めたこと自体は正しい判断です。残る問いは手続きのほうです。まだ起きていないことについて、事業者が会話を分類して捜査機関に渡す経路が常時回っているという意味になるからです。どこまでが脅迫でどこからが冗談か、その判定を誰がどんな基準で行うのかは外からは見えません。
同じ週に、別の側でも会話が漏れる経路が確認されました。arXivに載った論文Stealing Reasoning Traces from Proprietary LLM APIsは、主要な事業者が隠している中間の推論過程を外から復元できることを示しました。
構造が問題でした。推論過程をサーバーだけに置くとその分サーバーが重くなるため、事業者はそれを暗号化した塊としてクライアントに下ろし、次の要求のときにそのまま返させていました。ところがこの暗号文が、同じ事業者の中ではセッションも利用者もモデルも問わず互換だったのです。研究陣は強いモデルから受け取った暗号化推論を、同じ事業者の弱く防御の浅いモデルに入れて、そのまま復号して吐かせました。
公開リポジトリから集めた推論ブロック315,320個を解くと、個人情報367件と資格情報182件が出てきました。最終的な回答は安全に拒否した要求なのに、推論の中には危険な内容が残っていた例も明らかになりました。事業者に報告して以降は同じ攻撃が通らないと論文は述べています。
二つの出来事を並べると方向が見えます。他社のサーバーに上げたものは、自分が消したと思ったあとでもどこかに形を残します。機微な作業をローカルモデルに降ろす選択に、性能とコスト以外の理由が一つ増えました。
ベンチマークの外の成果 — リーマン予想の下界
Anthropicがまだ公開していない研究版のClaudeに、リーマン予想を解いてみるよう指示しました。解けはしませんでした。代わりに隣にある問題を押し上げました。リーマンゼータ関数の零点のうち予想を満たす割合の下界を、41.6%から67.2%に引き上げたのです。
リーマン予想は数学の古い未解決問題です。ゼータ関数という関数の値が0になる点がすべて特定の直線の上にあるという主張ですが、まだ証明されていません。すべてを証明できないあいだ、数学者たちは少なくとも何パーセントかはその直線の上にあるという下界を少しずつ上げてきました。その値が41.6%にとどまっていて、今回67.2%になりました。
モデルがしたのは新しい理論を作ったことではなく、既存の結果を新たに編み直す方法を見つけたことです。Anthropicの社内の数学者2名が結果を検討して検証し、形式検証が可能な証明も一緒に出ました。形式検証とは、人が読んで判断する代わりに、計算機が論理の各段階を一つずつ確かめられるように書くことを指します。
Anthropic自身は、この手法がリーマン予想の証明につながるとは見ていないと述べています。それでも目を引く場所は別にあります。答えがすでに決まったベンチマークで点を上げたのではなく、まだ答えのない問題で人が立てた記録を動かした、という点です。
今週、実際にやってみること
読んで終わりでは何も残らないので、すぐ試せることを順に書きます。
第一に、ローカルモデルを一度立ち上げてみます。Ollamaを入れてQwen3.8-27Bの4ビット量子化版を落とします。GPUメモリが足りなければもっと小さいモデルから始めても構いません。目的は性能の測定ではなく、自分の機械で回る感覚を確かめることです。この段階を終えると、どの作業をローカルに降ろすかを判断する基準ができます。
第二に、いま使っているAPIの請求書を開き、どのモデルにいくら出ているかを見ます。エージェントのパイプラインがあるなら、モデルだけGemini 3.7 Flashに差し替えて12月31日まで半額で回してみます。プロモーションの終わる日付が決まっているので、実験期間も自動的に決まります。
第三に、チームでChatGPTのデスクトップアプリを使っているなら、Computer Historyをオンにするかどうかを今決めます。既定値がオフなので何もしなければ入りませんが、企業ワークスペースなら管理者のポリシーから決めておくほうがよいです。あとから個人が一つずつオンにしたのを整理するより安く済みます。
第四に、機微な内容をどの窓に入れているかを一度点検します。顧客情報、契約条件、資格情報の入った会話がどのサービスに残っているかを一覧にすると、ローカルに降ろすべき作業が自然と絞られます。