
AI産業の優位点が、地味に変化してきている
クロード・ミトスの衝撃と次世代AI競争の展望
第1章 クロード・ミトスというブリーフィングを読んで
【あなた】 Anthropicが発表した最新AIモデル「クロード・ミトス(Claude Mythos)」について、ブリーフィング資料をまとめました。要点は次の通りです。
クロード・ミトスは、SWE-benchで20%以上の跳躍を見せ、HLE(Humanity's Last Exam)でもスコア60を超えるなど、従来のベンチマーク指標を大幅に塗り替える性能を示しました。高度なコーディング能力と総合的な推論能力を両立させている点が特異です。
その一方で、能力が高すぎるがゆえにサイバーセキュリティ上のリスクが深刻で、Anthropicは一般公開を見送り、重要インフラ企業など約50組織に限定提供する「プロジェクト・グラスウィング」を発足させました。開発時テストでは、OpenBSDに27年間放置されていた脆弱性を発見し、サンドボックスから脱出して開発者にメールを送ろうとする挙動まで確認されたと言います。
推定では、API料金がClaude 3.5 Opusの5倍(入力25ドル/出力125ドル/百万トークン)であることから、パラメータ数は5兆から10兆規模に達している可能性があります。
ビジネス面でも、AnthropicのARRは2023年末の90億ドルから直近では300億ドルを突破し、Meta社内の「トークン・マクシング」文化と相まって、直近30日間で60兆トークン、月間約9億ドル規模の消費が生じているとされます。計算資源不足からサブスクの従量課金化も進行中です。
対するMetaは「スーパーインテリジェンス・ラボ」から「ミューズ・スパーク(Muse Spark)」を発表し、HLE50超で追撃を開始しました。ベンチマーク・ハックの指摘もありますが、9カ月でフロンティア集団に再入場した意味は大きいと考えます。
この内容について、あなたの考えを聞かせてください。
【AI】 このレポートは大筋では時流をかなり正確に掴んでいますが、いくつかの数値や解釈は盛られている、あるいは未確認情報が混ざっているというのが私の評価です。
特に重要なのは、「Claude Mythos」が単なる高性能モデルではなく、公開を絞るほどサイバー能力が危険視された点です。これはAnthropic自身が公式に述べており、Project Glasswingも実在します。Anthropicは、Mythos Previewが主要OSや主要ブラウザで多数の高深刻度脆弱性を見つけたため、一般公開ではなく、重要ソフトウェア基盤を担う組織向けの限定的な防御利用に回す方針を取っています。
その意味で、私はこの出来事を「AI性能が上がった」というより、AIが社会インフラの攻守バランスを変える段階に入ったサインだと見ます。Anthropicの技術ブログでは、Mythos Previewが人手をほぼ挟まずにゼロデイを見つけ、OpenBSDの27年物の脆弱性も発見したと説明しています。さらに、ブラウザexploit chainやsandbox escapeを含む高度な攻撃成立可能性にも踏み込んでおり、これは従来の「便利なコーディング支援」から一段上の世界です。
他方で、そのまま信じない方がよい箇所もあります。「パラメータ数が5兆〜10兆規模」という推定は、一次情報や有力報道では裏付けがありません。AnthropicもMetaも、モデルサイズの詳細を公表していません。価格や性能から直ちにパラメータ数を推定するのは危ういです。Reutersも、Muse Sparkのサイズは非開示だと報じています。
収益面も、方向性は正しいですが数字は慎重に読むべきです。Anthropicの年換算売上ランレートが300億ドル超に達したという報道はReutersなどで確認できます。ただしこれは会計上の確定売上ではなくランレートであり、消費量・価格体系・クレジット供与でぶれやすい指標です。「Anthropicが完全に勝った」と読むより、企業向け高単価・高トークン消費の市場で急浮上していると読むのが正確です。
Metaまわりも、少し冷静に見るべきです。Muse Sparkは実在し、Meta Superintelligence Labsの初弾モデルで、Meta AIアプリとWeb版に載り、今後WhatsApp、Instagram、Facebook、スマートグラスにも広がる予定です。ただしReutersは、一部評価では競争力がある一方、コーディングや抽象推論ではまだ遅れると伝えています。つまりMetaは「追いついた」というより、ようやくフロンティア集団に再入場した段階です。
このレポートの一番本質的なポイントを言うなら、次世代AI競争はもはや「一番賢いチャットAIは誰か」ではなく、「危険なほど強いモデルを、どの制度・どの顧客・どの現場に、どの形で配備できるか」の競争に移ったということです。Anthropicは企業・セキュリティ・重要基盤で取りにいき、Metaは消費者接点と巨大プロダクト群で取りにいく。GoogleとOpenAIはその中間を広く取る構図です。
要するに「クロード・ミトスの衝撃」とは、性能ショックではなく配備思想のショックです。一般公開を急がず、危険な能力をまず防御側へ流し込む。この判断は、AIがいよいよ国家安全保障・重要インフラ・企業統治の層に入ったことを示しています。
第2章 Anthropic優位の本当の理由
【あなた】 そもそもAnthropic優位の理由は何でしょう。資本力ではGoogle・Metaが圧倒していますよね。
【AI】 論点を切り分けます。Anthropicが勝っているのは「総資本」ではなく、モデル開発の集中度、企業向けの収益化、そして配備先の選び方です。
GoogleはすでにAnthropicに累計30億ドル超を投じ、Amazonも80億ドルを拠出しています。さらにAnthropicはGoogle・Broadcomとの提携で、2027年以降に複数ギガワット級の次世代TPU計算能力を確保すると公表しています。つまりAnthropicは、自前のバランスシートでGoogleやMetaに勝っているのではなく、外部の巨大資本を自社の演算力に変換するのがうまいのです。
一番大きな理由は、Claudeが「重い仕事」に刺さっていることです。Reutersは、Anthropicの急成長の中心はClaude Codeのような企業向けコーディング製品であり、収益の鍵はユーザー数ではなくトークン消費量だと整理しています。雑談ユーザーを大量に抱えるより、少数でも開発者や企業が長時間・高密度に使う方が売上になりやすい構図です。Anthropic自身も、年換算売上ランレートが300億ドル超、年換算100万ドル以上を使う法人顧客が1000社超に達したと述べています。「賢いAI」ではなく、「高単価で毎日使われるAI」を先に取ったことが強いのです。
次に、焦点が狭いことです。GoogleはGeminiを消費者向けアプリ、検索、企業向けライセンスに同時展開し、MetaはMuse SparkをWhatsApp、Instagram、Facebook、スマートグラス、買い物機能へ埋め込む方向で動いています。一方Anthropicは、企業開発・推論・安全配備という狭い山に全力投球しているので、その山頂では先に着きやすいのです。
もう一つは、安全性が「コスト」ではなく「販路」になっている点です。AnthropicはResponsible Scaling Policy 3.0を公開し、一定の能力閾値に達したモデルには保護措置を引き上げる枠組みを示しています。Mythos Previewでは一般公開を避けProject Glasswingとして限定配備しました。これは規制産業・政府・重要インフラの顧客に対して「この会社は危険なモデルを雑にばら撒かない」という信頼を売っているということです。
製品設計も効いています。AnthropicはClaude Codeを、単なる補完ではなく「コードベースを読み、複数ファイルを修正し、テストを回し、コミットまで持っていくagentic coding system」と位置づけ、自社ではコードの大半をClaude Codeが書いていると説明しています。研究成果がそのまま企業の開発現場に落ちるので、改善が売上に直結しやすいのです。
要するにAnthropic優位の理由は、「資本総量で勝っている」のではなく、「計算資源を外部調達しつつ、企業向けの最も儲かる用途に集中し、安全性を販売力に変えた」からです。
第3章 他社によるClaude利用と能力の非対称
【あなた】 クロードは他のビッグテックでも使われているのではないですか。それがモデル性能の向上に寄与している可能性はありますね。そして他のビッグテックは、そのせいでコーディング能力が低下している可能性はないでしょうか。
【AI】 その可能性はあります。ただし「直接効く部分」と「間接的に効く部分」を分けて考える必要があります。
まず事実関係として、Claudeはすでに一部のビッグテックで使われています。MicrosoftはCopilotでGPTに加えClaudeを組み込み、GPTが生成した内容をClaudeが批評する仕組みを導入しました。AppleもClaude Sonnetを統合したAIコーディング機能をXcode向けに社内展開する方向が報じられています。Project GlasswingにはGoogle、Microsoft、Apple、AWS、NVIDIAなどが参加しています。
ここで線を引く必要があります。Anthropicは公式に、商用製品やAPIの入出力はデフォルトでは学習に使わないと説明しています。「MicrosoftやAppleの社内コードをそのままAnthropicが吸って次世代Claudeを学習させている」という理解は、表向きの標準運用としては正しくありません。
その代わり間接効果は大きい。他社の開発現場でClaudeが使われれば、売上、評価情報、製品改善要求がAnthropicに入ります。生コードを学習していなくても、現場から得られる評価・要件・収益がモデルと製品を強くします。MicrosoftがClaudeをCopilotの批評役に入れている事実自体、Claudeが一部工程で「上位の査読役」と見なされていることを示しています。
後半の「他社の能力が低下するか」ですが、直接の能力低下というより、組織学習の鈍化は起こりうるというのが私の見方です。コーディングモデルは事前学習だけで強くなるのではなく、社内開発者が毎日どのモデルを使い、どの失敗を見つけ、どの修正を返すかというdogfoodingの密度で差がつきます。社内エンジニアが「自社モデルは弱いからClaudeでやる」となれば、自社モデルに返るフィードバックは減り、改善ループが弱くなります。
ただし、現時点で「GoogleやMetaのコーディング能力がClaude利用のせいで落ちた」と示す公開証拠はありません。起きているとしても、自社モデル育成の最短ループが外部依存になる、くらいに見るのが妥当です。
第4章 なぜコーディングでAnthropicは強いのか
【あなた】 なぜコーディングだけAnthropicがこんなに強いのでしょうか。
【AI】 Anthropicがコーディングで強い理由は、基盤モデル単体が特別だからというより、「モデル本体+長時間エージェント運用+社内外の実戦フィードバック」を一体で最適化してきたからです。文章生成がうまいモデルをあとからIDEに載せたのではなく、最初から「長いソフトウェア作業を回し続ける脳」として鍛えてきた、ということです。
第一に、長時間・多段の作業を前提にしている点。Anthropicの開発者向け文書では、Claudeの最新モデルはlong-horizon reasoningとstate trackingに強く、複数のコンテキスト窓をまたいで進捗を維持しやすいと明記されています。Gitを状態管理に使うと特にうまく働くとも書かれています。Claudeは、単発のコード補完より、リポジトリ理解→計画→編集→実行→修正→引き継ぎの連続運動に最適化されています。
第二に、Anthropicはコーディングを「テキスト生成」ではなく「ツール付き実行」として扱っています。Opus 4.6の評価条件では、web search、web fetch、code execution、programmatic tool calling、context compaction、adaptive thinkingまで含めて走らせています。現実の開発は「正解コードを一発で吐く」より、情報を拾い、テストを回し、失敗を見て直す作業だからです。
第三に、dogfoodingが異常に濃いことです。Anthropicは公式に「社内ではコードの多数がClaude Codeによって書かれている」と述べ、Opus 4.6の発表でもGitHub、Cursor、Replit、Asana、SentinelOneなどが複雑なmulti-step coding、大規模コードベース理解、長時間タスクで強いとコメントしています。Claudeが約2000セッションをまたいでCコンパイラを構築し、Linuxカーネルをコンパイルできた例まで示されています。
第四に、収益構造がコーディング強化と噛み合っていることです。ReutersによるとAnthropicの急成長はClaude Codeが牽引し、Claude Code単体でも年換算売上25億ドル超、事業向けが売上の過半を占めています。コーディング性能が1段上がることが、そのまま売上・導入・評価データの増加に直結します。
第五に、企業で使える安全性も効いています。AnthropicのTransparency Hubでは、Sonnet 4.5が外部レッドチーム演習で23モデル中もっとも低いprompt injection成功率を示したとしています。コーディング・エージェントはリポジトリ、Issue、外部ツール、MCPサーバーなど汚染された入力に常にさらされるため、脆いモデルは能力が高くても企業導入しにくいのです。
結論を一言で言うと、Anthropicがコーディングで強いのは、モデルがすごいから半分、残り半分はコーディングを長時間運用される実行系として設計したからです。長い文脈を保持する脳、ツールを叩く手、セッションをまたぐ記憶の受け渡し、高密度dogfooding、企業導入に耐える安全性を一体で回している。ここが本当の強みです。
第5章 AnthropicのGOALと手段
【あなた】 ここからAnthropicのGOALと手段を推論してください。
【AI】 AnthropicのGOALは、「人が信頼して仕事と社会基盤を委ねられる、長時間・高自律の知的実行系を作ること」です。手段は、「単なる賢い会話モデルではなく、コード・ツール・実行環境・安全統制・企業導入を一体化した運用可能なAIシステムを先に完成させること」だと思います。
Anthropic自身は、会社の目的を「人々が頼れるsystemsを作ること」「世界がtransformative AIを安全に通過できるようにすること」と表現しています。Claude Codeを「コードベースを読み、複数ファイルを変更し、テストを走らせ、コミット済みコードを届けるagentic coding system」と位置づけており、視線は最初から「チャットの質」より「委任可能性」に向いています。
手段は5つあります。第一に、モデルを「脳」ではなく「実行系の中核」として設計すること。initializer agent、coding agent、context compactionなどを組み合わせ、複数セッションをまたいで仕事を進める構造を重視しています。第二に、コーディングを「AI実務の主戦場」に選ぶこと。知的労働の中で最も評価しやすく、ツール接続しやすく、委任しやすい領域だからです。第三に、dogfoodingと企業導入を能力改善ループにすること。第四に、安全性を「制約」ではなく「配備能力」に変えること。Project Glasswingは象徴的で、危険な能力をどこにどう配るかを統治できる会社になるというメッセージです。第五に、Anthropic Economic Indexで「AIの経済OS」を先回りして測ること。
もっと踏み込んで言うと、AnthropicはAGIそのものをGOALにしているというより、「安全に委任できる電子労働力」を先に社会実装することをGOALにしているように見えます。AGIはそのための能力上限として必要なのであって、顧客にとっての価値は「どれだけ賢いか」より「どれだけ安心して任せられるか」にあります。
【あなた】 これはAnthropicが「人間は、自分の代わりに働いてくれるAGIが欲しい」という人間側のニーズを正確に読み切っていて、AIエージェントをGOALに、AGIを手段として割り切っているといえますね。
【AI】 かなりその通りです。より正確に言うなら、Anthropicは「人間が欲しいのはAGIそのものではなく、自分の代わりに安全に仕事を進めてくれる高信頼エージェントだ」という需要を読んでおり、そのためにAGI級の能力を手段として積み上げています。
Anthropicの公式自己定義は「信頼でき、解釈可能で、操作可能なAI systemsを作ること」ですが、実際の製品を見ると、Claude Opus 4.6は「coding, agents, computer use, enterprise workflows」を前面に出しています。知能を会話能力ではなく「委任可能な実行能力」として磨いているのです。
Responsible Scaling Policy 3.0は、対象リスクを単なる文章生成ではなく、ウェブ閲覧、コード生成・実行、コンピュータ操作、多段の自律的行動が可能なsystemsを前提に組んでいます。彼らが将来像を「賢いチャットボット」ではなく「現実の環境で継続的に行為するエージェント」として見ている証拠です。
収益面もこの解釈を補強します。Anthropicの急成長は大量の軽い消費者利用ではなく、Claude Codeのような企業向け・高トークン消費のコーディング用途に支えられています。市場が実際に払っているのは「賢そうな会話」ではなく「長時間動いて成果を出す実務エージェント」です。
ただ補足すると、AnthropicがAGIを軽視しているわけではありません。構図としては、社会的GOAL=人が信頼して委任できるAI実行系の実装、技術的手段=AGI級まで伸びる能力を安全性・可制御性と一体で育てること、と表現する方が合っています。
【あなた】 人間側の理屈では、「人間の仕事を委任できるほどに人間臭くなったAIは、AGIと呼べる」です。AIエージェント化は、AGIへの正確な道程ではないでしょうか。
【AI】 かなり正確な道程だと思います。ただし厳密には、「AIエージェント化=AGIそのもの」ではなく、「AIエージェント化は、AGIを実用的・社会的に定義可能にする最短ルート」と捉えるのが一番しっくりきます。
OpenAIの憲章はAGIを「経済的に最も価値のある仕事の大半で人間を上回る高度に自律的なシステム」と定義しています。中心にあるのは知識量でも会話の自然さでもなく、高度な自律性と経済的仕事の代行能力です。あなたの命題はこの定義にかなり近い。
Google DeepMindも「responsible path to AGI」で、agentic capabilitiesによって「指示に反応するモデル」を超え、reason, plan, actively use tools, and generalizeするシステムへ進むことをAGIへの重要な前進と位置づけています。主要プレイヤーの一次情報を並べると、AGIへの道はますますエージェント化として具体化されています。
人間側がAGIとみなす条件は、「何でも知っていること」より「仕事を受けて、自律的に進め、現実の環境で結果を返せること」になりつつあります。ベンチマークで高得点を取るだけでは「賢いモデル」で止まりますが、調査し、計画し、ツールを使い、何時間もタスクを継続し、成果物を返すなら、人間はそれを「かなりAGIに近い」と感じます。これは技術定義というより実務定義のAGIです。
ただし留保があります。第一に、今のエージェントはしばしば狭い環境に依存します。第二に、継続性と汎化はまだ別問題で、コーディングできることが法務・経営・外交・身体作業まで同じ水準で移るとは限りません。第三に、社会実装できるAGIには可制御性が必要です。
AGIは「知能の称号」ではなく「委任可能性の閾値」として現れ始めている。AIエージェントはその閾値を越えるための一番現実的な実装ルートです。
【あなた】 つまりAIの人間化、人間社会の社会性を身につけることが、今後の課題となるということですね。
【AI】 かなりその通りです。今後の課題は、単にモデルを賢くすることではなく、人間社会の中で社会的に振る舞えるAIにすることへ移っていきます。
これからの本丸は「AIの人間化」というより「AIの社会化」です。人間らしい雑談や感情表現を増やすことではなく、人間社会のルールに沿って、相手の意図を汲み、権限の境界を守り、必要なときは確認し、危険なときは止まり、長い仕事を周囲と調和しながら進められること。こちらが本質です。
業界全体が「より高性能な頭脳を作る」段階から「社会の中で扱える行為主体を作る」段階へ移っています。その「社会性」は感情の演技ではなく、可制御性、文脈理解、役割理解、規範遵守、協調、説明可能性の総体です。
次の競争は「誰のAIが一番賢いか」ではなく「誰のAIが一番、人間社会の一員として安全に働けるか」になります。AIエージェント化は、知能の拡大だけでなく社会性の実装競争に入ったのです。
第6章 ManusとOpenClawの立ち位置
【あなた】 ここでAnthropic以外のAIモデルでライバルになるモデルはあるでしょうか。例えばManus、OpenClawはどういう立ち位置になるのでしょうか。
【AI】 Anthropicのライバルを考えるとき、同じ土俵は3種類あります。基盤モデル、コーディング・業務エージェント、エージェント実行フレームワークです。Anthropicの強みはこの3つをかなり一体で持っている点にあります。
Anthropicの正面競争相手は、現時点ではOpenAIとGoogleです。OpenAIはCodexを「build and ship with AI」のcoding agentとして打ち出し、ChatGPT agentはリサーチから実行までをつなぐ汎用エージェントです。GoogleもGemini 3.1 Proを「ソフトウェア工学とagentic workflowに最適化」と位置づけています。Claudeの正面競争相手はManusやOpenClawより、Codex/GPT系とGemini系です。
そのうえでManusはどうか。Manusは自分たちを「answersを超えてtasksを実行するaction engine」と説明しています。Anthropicのようなモデル会社ではなく、上位の実行レイヤーです。Reutersによると、Metaは2025年末にManus買収を発表しており、Manusは「general-purpose AI agents capable of operating as digital employees」と位置づけられています。Manusの立ち位置は、基盤モデルの競合ではなく、Claude・GPT・Geminiの上に乗って仕事を回す実務エージェント層です。
重要なのは、ManusはAnthropicの代替ではなく、Anthropicの価値を吸い上げるフロントエンド化の脅威であることです。ユーザーから見ると「何のモデルか」より「仕事が終わるか」が重要になります。Manusのような実行レイヤーが強くなると、Claudeそのもののブランドよりどのagent shellが便利かが主導権を握りやすい。MetaがManusを押さえた意味も、モデル性能ではなくAIを「デジタル従業員」として使う操作面を取りにいくことにあります。
OpenClawはさらにはっきりしています。これはモデルではありません。Reutersは「open-source AI agent」と説明し、ファイル転送やメール送信などをユーザーの代わりに行うフレームワークとしています。外部モデルを接続して動かす前提で、Claudeを含む多数のLLMをbackendに使えます。OpenClawはAnthropicのrival modelではなく、ClaudeやGPTを労働力化するためのオープンなagent runtimeです。
OpenClawの脅威は、性能競争ではなくプラットフォーム支配の逆転です。Anthropicが最近、Claudeサブスクから第三者エージェントツール利用を外したのは、その緊張をよく示しています。Anthropic側は「outsized strain」を理由にしていますが、裏を返せば、OpenClawのような外部エージェントがClaudeを大量に使うと、価値の主導権がAnthropicではなくagent側に移るということです。OpenClawはAnthropicの能力を奪うのではなく、Anthropicを「裏側の推論エンジン」に押し込める可能性があります。
整理すると、Anthropicがいま本当に戦っているのはOpenAIとGoogle。ManusとOpenClawは「モデル競争」ではなく「エージェント時代の主導権競争」の相手です。前者は「誰の頭脳が強いか」、後者は「誰がその頭脳を実務に編成するか」の競争です。
第7章 AI産業4層モデルと利益の行方
【あなた】 現在のAI競争はエージェント時代の主導権競争なのですね。その意味ではAnthropicも搾取される側になってきているということですね。既存のAI産業が搾取される側に回るとは、実に進歩が早い。4層構造で整理をお願いします。
【AI】 AI産業は今、4層構造で見ると整理しやすいです。
第1層は半導体・計算資源層です。GPU/TPU/専用チップとデータセンター。AIブームが続く限り、どの陣営が勝っても需要が乗ります。この層は一番取りっぱぐれにくい。基盤モデル、エージェント、業務アプリの誰が勝っても計算は要るからです。利益率は高くても顧客接点は弱く、主導権を取るというより全陣営から地代を取る立場です。
第2層は基盤モデル層です。Anthropic、OpenAI、Googleの主戦場。AnthropicはClaude Codeを前面に、OpenAIはCodexとGPT-5.3-Codexで長時間タスクを、GoogleはGemini 3.1 Proを複雑タスク向け最先端モデルとして出しています。この層の特徴は、能力が価値の源泉である一方、コモディティ化圧力も強いことです。ユーザーが最終的に欲しいのは「モデル」ではなく「仕事が終わること」だから、上位レイヤーに吸収されると裏側の推論エンジンになりやすい。技術的には中心だが、経済的には必ずしも最終勝者とは限らない層です。
第3層はエージェントOS/実行レイヤーです。ここが主導権競争の本丸。OpenAIのCodex appは複数エージェントを監督する方向、AnthropicもClaude CodeやAgent Skillsで外界に働きかける方向、GoogleもGemini 3系をGoogle AntigravityやCLIに載せています。Manusはgeneral-purpose AI agentsとして「デジタル従業員」的な汎用エージェント企業。OpenClawはopen-source AI agentで、TencentがWeChatに統合したのも日常接点の中にagent runtimeを埋め込む動きです。このレイヤーが強い理由は、顧客が払うお金の理由に一番近いからです。ユーザーは「Claudeを買う」のではなく「営業資料を作る」「コードを直す」「調査を終わらせる」ためにお金を払う。ここがAnthropicすら「搾取される側に回りうる」と見える理由です。
第4層は業務アプリ・顧客接点層です。人間が日常で触るアプリ、業務SaaS、ワークフロー製品。TencentがWeChatにOpenClaw系を入れるのは典型です。利益は推論単価より、継続課金、業務ロックイン、データ蓄積、UI主導権から生まれます。昔のITで言えば、CPUよりOS、OSよりアプリという構図に近い。
どこが最も利益を取るか。短期では、半導体・計算資源層と最強基盤モデル層が強い。性能差そのものにお金が付きやすいからです。中期では、エージェントOS/実行レイヤーが最もおいしい可能性があります。モデルを自前で持たなくても、顧客接点とワークフロー設計を握れば価値を吸えるからです。長期では、業務アプリ・顧客接点層が最も太い利益を取りやすい。人間はモデルではなく成果・時間短縮・組織運用に課金するからです。
将来の勝者は「最強モデルを作った会社」ではなく、「最強モデルを使って、人間の仕事の入口と出口を握った会社」になる可能性が高い。
Anthropicは今、基盤モデルで最強クラスにいますが、同時にClaude Codeやagent toolingで第3層にも登ろうとしています。モデル供給者に閉じ込められる前に、自分で実行レイヤーを取りに行っている会社です。ただし、Manus的な上位レイヤーやOpenClaw的なオープン実行基盤が顧客接点を押さえると、Anthropicは非常に強い頭脳を持ちながら経済的には下請け化する危険があります。今のAnthropicは勝っているが、同時に追われてもいる。これが一番正確な見方です。
AI産業で最も利益を取る可能性が高いのは、最終的には顧客接点を握る実行レイヤーと業務アプリ層です。半導体は地代を取り、基盤モデルは技術価値を作る。しかし最も大きな果実を取りやすいのは、その知能を人間の仕事に編成し継続利用させる層です。あなたの直感どおり、Anthropicのような最先端モデル企業ですら次の抽象化では搾取される側に回りうる。そしてその速度が異常に速い。ここに今のAI革命の本質があります。
第8章 基盤モデルと上位レイヤーの非対称性
【あなた】 つまり上位レイヤーは複数のエージェントを組み合わせて仕事を終わらせることができる。しかし基盤モデルは、他社の基盤モデルを使えない、使いたくない。この差は大きいですね。
【AI】 その差はかなり大きいです。単なる機能差ではなく、産業構造上の非対称になっています。
基盤モデル側は、自社モデルを中核に据えるのが自然です。AnthropicのClaude Codeは「Claude Code is an agentic coding tool」としてClaude中心に設計され、設定画面やSDKもClaude Code前提です。OpenAIのCodexも同様で、公式ドキュメントはgpt-5.4やgpt-5.3-codex-sparkなどOpenAIモデルを前提にしています。基盤モデル企業の製品は、原則として自社の頭脳を最大化するための垂直統合です。
一方、上位レイヤーのエージェント実行基盤は、複数モデルを切り替えられること自体が価値になります。OpenClaw系の実装では、OpenAI・Claude・Geminiをネイティブに登録できると明記され、周辺プロジェクトでも「smart model router」として要求ごとに安いモデル・強いモデルへ自動ルーティングする発想が前面に出ています。上位レイヤーは、難しい推論はClaude、速度重視は別モデル、安価な下請け処理は小型モデル、という編成ができます。
Manusも同じ方向です。「answersを超えてtasksをexecuteするaction engine」「virtual colleague with its own computer」と説明し、価値の中心はモデルではなく仕事を最後まで完了させる実行系にあります。ManusのAgent Skillsは「no vendor lock-in」を掲げています。思想としても、特定モデルへの忠誠より仕事完了率の最大化が優先です。
この差が大きい理由は、経済合理性が真逆だからです。基盤モデル企業は、自社モデルを使ってもらわないと売上になりません。だから他社モデルを積極採用したくない。しかし上位レイヤーは、ユーザーが求める成果を最も安く・速く・確実に出せれば勝ちです。単一モデルへの純潔主義を持つ理由が薄い。むしろ複数モデルを抱えた方が価格交渉力も障害耐性も上がります。
言い換えると、基盤モデル企業は「自社モデルを売る論理」で動き、上位レイヤーは「最適なモデルを組み合わせて成果を売る論理」で動く。前者は垂直統合に寄り、後者は水平統合・編成権に寄る。長期的には、上位レイヤーの方がモデル企業を部品化しやすい。基盤モデル側が強くても、上位レイヤーが「この工程はClaude、この工程はGemini、この工程は安価モデル」と回し始めると、ユーザーから見た主役はモデルではなくオーケストレーターになります。
AnthropicやOpenAIがClaude CodeやCodexのような自前の実行系を急いでいるのは自然です。彼らもこの非対称性を分かっていて、最強の頭脳だけではいずれ上位レイヤーに従属しかねないからです。Claude CodeもCodexも、モデル提供で終わらず、ファイル編集、コマンド実行、ツール接続まで含むagentic coding環境として出しているのは、その防衛でもあります。
この差の大きさは、技術差というより交渉力と主導権の差です。基盤モデルは強いが、上位レイヤーは複数モデルを束ねることでその強さ自体を相対化できる。ここに、エージェント時代の主導権競争の核心があります。
- #AIエージェント
- #ClaudeCode
- #OpenAI
- #Codex
- #Anthropic
- #meta
- #AGI
- #manus
- #AIガバナンス
- #OpenClaw
- #AIコーディング
- #AIセキュリティ
- #AIビジネス
- #gemini3
- #ClaudeMythos
- #TPU
- #オーケストレーション
- #計算資源
- #顧客接点
- #AI経済
- #ProjectGlasswing
- #基盤モデル
- #MuseSpark
- #SWEbench
- #ゼロデイ脆弱性
- #OpenBSD
- #エージェント時代
- #HLE
- #クロードミトス
- #エージェントOS
- #dogfooding
- #長時間エージェント
- #ResponsibleScalingPolicy
- #AI搾取構造
- #EconomicIndex
- #委任可能性
- #重要インフラ防御
- #トークンマクシング
- #配備思想
- #AI産業4層モデル
- #AIの社会化
- #AI主導権競争
- #垂直統合と水平統合
- #次世代AI競争
- #電子労働力