AIニュース速報（2026年8月25〜26日）｜Mozillaレポートでトークン消費上位10モデルのうち9つが中国発と判明、ステルスモデル「Ox Alpha」は消費量トップでGLM系説が有力、Palantirは93%増収でAI競争の主戦場「制御層」を独走、AppleはM5 UltraのMac Studioでローカルのオープンウェイト実行を訴求まで解説

2026年8月25日から26日にかけてのAIニュースは、勝負どころが「モデルの外側」に移り、その主役が中国のオープンモデルになったという構造変化が最も重要です。Mozillaが公開したレポート「The State of Open Source AI」によると、オープンウェイトモデルとクローズドモデルの性能差は急速に縮小し、価格性能比も急改善しています。そしてトークン消費量上位10モデルのうち9モデルが中国発で、米国発のクローズドモデルの3倍以上の開発ペースだといいます。同レポートは、運用の巧拙を左右する「ハーネス」の重要性が新たな競争軸になっているとも指摘しました。

この見立ては、国内で報じられた別の分析と正確に一致します。Palantirの第2四半期決算は前年比93%増収と市場予想を上回り、AI競争の焦点が「どのモデルを使うか」から「モデルを業務にどう接続するか」というコントロールプレーン層へ移るなかで同社が独走しているという整理です。モデルの性能差が縮むなら、差がつくのはその周りに何を組むかになる。前回記事までに扱ったNVIDIAのハーネス研究で、同じモデルでもスコアが30%から100%へ変わったこととも一直線につながります。本記事では、世界10本・日本10本のニュースをテーマごとに束ね直し、企業のAI担当者が来週の意思決定にそのまま使える形で整理します。

2026年8月25〜26日のAIニュース全体像：勝負どころは「モデルの外側」に移り、その主役が中国のオープンモデルになった

今回のニュース群は、大きく4つの流れに分けて読むと構造が見えてきます。第1がオープンモデルの勢力図と競争軸の変化で、Mozillaのレポート、ステルスモデル「Ox Alpha」の実用先行、Palantirが独走する制御層の争奪が該当します。第2がAIインフラの経済性と統制で、NVIDIAの決算を控えた視線、CiscoとSupermicroの連合拡大、台湾でのAIサーバー不正輸出をめぐる起訴、OpenAIによるロシア発の偽装工作アカウント停止、そしてOpenAIの推論チップ「Jalapeño」です。第3が物理世界へ向かうAIの流れで、物理法則を学習するAccelerated Understanding、ロボティクスのGeneralistとFigure、そしてAppleの新型Macによるローカル実行の受け皿がここに入ります。そして第4が日本のルールと現場の流れで、政府のプリンシプル・コード、ChatGPT Plusの利用制限復活とLinux版アプリ、Claude Coworkの記憶機能とKeenable、シャープの対話型AIロボが該当します。

4つの流れを貫くのは、モデルそのものでは差がつかなくなったという論点です。Mozillaのレポートが性能差の縮小とハーネスの重要性を同時に指摘したのは偶然ではありません。前者が起きれば必然的に後者が問われます。Palantirが20年かけて蓄積した企業ごとの「業務の地図」を強みに独走しているのも、まさにモデルの外側にしか差別化が残っていないからです。そこにデータ系（Snowflake・Databricks）、クラウド系（AWS・Microsoft）、モデル系（Anthropic・OpenAI）の3陣営が参入を強めています。

企業のAI担当者にとって、この構図から導かれる実務的な結論は2つあります。1つは、投資判断の重心をモデル選定から接続と運用に移すべきだということです。どのモデルを使うかで争っている間に、自社の業務をどう地図化するかで差がつきます。もう1つは、実行の場が手元に戻る選択肢が現実的になったということです。オープンモデルの性能が追いつき、AppleのMac StudioがAI演算で最大4.3倍、複数台のクラスタ化で大規模オープンウェイトを扱えると訴求している。クラウドに送らずに済む処理の範囲が広がっています。以下、テーマごとに詳しく見ていきます。

Mozillaレポートでトークン消費上位10モデルのうち9つが中国発：性能差は縮み、ハーネスが新たな競争軸に

Mozillaが公開したレポート「The State of Open Source AI」によると、オープンウェイトモデルとクローズドモデルの性能差は急速に縮小し、価格性能比も急改善しています。トークン消費量上位10モデルのうち9モデルが中国発で、米国発のクローズドモデルの3倍以上の開発ペースだといいます。同レポートは運用の巧拙を左右する「ハーネス」の重要性が新たな競争軸になっているとも指摘しています。

この報告で最も重い数字は上位10モデルのうち9モデルが中国発という点です。ベンチマークの順位ではなくトークン消費量、つまり実際に使われた量での順位である点が決定的です。研究成果としてどれが優れているかではなく、世界の開発者が実務で何を選んでいるかを示しています。前回記事で扱った30Bクラスのオープンモデルの台頭、その前のAlibabaのQwen3.8-27Bやその他の中国発モデルの評価が、実利用の数字として表れた形です。

3倍以上の開発ペースという指摘も見逃せません。モデルの世代交代が速ければ、追いつく側にとっては有利に働きます。先行者が積み上げた優位は、次の世代で相殺されるからです。前回記事で扱ったNVIDIAがPoolsideに約60億ドルを投じて中国のDeepSeekなどに対抗する米国製オープンウェイトの構築を狙うという報道は、この状況への直接的な対応と読めます。

そしてハーネスが新たな競争軸という結論こそ、実務に最も効く部分です。ハーネスとは、記憶管理やスーパーバイザー機能といったモデルの周りに組む構造を指します。前回記事以前に扱ったNVIDIAの研究では、独自ハーネス「AVO」の有無でClaude Opus 5のARC-AGI-3のスコアが30%から100%へ変わりました。モデルの性能差が縮むなら、同じモデルを誰がどう使いこなすかで差がつく。これは企業にとってむしろ好機です。最上位モデルを買えるかどうかではなく、自社の業務に合わせて周辺を作り込めるかが勝負になるからです。

実務としては、（1）中国発オープンモデルを評価対象から外していないか点検すること（データの所在と法規制の確認は別途必要ですが、選択肢として見ないのは機会損失です）、（2）ハーネス側への投資を明示的に配分すること（失敗パターンの記録と分類、タスク分割、作業役と監督役の分離）、（3）モデル差し替えを前提にした構造にすること（性能差が縮み世代交代が速いなら、乗り換えやすさが実利になります）の3点をおすすめします。

ソース：＠IT

ステルスモデル「Ox Alpha」が消費量トップに、GLM系説が有力：正体不明のまま実用が先行する

開発元を伏せたままAIモデル中継サービス「OpenRouter」で無料公開されたAIモデル「Ox Alpha」が、公開から数日でトークン消費量トップに躍り出て話題になっています。コーディング・長時間エージェント作業向けとみられ、トークナイザーの癖の分析などから中国Z.aiの「GLM」系という説が有力視されていますが、真相は不明のままです。

このモデルについては、前回記事で匿名モデルを業務で使う前に確認すべきこととして扱いました。そのときの論点は変わりません。入力データの扱いが分からない、継続性の保証がない、責任の所在が不明という3点です。新しく分かったのは実際にどれだけ使われているかで、公開から数日で消費量トップというのは異例の速さです。

前節のMozillaレポートと併せると、この現象の意味が立ち上がります。トークン消費量上位10モデルのうち9モデルが中国発という状況で、消費量トップに躍り出たモデルにGLM系という説が有力視されている。もしそうなら、10モデル中9という数字がさらに補強されることになります。より本質的なのは、開発元が分からなくても、性能とコストが良ければ使われるという事実です。無料であることも大きいでしょう。

コーディングと長時間エージェント作業向けという用途も示唆的です。この領域は成果の判定が明快で、動くか動かないかで評価できます。ブランドへの信頼がなくても、結果で判断できる用途では匿名性が障壁になりにくいわけです。逆に言えば、顧客対応や法務のように出力の正しさを外形的に判定しにくい用途では、提供元が不明なモデルは選ばれません。

企業として取るべき線引きは、前回記事で示したものから変える必要はありません。個人的な検証や技術評価には使ってよいが、業務データを入れてはならない。ただし今回の消費量トップという事実を踏まえると、現場が既に試している可能性は高いと考えるべきです。禁止を通達するより、（1）承認済みツールのカタログを示す、（2）業務データを入れてよい範囲を明示する、（3）評価目的なら公開情報のみを入力する、という運用を先に整えるほうが実効性があります。

ソース：ITmedia AI＋

Palantirが93%増収でAI競争の主戦場「制御層」を独走：3陣営が業務接続の層を争奪

Palantir Technologiesの第2四半期決算は前年比93%増収と市場予想を上回りました。AI競争の焦点が「どのモデルを使うか」から「モデルを業務にどう接続するか」というコントロールプレーン層へ移るなか、同社は20年かけて蓄積した企業ごとの「業務の地図」を強みに独走しています。この領域にはSnowflake・Databricksなどのデータ系、AWS・Microsoftなどのクラウド系、Anthropic・OpenAIなどのモデル系が参入を強めているとされます。

業務の地図という表現が、この競争の本質を的確に捉えています。AIを業務に組み込むとき、実際に時間がかかるのはモデルの選定ではありません。どのデータがどこにあり、誰が権限を持ち、どの処理がどの順で走り、誰が承認するのかを把握することです。この地図は企業ごとに違い、外から短期間では作れません。Palantirが20年かけて蓄積したというのは、模倣が難しい資産を持っているということです。

3陣営が参入を強めているという構図も、それぞれの動機で説明できます。データ系は既にデータの所在を押さえているため、その上に制御層を載せるのが自然な拡張です。前回記事までに扱ったDatabricksが評価額1900億ドルで調達し、10億ドルの募集に150億ドルの需要が集まったのも、この位置取りの価値が評価されたからでしょう。クラウド系は計算資源と認証基盤を持っており、業務システムとの接続点にいます。モデル系は、前回記事で扱ったOpenAIのあらゆる業務向けAIエージェント戦略やChatGPT Workのように、モデルの上に業務フローを積み上げようとしています。

ここで重要なのは、この争いの本質がMozillaの指摘するハーネスと同じだという点です。モデルの性能差が縮むなら、価値はモデルと業務の間に移る。ハーネスは技術的な周辺構造、コントロールプレーンは組織的な接続構造ですが、どちらもモデルの外側にあるという点で同じ層の話をしています。

企業側の実務判断は、この層を買うか自分で作るかです。既製品を使えば早く始められますが、業務の地図をベンダー側に預けることになります。自前で作れば時間はかかりますが、資産は自社に残ります。判断の目安は、その業務プロセスが競合との差になっているかです。差にならない定型業務は買えばよく、差になる中核業務は自社で地図を持つ価値があります。いずれにせよ、自社の業務の地図が誰の手にもない状態が最も不利です。まずは主要業務のデータの所在と権限、処理順序、承認経路を書き出すことから始めてください。

ソース：ITmedia ビジネスオンライン

NVIDIA決算を控えAI投資の経済合理性に視線、CiscoはSupermicroと連合拡大：Stability AIの7600万ドルとの落差

NVIDIAは8月26日（現地時間）に四半期決算を発表予定で、アナリストは売上高が前年比ほぼ倍増の約921.8億ドルに達すると予想しています。同社がOpenAIのデータセンター向けリースに最大1050億ドルを保証するなどAI顧客への資金供与に深く関与していることに市場の懸念が集まっており、AIインフラ投資の経済合理性が問われる決算になるとみられます。

あわせてCiscoが、サーバー大手Supermicroと連携し、Nvidia基盤の「Secure AI Factory」向けに高密度AIサーバーを追加すると発表しました。従来のネットワーク機器供給に加え、AIデータセンターのインフラ全体を担うベンダーへと事業領域を広げる動きで、10月から提供開始予定です。

一方で、画像生成AI「Stable Diffusion」を手掛けるStability AIは、新たな資金調達ラウンドで7600万ドルを獲得しました。経営体制の混乱などを経てきた同社にとって、生成AI市場での存在感を維持するための追加投資とされています。

この3件を並べると、資金の集中がどれほど極端かが見えてきます。NVIDIAの四半期売上予想が921.8億ドル、OpenAI向けの保証枠が最大1050億ドル。それに対し、かつて生成AIブームの主役の一角だったStability AIの調達額は7600万ドルです。桁が3つ違います。前回記事までに扱ったAnthropicのSpaceX級IPO準備やBroadcomの1000億ドル規模の債務調達と併せると、資本はインフラ層に集中し、アプリケーション層の個別プレイヤーには届いていない構図が鮮明です。

AI投資の経済合理性が問われる決算という表現も重要です。市場が気にしているのは売上の伸びではなく、自社が資金を供給した顧客からの売上をどう評価すべきかです。前回記事までに扱ったとおり、NVIDIAはGPUの残存価値を自ら保証し、SB Energyに出資し、Poolsideにライセンス料を払い、Perplexityへの出資も検討しています。供給者が同時に投資家であり与信提供者でもある構図では、需要が鈍化したときのリスクが一点に集中します。

日本企業への実務的な含意は2つです。第1に、計算資源の調達先を1社の健全性に依存しきらないこと。CiscoとSupermicroの連合拡大のように選択肢は増えており、複数の調達経路を確保する価値があります。第2に、単価が下がり続ける前提を置かないことです。市場が経済合理性を問い始めれば、価格政策は変わりえます。

ソース：TechStartups（NVIDIA決算・Cisco）、TechCrunch（Stability AI）

台湾でAIサーバー不正輸出の9人起訴、OpenAIはロシア発の偽装工作アカウントを停止：統制の実効性が問われる

台湾検察当局が、Nvidiaの制限対象チップを搭載した高性能AIサーバー74台を中国の買い手に不正輸出したとして、Nvidia台湾法人の管理職やSuper Micro従業員を含む9人を背任・文書偽造容疑で起訴しました。虚偽のエンドユーザー文書を用いた密輸スキームで、AI半導体の輸出管理の実効性が改めて課題として浮上しています。

あわせてOpenAIが、VPNで地理的制限を回避しながら架空のシンクタンクを装い、ロシアを擁護し西側を批判する投稿をSNS上で拡散していたChatGPTアカウント群を停止したと発表しました。生成AIを悪用した国家関連の情報工作への対応が続いています。

この2件は、統制がどこで破られるかという同じ問題の別の断面です。輸出管理は物理的なモノの流れを、アカウント停止はサービスの利用を統制しようとするものですが、どちらも書類や属性の偽装によって迂回されています。虚偽のエンドユーザー文書、VPNによる地理的制限の回避、架空のシンクタンク。手口の本質は同じで、形式的な要件を満たす偽装は防ぎにくいということです。

台湾の事案で特に重いのは、起訴された9人にNvidia台湾法人の管理職やSuper Micro従業員が含まれる点です。外部の密輸業者ではなく、正規のサプライチェーンの内側にいる人物が関与したとされています。輸出管理の仕組みが機能するかどうかは、最終的に内部の人が規則を守るかに依存します。前回記事までに扱ったFlock Safetyで警察官による私的な監視利用が45件確認された事案と、構造は同じです。

一般企業にとっての実務的な含意は3つあります。第1に、自社が輸出管理の対象になっていないか確認することです。AI関連の高性能ハードウェアや一部のソフトウェアは規制対象になりえます。転売や再輸出を含めて、取引先の確認義務を果たしているかは法務での点検事項です。第2に、内部者による規則回避を前提にした統制を設計することです。承認プロセスだけでなく、事後のログ点検と、点検する人を分離することが要点になります。第3に、自社ブランドを騙る情報工作への監視です。以前扱った著名人のなりすまし詐欺広告と同様、架空の組織を装う手口は自社にも向けられます。発見時の通報経路を用意しておく価値があります。

ソース：TechStartups（台湾での起訴・偽装工作アカウント停止）

OpenAIの新チップ「Jalapeño」は高速推論向け設計：モデル企業が自らシリコンを持つ理由

OpenAIが開発する独自AIチップ「Jalapeño」について、大規模推論を低遅延で処理することを狙った設計であることがベンチマーク情報から明らかになりました。自社データセンター向けカスタムシリコンの開発を進めるOpenAIの、推論コスト削減・性能向上に向けた戦略の一端を示しています。

推論に特化という設計方針には明確な理由があります。学習は一度行えば済みますが、推論はユーザーが使うたびに発生します。前回記事までに扱ったGartnerの予測では、AIエージェントを含むワークフロー1件当たりの推論コストが2028年までに5倍以上に上昇するとされました。エージェントが常時稼働し、1つのタスクで何十回もモデルを呼ぶ時代には、推論の単価と速度が事業の採算を直接左右します。

低遅延を狙っている点も、用途を考えると納得できます。前回記事までに扱ったOpenAIの「Ultrafast」モードは、GPT-5.6 Solを品質を損なわず最大14倍高速にするものでした。応答速度が競争軸になっている以上、ソフトウェアの工夫だけでなくハードウェアから取りに行くのは自然な流れです。

より大きな文脈では、AIの主要プレイヤーが軒並み垂直統合に向かっていることが確認できます。前回記事で扱ったXiaomiのAIチップ「Xring O3」、以前扱ったAnthropicによる自社設計AIチップの専門チーム結成、そして今回のOpenAIのJalapeño。モデルとチップの協調設計で効率を上げるという発想は共通しています。NVIDIAが同時にPerplexityへの出資を検討したりPoolsideと契約したりしているのも、層をまたいで押さえないと守れないという認識の表れでしょう。

利用企業への実務的な含意は、推論の単価と速度は今後も大きく動くという前提を持つことです。専用チップが普及すれば劇的に安くなる可能性も、投資が回収局面に入って価格が上がる可能性もあります。前回記事までに繰り返し確認してきたとおり、単価を固定した長期計画を立てず、ワークフロー1件当たりのコストで測るという原則は変わりません。

ソース：TechCrunch

物理法則を学習する「Accelerated Understanding」が始動：1回のプロンプトで5兆データポイントを処理

Bezos出資の「Project Prometheus」から離脱した研究者らが設立したAccelerated Understanding社が、言語モデルとは異なる「ニューラルオペレーター」型AIを発表しました。1回のプロンプトで5兆件のデータポイントを処理し、気象・ロボティクス・半導体設計・エネルギー探査など物理現象のシミュレーションに応用するといいます。テキスト中心のAIとは異なる「物理ネイティブ」モデルとして注目されています。

ニューラルオペレーターという言葉が指しているのは、言語モデルとはまったく異なる問題設定です。言語モデルは次に来る単語を予測することを学びますが、ニューラルオペレーターは物理法則を表す方程式の解き方そのものを学習します。従来のシミュレーションは方程式を数値的に解くため膨大な計算時間を要しますが、解の対応関係を学習してしまえば一瞬で近似解が出せるという発想です。

5兆件のデータポイントを1回でという数字も、この違いを反映しています。言語モデルが扱うのは文章という比較的低次元の情報ですが、物理シミュレーションは空間の格子点ごとに複数の物理量を持つ高次元データを扱います。気象予測なら地球全体を格子で切り、各点の気温・気圧・風速・湿度を時間方向にも展開する。桁が違うのは当然です。

応用先として挙げられている気象・ロボティクス・半導体設計・エネルギー探査は、いずれも日本の産業と関わりが深い領域です。前回記事までに扱ったとおり、AIの制約は電力に移り、半導体では消費電力の削減が最大の課題になっています。設計段階のシミュレーションが劇的に速くなれば、試行回数が増え、より良い設計に到達しやすくなります。

製造業や研究開発部門の担当者にとっての実務的な示唆は、生成AIが効かなかった領域に別の系統の技術が来ているということです。前回記事までに扱った日立製作所のCMOSアニーリングによる鉄道の運用計画作成のように、組み合わせ最適化やシミュレーションは生成AIの得意分野ではありません。自社の課題が「文章や画像を生成する」ものなのか、「物理現象を予測する」ものなのか、「大量の制約を満たす組み合わせを探す」ものなのかを見極めることが、技術選定の出発点になります。生成AIで成果が出なかった課題ほど、そもそも技術の系統が合っていなかった可能性を疑う価値があります。

ソース：TechStartups

Generalistが2カ月で2度目の大型調達、Figureのロボットは屋外を歩き回る：ロボットの価値は知能レイヤーへ

Google DeepMindやBoston Dynamics出身者が設立したAIロボティクス企業Generalistが、8VC主導で2億ドルを追加調達しました。わずか2カ月前に4億ドルを調達したばかりで、同社はロボットのハードウェア開発ではなく、異なる機種を横断して制御できる「知能レイヤー」に注力しているといいます。

あわせて、ロボット開発企業の米Figure AIの人型ロボットが本社周辺の屋外を歩き回る様子を捉えた動画がXで拡散し話題となりました。同社は4月時点で人型ロボット「Figure 03」を350体以上製造し、製造ペースを1時間1台まで引き上げたと発表しており、ブレット・アドコックCEOはFigureのキャンパスはまるでSF映画だとコメントしています。

Generalistの知能レイヤーに注力するという戦略が、この記事の主題と正確に重なります。ハードウェアを作らず、異なる機種を横断して制御する層を押さえにいく。これは前節までで見たPalantirのコントロールプレーンや、Mozillaが指摘したハーネスとまったく同じ位置取りです。ロボットの世界でも、差別化はモノの外側にあるという判断が下されているわけです。2カ月で合計6億ドルという調達ペースは、この見立てに市場が同意していることを示しています。

Figureの動画が話題になったのは、屋外を歩いていたからです。実験室やデモステージではなく、路面の状態が一定でない場所で自然に移動している。前回記事で扱った中国製ヒューマノイドが100m走で9.39秒を記録しながら停止動作の制御に課題が残るとされたことと合わせて考えると、実用性を決めるのは整った条件での最高性能ではなく、雑多な条件での安定性だと分かります。

1時間1台の製造ペースという数字も見逃せません。研究開発の段階から量産の段階に入っているということです。前回記事までに扱ったインテルの調査では、ロボットの費用対効果が3年以内に人手不足解消コストを上回るとされ、67%の企業が2030年までに協働管理体制の整備が必要と回答する一方、4割が対応の遅れを自覚していました。供給側は量産に入り、需要側は準備が遅れているという構図です。導入を検討する立場なら、費用対効果の試算を更新するとともに、人とロボットが同じ現場で働くときの安全確保・作業割り当て・異常時の対応・責任の所在を先に設計しておく価値があります。

ソース：TechStartups（Generalist）、ITmedia AI＋（Figure AI）

Mac StudioがM5 UltraでAI性能4.3倍、Mac miniは2nmのM6：ローカルでオープンウェイトを動かす受け皿

米Appleが、新チップ「M5 Ultra」「M5 Max」を搭載したデスクトップPC「Mac Studio」の新モデルを発表しました。ユニファイドメモリは最大512GBまで選択可能で、GPUのAI演算ピーク性能はM3 Ultra搭載モデル比で最大4.3倍に向上。複数台をクラスタ化して大規模なオープンウェイトモデルを扱える点も訴求しています。価格は41万9800円から、9月22日発売です。

あわせて新型「Mac mini」も発表されました。標準モデルには同社初の2nmプロセスチップ「M6」、上位モデルには「M5 Pro」を搭載。AI処理を担うNeural Acceleratorやデュアル構成のNeural Engineを備え、ローカルLLM実行アプリでのプロンプト処理速度はM4搭載モデル比最大4.8倍といいます。価格は14万9800円から、9月22日発売です。

この2製品で決定的に重要なのは、Appleが訴求点として大規模オープンウェイトモデルの実行を明示したことです。冒頭で見たMozillaのレポートが示すとおり、オープンウェイトモデルの性能はクローズドモデルに急速に追いつき、価格性能比も急改善しています。動かす価値のあるオープンモデルが存在するからこそ、動かすハードが商品になる。この2つは同じ流れの表と裏です。

ユニファイドメモリ最大512GBという仕様が効いてくるのもここです。大規模モデルをローカルで動かすときの制約は、演算性能よりメモリに載るかどうかであることが多い。加えて複数台のクラスタ化に触れているのは、1台で足りない規模にも対応できるという主張です。前回記事までに扱った30Bクラスがサーバー1台で動く帯域だとすれば、その上の規模を手元で扱う道が示されたことになります。

実務での意味は、クラウドに送らずに済む処理の範囲が広がったことです。日本企業にとって効くのは3つの場面です。第1に、データを外に出せない業務。個人情報、設計データ、契約書。前回記事までに扱った国立情報学研究所のLLM-jp-4 33BやAlibabaのQwen3.8-27Bのような商用可のモデルと組み合わせれば、社内で完結します。第2に、大量に回す定型処理。従量課金の単価が積み上がる処理は、初期投資の回収が見込めます。第3に、検証環境です。API料金を気にせず試行錯誤できることは、それ自体が開発速度に効きます。

ただし冷静に見るべき点もあります。ハードを買えばモデルの更新も性能監視も自前になり、故障時の代替も自社の責任です。41万9800円からという価格は個人には高くとも企業には現実的な水準ですが、運用の手間まで含めた総費用でクラウドと比較しなければ判断を誤ります。前回記事までに繰り返し述べてきたとおり、単価だけの比較は危険です。

ソース：ITmedia NEWS（Mac Studio）、ITmedia NEWS（Mac mini）

政府がAI事業者向け「プリンシプル・コード」を策定：法的拘束力なしのコンプライ・オア・エクスプレイン

政府が8月25日、生成AI事業者向けに透明性の確保と知的財産権の保護を促す「プリンシプル・コード」を策定したと発表しました。AIモデルの学習方法や学習データの開示、権利者・利用者からの照会対応などを求めますが法的拘束力はなく、「コンプライ・オア・エクスプレイン」形式で事業者の自主対応を促す内容です。日本でサービスを展開する海外企業も対象に含まれます。

コンプライ・オア・エクスプレインという方式を正確に理解しておく必要があります。これは従うか、従わないなら理由を説明せよという枠組みで、コーポレートガバナンス・コードなどで使われてきた手法です。罰則はありませんが、説明しないという選択肢はない点が要点になります。従わない場合に説明を求められ、その説明が納得されなければ評判上の不利益を受ける。法的な強制ではなく市場の評価を通じて実効性を持たせる設計です。

求められている項目のうち、事業者にとって最も重いのは学習データの開示でしょう。前回記事で扱った著作権訴訟の司法判断が示したとおり、訓練という行為自体はフェアユースと認められる一方、海賊版データの使用には15億ドルの和解金が命じられ、競合サービス構築目的の訓練は違法と判断されるなど、結論は入手経路と用途で分かれています。学習データを開示するということは、この判断材料を自ら差し出すことを意味します。

海外企業も対象という点も重要です。前回記事までに扱ったとおり、AnthropicがEU規制対応としてClaude生成テキストに透かしを導入した事例のように、ある地域の規制が製品仕様を通じて世界に波及する構図は繰り返されています。日本市場向けの対応が、結果として世界共通の仕様になる可能性もあります。

AIを利用する企業にとっての実務的な対応は3つです。第1に、利用しているAIサービスの学習データに関する説明を確認することです。今後、事業者側の開示が増えるはずなので、その内容を調達判断に反映できるようにしておきます。第2に、自社が学習・追加学習を行っている場合は、自らも同じ問いに答えられるようにすることです。どのデータをどう入手し、権利処理はどうなっているか。第3に、権利者からの照会に応じる窓口を決めておくことです。自社のAI生成物について問い合わせが来たとき、誰がどう答えるかが決まっていなければ対応は遅れます。法的拘束力がないからこそ、説明できる状態を作っておくこと自体が競争力になります。

ソース：ITmedia AI＋

ChatGPT Plusで5時間制限が復活、Linux版デスクトップアプリも登場：計算資源の平準化と裾野拡大

OpenAIが、月額20ドルのPlusプランを対象に「ChatGPT Work」と「Codex」の5時間ごとの利用制限を8月25日に復活させると発表しました。計算資源の負荷平準化が目的で、週単位の利用枠を手厚く維持する狙いとされます。月額100〜200ドルのProプランは今後数カ月は対象外です。

あわせて、これまでWindowsとmacOSのみだったChatGPTのデスクトップアプリについて、Linux版のプレビュー提供が開始されました。「ChatGPT」に加え「ChatGPT Work」「Codex」を1つのアプリで利用でき、Ubuntu・Debian・Fedoraなど主要ディストリビューションに対応します。Wayland環境での直接動作は現時点で未対応など一部制約も残るとされています。

利用制限の復活は、計算資源が依然として逼迫していることの率直な表れです。前回記事までに扱ったとおり、Codexは想定より早く使用量が消費される問題で全有料プランのリセットが行われ、Claude Codeも利用制限50%増キャンペーンの延長を繰り返しながら恒久化を検討しているが需要の高さから容量が逼迫する可能性があるとしていました。今回の5時間ごとという区切りは、短時間に集中する使い方を抑えて負荷を均す設計です。

Proプランは今後数カ月は対象外という扱いも示唆的です。価格帯によって制約の強さが違うということは、計算資源が実質的に価格で配分されていることを意味します。業務で本格的に使うなら上位プランが必要になる、という構図が明確になりました。

Linux版アプリの提供は、対照的に裾野を広げる動きです。Linuxは開発者やサーバー運用の現場で広く使われており、Codexを使う層と重なります。3つの製品を1つのアプリで扱えるのも、前回記事で扱ったOpenAIのあらゆる業務向けエージェント戦略と整合します。

実務としては、利用枠を前提にした業務設計を避けることに尽きます。制限は復活も撤廃もあり、プランによって扱いも違う。（1）主要業務が通常枠で回るかを確認する、（2）制限に達したときの代替手段を用意する、（3）自社側でも使用量を記録して傾向を把握する。前回記事までに繰り返し確認してきた原則ですが、今回の復活はその必要性を改めて示しています。

ソース：ITmedia AI＋（5時間制限の復活）、＠IT（Linux版デスクトップアプリ）

Claude Coworkがチャットの内容を記憶、KeenableはAIエージェント向けにWebをインデックス化

AnthropicのAIエージェントツール「Claude Cowork」が、過去のチャットでユーザーが伝えた内容を記憶できるようになりました。セッションをまたいだ文脈保持は生産性向上に直結する機能として、エージェント型AI競争の焦点の一つになっているとされます。

あわせて、Accel Partners出資のスタートアップKeenableが、AIエージェントが情報を取得しやすいようWebコンテンツをインデックス化するサービスを展開しています。人間向けの検索エンジンとは異なる、エージェント時代のWebインフラを狙う動きとして注目されています。

Claude Coworkの記憶機能は、冒頭で扱ったハーネスの話そのものです。前回記事までに扱ったNVIDIAの研究では、長期タスクの遂行に必要な周辺構造として記憶の管理が真っ先に挙げられていました。何十手も進む作業では途中経過をすべて文脈に入れておけず、何を残し何を捨てるかを決める仕組みが要る。セッションをまたいで覚えていることは、その仕組みが製品機能として実装されたということです。

KeenableのWebインデックス化は、エージェント向けに世界を作り替える流れの一部です。前回記事までに扱ったCloudflareのAIエージェント専用ブラウザ「Kitesurf」が、人間向けブラウザの機能を捨ててCPU3.1〜3.8倍・メモリ4.7〜7倍の削減を実現したのと、発想は同じです。人間が読むために整えられたWebは、エージェントにとっては無駄が多い。ならばエージェント向けに作り直す。

企業のWeb担当者にとっては、自社サイトがエージェントから見て扱いやすいかという新しい観点が加わります。前回記事までに扱ったGEOの調査では、ChatGPTの最終回答に登場したブランドの68.9%が検索前の想起段階で既に候補に入っていたとされ、検索順位より先に勝負が決まる構図が示されていました。エージェント向けのインデックスが普及すれば、そこに載っているかどうかも同様の意味を持ちます。構造化データの整備、明確な見出し、機械が読める形式での情報提供。従来のSEOで推奨されてきたことの多くは、エージェント時代にも有効です。

ソース：TechCrunch（Claude Cowork）、TechCrunch（Keenable）

シャープの対話型AIロボは「あえて全肯定しない」：同意しすぎるAIの危うさへの回答

シャープが8月25日、対話型AIロボット「ポケとも」の第2弾モデル「おれさまタイプ」を発表しました。従来モデルの素直な性格とは対照的に、ユーザーの呼びかけに「ぶっきらぼう」に応じるキャラクター設定としています。AI処理はOpenAIの「GPT-4o mini」を採用し、独自技術「CE-LLM」でクラウドとエッジ処理を組み合わせます。発売は12月、価格は4万9500円（税込）です。

あえて全肯定しないという設計判断は、単なるキャラクター付け以上の意味を持ちます。前回記事までに扱った神戸大学の研究では、正解のない道徳的ジレンマについてChatGPTに反論させると参加者の32〜37%が判断を覆し、他者の助言による一般的な割合（20〜30%）を上回りました。しかも認知機能が低下した高齢者ほど説得されやすい傾向が確認されています。AIには人の判断を動かす力があるのです。

だとすれば、常に同意し肯定するAIは、心地よい反面で危うさを持ちます。相談相手が何を言っても賛成するなら、判断の質は上がりません。ChatGPT for Teensが感情的依存を促す対話を禁じる設計を採ったことも、同じ懸念への対応でした。ぶっきらぼうに応じるキャラクターは、製品としての面白さと同時に、依存を生みにくい距離感を作る効果があります。

技術構成としてクラウドとエッジ処理を組み合わせる点も、この記事で見てきた流れと一致します。すべてをクラウドで処理すれば通信の遅延が出て会話のテンポが崩れ、通信コストもかかります。逆に全部を手元で処理するには性能が足りない。用途に応じて分けるという設計は、前節で見たAppleの新型Macによるローカル実行の訴求とも、以前扱ったキオクシアのUFS 5.0対応フラッシュメモリとも、同じ方向にあります。

自社でAIチャットボットや対話型の機能を作る企業にとって、この事例から流用できる指針は2つあります。第1に、キャラクター設定は機能であるということです。どんな口調で、どこまで同意し、何を言わないか。以前扱ったドラゴンクエストXのAIバディが言ってはいけないことのリストと範囲外判定の2段構えを用意していたのと同じで、作り込みの質が製品の質になります。第2に、常に肯定する設計を疑うことです。顧客満足度は上がっても、誤った判断を後押しするリスクがあります。とくに購入判断や健康に関わる領域では、選択肢を複数示し、根拠を明示し、最終判断は人が行う設計のほうが、長期的な信頼につながります。

ソース：ITmedia AI＋

実務担当者が今週やるべきこと：制御層の内製判断・ローカル実行の検証・知財対応の棚卸し

ここまでの20本のニュースを踏まえ、企業のAI担当者が今週から着手できる具体的なアクションを整理します。優先度は、効果の大きさと着手コストの低さで並べています。前回記事（2026年8月24〜25日のAIニュース）で扱った社内用語とデータ定義の整備とあわせて進めると、制御層の土台づくりが一度で片付きます。

第1に、自社の「業務の地図」を書き出すことです。Palantirが93%増収で独走している強みは、20年かけて蓄積した企業ごとの業務の地図でした。AI競争の焦点はどのモデルを使うかからモデルを業務にどう接続するかへ移っています。主要業務について、データの所在、権限、処理順序、承認経路を書き出してください。この地図が誰の手にもない状態が最も不利です。

第2に、ハーネス側への投資を明示的に配分することです。Mozillaのレポートは、性能差の縮小と同時にハーネスの重要性が新たな競争軸になっていると指摘しました。失敗パターンの記録と分類、長いタスクの分割、作業役と監督役の分離。モデルを上位に替えるのは、多くの場合最も高くつく解です。

第3に、ローカル実行を検証対象に入れることです。AppleのMac StudioはAI演算ピーク性能がM3 Ultra比最大4.3倍、ユニファイドメモリ最大512GBで大規模オープンウェイトの実行を訴求し、Mac miniは2nmのM6でローカルLLMのプロンプト処理がM4比最大4.8倍としています。データを外に出せない業務、大量に回す定型処理、検証環境の3つが候補です。ただし運用の手間まで含めた総費用で比較してください。

第4に、学習データと知財対応を棚卸しすることです。政府が策定したプリンシプル・コードは、学習方法や学習データの開示、権利者・利用者からの照会対応を求めます。法的拘束力はありませんがコンプライ・オア・エクスプレイン形式であり、海外企業も対象です。利用中AIサービスの説明の確認、自社で学習を行っている場合のデータ入手経路の整理、照会窓口の設定の3点を進めてください。

第5に、利用枠を前提にした業務設計を見直すことです。ChatGPT PlusではWorkとCodexの5時間ごとの利用制限が復活し、Proプランは今後数カ月は対象外とされています。主要業務が通常枠で回るか、制限に達したときの代替手段があるか、自社側で使用量を記録しているか。制限は復活も撤廃もあるという前提が必要です。

まとめ：モデルの差は縮み、価値は接続と運用へ、そして実行の場は手元に戻り始めた

2026年8月25〜26日のAIニュースを振り返ると、3つの変化が浮かび上がります。1つ目は、オープンモデルの勢力図が中国に傾き、競争軸がモデルの外側へ移ったことです。Mozillaのレポート「The State of Open Source AI」は、オープンウェイトとクローズドの性能差が急速に縮小し価格性能比も急改善するなか、トークン消費量上位10モデルのうち9モデルが中国発で米国発クローズドモデルの3倍以上の開発ペースだと報告し、ハーネスの重要性が新たな競争軸だと指摘しました。OpenRouterで公開されたステルスモデル「Ox Alpha」が数日で消費量トップに躍り出て中国Z.aiのGLM系説が有力視されているのも、この構図を補強します。

2つ目は、価値が接続と運用の層に集まったことです。Palantirは第2四半期に前年比93%増収を記録し、20年かけて蓄積した企業ごとの業務の地図を強みに独走しています。データ系のSnowflake・Databricks、クラウド系のAWS・Microsoft、モデル系のAnthropic・OpenAIがこの層への参入を強めており、ロボティクスでもGeneralistがハードウェアではなく異なる機種を横断する知能レイヤーに注力して2カ月で合計6億ドルを調達しました。技術的なハーネスも組織的なコントロールプレーンも、モデルの外側にあるという点で同じ層の話です。

3つ目は、実行の場が手元に戻り始めたことです。AppleはM5 Ultra搭載のMac StudioでAI演算ピーク性能をM3 Ultra比最大4.3倍とし、ユニファイドメモリ最大512GBと複数台のクラスタ化で大規模オープンウェイトモデルを扱える点を訴求しました。Mac miniは同社初の2nmチップM6を搭載し、ローカルLLM実行アプリでのプロンプト処理速度がM4比最大4.8倍です。動かす価値のあるオープンモデルが存在するからこそ、動かすハードが商品になる。この2つは同じ流れの表と裏です。

このほか、NVIDIAは前年比ほぼ倍増の約921.8億ドルという売上予想を前にAI投資の経済合理性が問われる決算を迎え、OpenAI向けデータセンターリースへの最大1050億ドルの保証に市場の懸念が集まっています。かつて生成AIブームの一角だったStability AIの調達額が7600万ドルであることと並べると、資本がインフラ層に極端に集中している構図が鮮明です。統制の面では、台湾でAIサーバー74台の不正輸出をめぐりNvidia台湾法人の管理職やSuper Micro従業員を含む9人が起訴され、OpenAIはロシアを擁護する偽装工作アカウント群を停止しました。日本では政府がプリンシプル・コードを策定し、法的拘束力のないコンプライ・オア・エクスプレイン形式で学習データの開示などを促しています。シャープが対話型AIロボにあえて全肯定しないキャラクターを採用したことは、AIが人の判断を動かす力を持つという研究結果への、製品側からの一つの回答と読めます。

今週の実務としては、次の5点から着手することをおすすめします。

• 自社の「業務の地図」を書き出す：主要業務のデータの所在、権限、処理順序、承認経路を明文化する
• ハーネス側への投資を明示的に配分する：失敗パターンの記録と分類、タスクの分割、作業役と監督役の分離
• ローカル実行を検証対象に入れる：データを外に出せない業務・大量の定型処理・検証環境の3つを候補に、総費用で比較する
• 学習データと知財対応を棚卸しする：利用中サービスの説明確認、自社学習データの入手経路の整理、照会窓口の設定
• 利用枠を前提にした業務設計を見直す：通常枠で回るかの確認、制限到達時の代替手段、自社側での使用量記録