新リリースのAIモデル「Opus 4.8」の性能と、数週間後に控えた次世代モデル「Mythos」の展望について語る動画。従来のベンチマークの偏りを指摘しつつ、新たなコード評価基準における「GPT-5.5」の圧倒的な優位性を解説する。また、CAD環境における機械工学タスクへのAIの適応例を紹介し、世界モデルとしての進化を捉える。さらに、AIが人間の知能を凌駕していく時代における哲学的な心構えや、変化の激しいAI業界でツールに溺れずモデルの本質的な能力に集中する重要性を説き、クラウド実行環境を用いた未来のエージェント構築のビジョンを提示している。
新モデルOpus 4.8の登場とベンチマークの真実
みなさん、調子はどうですか。ニールです。チャンネルへようこそ。この動画では、いくつか異なる話題について話したいのですが、まずは何と言っても本日、Opus 4.8がリリースされました。個人的にはGPT 5.6も同時に出ないかと期待していたのですが、少なくとも一つのモデルがドロップされただけでも良しとしましょう。
見たところ、比較的優れたモデルのようです。ただ、私はAnthropicのベンチマーク手法に完全に納得しているわけではありません。彼らはSWE Proのスコアを非常に重視しており、その特定のベンチマークに特化して最適化している印象を受けます。GPT 5.5と比較すると、GPT 5.5のスコアはそれよりも10ポイント以上低くなっています。しかし、実際のユースケースにおいてソフトウェアエンジニアリングのタスクをこなす場合、GPT 5.5の方がOpus 4.8よりもはるかに優れたパフォーマンスを発揮すると断言できます。すでにこのモデルを徹底的にテストした方がいれば、ぜひ意見を聞きたいです。私の分析が的外れだと思うなら、コメント欄で教えてください。
いずれにせよ、彼らがそのベンチマークを強く意識しているのは間違いありません。なぜなら、彼らがいつも言及し、常にリードしている指標だからです。しかし、さらに深く技術スタックを見ていくと、GPT 5.5はエージェント型のエミュレートされたターミナルコーディングにおいて、はるかに優れた能力を持っています。GPTシリーズにおけるコード実行用ハーネスの仕組みを理解していれば分かりますが、これらはBashコマンドに大きく依存しています。多くのBashコマンドを実行するため、ターミナルのベンチマークで高い性能を示すのは理にかなっているのです。OpenAIのこのアプローチは非常に優れていると思います。
AGIについて考えるとき、モデルが指示を受けるだけで、事前の大がかりなハーネスなしに、その場で独自のハーネスを自己構築して特定の課題を解決できるようにならない限り、それをAGIとは分類できないと私は考えています。極限まで単純化された最小限のハーネスだけを使い、自らBashコマンドを連打して必要な足場をその場で組み上げ、問題を解決していくような姿です。私たちは近いうちに、そうした形態の初期段階を目にすることになるでしょう。
ですから、もしみなさんが、適応性を持たせるために実行可能なクラウド環境の中に極限までシンプルなエージェントハーネスを構築していないのであれば、この加速の時代に取り残されてしまうと私は思います。ソフトウェアを開発する上で、それがまだ従来のアプリや決定論的なソフトウェアの延長線上にあり、適応性を備えたクラウドベースのエージェントハーネスになっていないのであれば、すでに遅れをとっているのです。これが私の意見です。
ここで、最近公開されたばかりの非常に優れたベンチマークであるDeep Suiteを見てみましょう。これは従来のテストよりもはるかに優れています。なぜなら、このベンチマークのコンテキストはモデルの学習データ内に存在しないからです。各モデルは、このベンチマークに含まれる特定の設計リポジトリやコーディングタスクについて事前に学習していません。モデルがこれらの課題で事前に学習してしまう可能性を排除するために、完全にゼロから手作業で設計されたベンチマークなのです。これは本当に素晴らしい試みです。
そして、結果を見れば真実が一目瞭然です。すべてのモデルを実際に使い込み、何が最善のアプローチなのかを本気で試している人なら、超高度な推論モードにおけるGPT 5.5が、他のモデルとは次元の違う、まるで異星人のような圧倒的な実力を持っていることをすでに知っているはずです。勝負にすらなっていません。もちろん、ここにはOpus 4.8のデータがまだ載っていません。それがどの位置に食い込んでくるか非常に興味深いところです。おそらくGPT 5.5の近くには行くでしょうが、追い抜くことはないと予想しています。もし追い抜いたら本当に驚きです。様子を見てみましょう。私自身、まだ4.8モデルを広範囲にテストしたわけではないので、私の予想が間違っていて、前言を撤回することになるかもしれません。
世界モデルの進化と機械工学への応用
次の話題に移りましょう。これは私にとって非常に印象的で、深く興味を惹かれる内容です。私はソフトウェアが大好きですし、自身でもソフトウェアを開発していますが、本当に注目すべきはアトム、つまり物理世界の実体です。
ここでは、Opus 4.8がCAD環境内で実際に機械工学の設計を行っています。非常にクールな光景です。ご覧の通り、これはLLMをベースにしたトークン処理によって行われています。これは、ある種の世界モデルを備えていなければ不可能なタスクをLLMが実行している状態です。これこそが、現在AI業界で起きている最大のゲームチェンジです。AIの次のフェーズは、世界モデルとしての進化にあります。そのため、この分野の進歩は極めて急速に進むと予想されます。多くの人々がその成果に目を見張ることになるでしょう。私たちはやがて、AIシステムの手によって、人間には到底思いつかないような異次元の優れたデザインが生み出されるのを目撃することになります。
現在、この開発者は実際のCAD環境の中にシステムをセットアップしていますが、モデルが非常に長いタイムホライズンにわたって次の次元を正確に予測できるようになり、スクリーンショットなどを利用して出力を検証する能力を備えれば、そもそも従来のCAD環境自体が必要なくなるかもしれません。これほど複雑なツールは不要になり、極限までシンプルなインターフェース、つまりコンパイラとチャット画面、そしてビューポートだけで完結するようになるでしょう。最終的な機械工学の形態はそのような姿になると考えています。私の見立てが甘いかもしれませんが、すでに大きな進歩が見られます。
現状、これはまだ4.8の段階であり、本命であるMythosモデルはまだ登場していません。しかし、それも数週間以内にリリースされます。Anthropicは、Mythosモデルの登場を6月中と予告しています。事前にリークされたMythosのベンチマークと比較すると、Opus 4.8はかなり劣る性能となっています。Mythosが実際にドロップされたとき、そのベンチマークがどれほど凄まじいものか、今から楽しみです。
AIが人間の知能を超える時代の哲学
この話を踏まえて、ここからはAIの劇的な変化に私たちがどう付き合っていくべきか、という私の哲学について話したいと思います。これは遅かれ早かれ、誰もが直面せざるを得ない問題です。実は、私は12か月ほど前からこの現実に向き合い、折り合いをつけ始めていました。なぜなら、私たちは全員、自分の能力がAIによって追い抜かれ、打ち負かされ、圧倒されるという現実に直面することになるからです。どれほど才能があろうとも、どんな分野で活躍していようとも、AIへの過剰な規制が課されない限り、AIはいずれその分野で人間を凌駕します。
過剰規制が敷かれる可能性は十分にありますし、そうならないことを願っていますが、世間の否定的な感情を見ていると、開発を厳しく制限しようとする動きが現実的な確率で起こるかもしれません。多くの人々や、最近ではダリオ・アモデイ、サム・アルトマンも、AIが人間のすべての仕事を奪うわけではないと発言しています。しかし私に言わせれば、彼らの言葉は、彼らがもはや純粋なAGIの追求を信じておらず、特定のエンジニアリングタスクに特化して形作られたモデルの追求にシフトしていることを示唆しています。だからこそ、数学特化モデルやコーディングモデル、あるいはエージェントエンジニアモデルがこれほど優れた性能を示しているのです。ある意味ではそれで問題ないのかもしれませんが、私はもっとSFの領域にあるような究極のAIシステムを見てみたいと思っています。十分な時間をかければいずれその領域に到達するでしょうが、規制が進めば時間がかかるかもしれません。
ここで、囲碁の対局でAlphaGoに敗れた後のイ・セドルの述懐を思い起こします。ご存じない方のために説明すると、イ・セドルは長きにわたり世界最高の囲碁棋士でした。しかし、DeepMindのAlphaGoに敗れ、彼は非常に大きな衝撃を受けました。彼は自分自身が早い段階でAIの壁に直面しただけで、いずれ他の人々にも同じことが起きるだろうと語っていました。
そして最近、数学の分野でも同様のAlphaGoモーメント、つまり数学における手番37が訪れました。これに対するある数学者の、イ・セドルを彷彿とさせる実存的な反応を紹介します。彼はこのように語っています。
私はこの事実に、実存的な揺らぎ、あるいはそれ以上に深い精神的苦痛を感じています。一方で、私たちは今後、目を見張るような成果や進歩が、神のみぞ知る目的に向かって急速に押し寄せるのを目撃することになるでしょう。しかしその一方で、自分がこれまで理解するために心血を注いできたすべての営みが、無意味になってしまうように感じられるのです。ここで笑ってしまって申し訳ありませんが、根本的な問いは、人間の知性が文字通り不要になったとき、私たちは自分自身のために何をすればいいのか、ということです。
これで引用を終わります。これは非常に大きな問いであり、まさに私がこの12か月間ずっと格闘してきたテーマでもあります。だからこそ、今となっては少し笑えてしまうのかもしれませんが、本来は笑い事ではありません。私たちは皆、この現実に直面することになります。ある人は他の人よりも早くその瞬間を迎えるでしょう。
私自身、遅からずAIがあらゆる領域で人間より優れた存在になるという結論に達したとき、ある種の割り切りが生まれました。すべてを最大化していこうという思想に触れたことがあるかもしれませんが、過度に悲観せず、アクセラレーションの波に身を任せてトークンを最大限に活用していけば、未来の生活は実際には非常にクールなものになり、人間には依然として目的や意味、やるべきことが残されていると気づくはずです。私たちはきっと、人生の意味を見出すための新しい方法を作り出すでしょう。その多くはゲームのような形態をとるかもしれません。イアン・バンクスによるカルチャーシリーズの小説を読むと、非常に刺激を受けますし、未来が素晴らしいものに思えてきます。
とはいえ、これが社会全体に大規模に波及し、誰もが途方に暮れる瞬間が訪れるとき、最初は奇妙な空気が流れるでしょう。しかし結局のところ、それはAIがどのような形で社会に実装されるか、そしてどのような規制が敷かれるかによって決まります。規制によってAIの学習パラダイムが変わり、最先端の研究所が開発スタイルを変更せざるを得なくなる可能性もゼロではありません。むしろ、ある程度はそのような規制が行われる可能性が高いように見えます。
ここで、イーロン・マスクとイリヤ・サツケヴァーの言葉を引いてみましょう。
人間のあらゆる資質の中で、知性を他の何よりも最優先に価値観の頂点に置くならば、これからの時代はつらいものになるでしょう。まさに私たちが今置かれているのはそういう状況です。一方で、もし人間の知性を人間のすべての資質の中で尊ぶのであれば、楽しい時間を過ごせるという議論も成り立ちます。つまり、完全に思考を放棄するのではなく、最大限の好奇心を持ち、真実を追い求め、学び続ける姿勢は持ち続けるべきだということです。当然、それは楽しいことです。私個人の人生の喜びも、より多くを学び、何かを構築し、学び成長していくプロセスそのものを経験することにあります。引きこもって成長を止めてしまうことが目的ではありません。イリヤが言いたいのは、知性だけを他のあらゆるものより絶対視してしまうと、これからの時代は精神的に苦しくなるだろう、ということです。これはおそらく真実です。
ツールに惑わされないAI活用の本質
これらを踏まえた上で、私がどのようにAIを活用し、この急速な加速についていっているのか、そのアプローチを簡単にお話しします。テクノロジーは凄まじいスピードで動いています。現在、さまざまなタスクにおいて、以前ならLLMには不可能だと思われていたレベルの能力を持つモデルが登場しています。多くの人の予測を超えるスピードで事態は進展しているのです。
その中で、多くの人が陥っている罠として、個々のツールに振り回されすぎているという点が挙げられます。世の中には無数のツールが溢れています。エージェントをオーケストレーションするための優れた手法や、各種のエージェントループ、オープンなClawdbotを用いたシステムなど、多種多様なツールがリリースされています。しかし、私にとって最も効果的だったのは、そうしたツール群のノイズを完全にシャットアウトすることでした。ツールそのものにはあまり関心がありません。私が本当に重要視しているのは、モデル自体から得られるシグナルです。モデルが持つ最先端の能力のフロンティアに直接触れてさえいれば、ハーネスや周辺ツールは後からどうとでもなります。
先ほども言ったように、長期的にはこれらのモデルは自らその場で独自のハーネスを構築するようになります。加速のスピード自体が加速しているのです。おそらく、特定の形態のAIモデル開発を違法とするような規制が導入される不都合な未来もあるかもしれませんが、AIが加速を続け、その可能性の空間が正しく探索される限り、近い将来、人間が手作業で構築するよりもはるかに優れた方法で、Bashコマンドを駆使して自らハーネスを自己構築するモデルが確実に登場します。コンピューティング資源を十分に投入し、アルゴリズムの効率性を高めて実行コストを抑えられれば、それは間違いなく実現します。現在起きている数学分野でのブレイクスルーを見ても、その未来は私たちが考えているよりもはるかに近くに来ています。
したがって、私が思考する際に唯一重要だと思うのは、ツールではなくモデル自体の能力です。非常に多くの人が、次々とリリースされる新しいプロダクトやアプリといった、一過性の楽しいトレンドに気を取られています。しかし、それらすべてに目を配ることは本質的な助けになりません。私はそれらのほとんどに注意を払っていません。私が自分で構築したもの以外で利用したことがあるのは、少数の主要なコード環境やCursorといった代表的なハーネスだけです。私は独自のコンテキスト管理やメモリシステムを備えたハーネスを自分で設計し、エンジニアリングを行ってきました。
さまざまなツールを選別し、実験するプロセスは、ある段階までは有益ですが、やがて限界が来ます。ツールを単に消費するために使うのではなく、そのツールがどのように設計されているかを解剖して理解するために使うのであれば意味は異なりますが、大半の人はただ使っているだけです。新しい要素をすぐに既存のエージェントシステムに組み込もうとしますが、そもそもそのエージェントがどのように機能しているのか、自分で同様のエージェントをゼロから設計し、独自のワークフローに合わせて構築するアーキテクチャの知識があるのか、という点が欠落しがちです。
今注目すべきなのは、モデルの能力そのものであり、ハーネスがどのように動作しているかを分析し、自分自身で構築できるようになることです。哲学的な視点とエンジニアリングの視点の両方から、AIモデルにおけるコンテキストが人間との関係においてどのように機能するのかを理解することが重要なのです。
AIを神経科学などの哲学的なレンズを通して見れば、人間の脳の働きとLLMの働きが非常に酷似していることが分かります。どちらも本質的には予測マシンです。唯一の決定的な違いは、LLMが言語という細いストローを通じて世界の情報を吸収しているという点だけです。その本質を理解すれば、すべてはモデルの性能に帰着することが分かります。モデル自体が最終的な目的地まで到達します。私たちがすべきなのは、コンテキストをどのように整理し、メモリのアーキテクチャをどう構築するかを理解すること、ゲームのルールはそれだけです。コンテキストの整理とメモリ構造の設計、そして必要であれば独自のデータを集めてモデルを微調整すること、これこそがこれからのソフトウェア開発の姿です。
もちろん、エージェントが道具として利用する特定のソフトウェアツール、たとえば検索アルゴリズムなどは今後も残るでしょう。巨大な情報グラフを高速に検索したい場合、エージェントは依然として検索エンジンをツールとして使用します。巨大なニューラルネットワークに対して非効率なクエリを送り、その内部からすべてのエッジケースを探索させるようなことはしません。最新の出来事や参照情報を引き出すために、既存の優れた検索アルゴリズムを道具として使う方が合理的です。将来的に、それらがモデルのアーキテクチャやニューラルネットワークの内部により密接に組み込まれる可能性は高いですが、それでもニューラルネットワークに対するシステムの一部という位置づけになるでしょう。
それ以外の部分では、時間の経過とともに、ニューラルネットワークというアーキテクチャ自体が、現在私たちが慣れ親しんでいるソフトウェアの大部分を飲み込んでいくことになります。アンドレイ・カルパシーも最近のポッドキャストでこのことについて言及していました。かつてコンピュータの黎明期において、私たちは計算機としての道を進むか、それともニューラルネットワークとしての道を進むかという二者択一の分岐点にいました。そして長い間、私たちは計算機としての道を歩んできました。しかし今、私たちはニューラルネットワークの扱い方を理解しました。これからは、そちらの道を本格的に突き進むことになります。
特定の領域では両者が共存するでしょうが、多くのタスクにおいて、ニューラルネットワークは従来の計算機よりもはるかに優れた性能を発揮します。ただし、計算機の役割が完全に消失するわけではありません。物理学的な観点、つまりエネルギー効率を最大化するという視点に立てば、LLMがニューラルネットワークを使って確率的に数値を処理するよりも、決定論的な計算機に数字を処理させる方がはるかに効率的だからです。そのため、LLMがそうした確定的なツールを呼び出す構造は残りますが、それらのツール自体は大部分がコモディティ化していきます。
クラウド実行環境と未来のAI組織
だからこそ、私が提唱する開発の前提に立ち返ることになります。みなさんが構築すべきエージェントやソフトウェアは、単なる狭い範囲の自動化ループや垂直統合型のSaaSではなく、エージェント間で高度な通信を行う「同僚」や「チームメイト」のような存在でなければなりません。特定のニッチな業種に特化した垂直型SaaSは依然として重要ですが、そこで機能するエージェントのハーネス設計は、独自のコンピュータ環境を内包するような形に進化していく必要があります。エージェント自身が、特定の課題を解決するためにその場で自らのハーネスを適応・拡張させられるような仕組みです。
まだ完全にその領域に達しているわけではありませんが、企業向けにAIの従業員を構築するのであれば、今すぐクラウド上の実行環境の中にそれを組み込み始めるべきです。これが私の主張です。なぜなら、Mythosモデルが真に優れた性能を持ち、私たちが過剰な規制によってその進歩を止めなければ、将来的に私たちが企業に売ることになるのは、単なるSaaSの機能ではなく、「AGIが搭載されたコンピュータ環境そのもの」になるからです。そこに適切なツールとAPIを接続し、正しいコンテキストとメモリのアーキテクチャを与える。それこそが、私たちが提供する究極の価値になります。
AIを捉え、その進化についていくための私の思考法は、すべてこのAGIとコンピュータの融合という点に集約されます。十分なツールとメモリ構造、そして優れた指示追従能力や標準作業手順書（SOP）を備えたAGI搭載コンピュータをクライアントに提供するのです。
これは、人間の従業員が企業に配属されるプロセスと全く同じです。人間の従業員とは、独自の記憶構造を持ち、会社のツールやシステムにアクセスし、提供されたSOPや指示というコンテキストをインプットされて、ワークフローの中でタスクを実行する「AGIを備えた存在」に他なりません。私たちが手に入れようとしているのもまさにそれです。必要なのは、最小限のシンプルなハーネスと優れたツール群を備え、特定の業務ドメインで課題を解決できるLLMアーキテクチャを、クラウドコンピュータ内の実行環境に展開することです。これこそが、これから展開される大きなゲームの本質です。
そして、その次に業界が打ち出してくるのは、これらのシステムが他の実行環境と相互に通信し、エージェント間の連携を行う方法です。タスクが発生するたびに、さまざまなクラウドコンピュータがリアルタイムで起動し、処理が終われば消滅していくような世界です。一つの企業の中にそのような環境が数千個存在し、業務の需要に応じて自律的に増減する。極めてコスト効率が高く、圧倒的な生産性を誇る、AGIによって拡張された新しい企業の姿です。
ちなみに、これこそがまさに私がPolyetというプロジェクトで構築している仕組みそのものです。今、私が考えている論文の半分ほどをみなさんにお話ししました。
というわけで、もしPolyetの取り組みに興味がある方は、ぜひ参加してください。これが、私がAIシステム全般の動向、これからの方向性、そして自身の開発において採用しているアプローチのすべてです。こうした内容に興味を持っていただけたなら、ぜひチャンネル登録をお願いします。それでは、次の動画でお会いしましょう。
コメント