いちばん引っかかったのは、「モデルが賢くなった」という話よりも、「何にでも使える万能モデル」ではなく、かなり露骨に役割分担を進めているところでした。日常的にはOpusを使い、難しいところだけFableやMythosに上げ下げする。しかもFableには強い安全装置を載せて広く配り、Mythosは制限付きで出す。この切り分けは、能力の話というより運用の話だと思います。モデルが強くなるほど、性能だけではなく“どう配るか”が本体になっていく感じがします。
それと、記事で何度も出てくる「効率」の強調も印象に残りました。単にベンチマークの数字が高いだけではなく、少ないトークンで同等以上の結果を出すとか、コストあたりで上回るとか、そこをかなり押しています。AIモデルの評価ってつい最高点に目が行きがちですが、実際に使う側からすると、速さと費用のほうがずっと効く場面は多いはずです。だからこの発表は、性能向上のニュースというより、「高性能モデルを現実的に使える価格帯に寄せてきた」ことの宣言に見えました。
一方で、読んでいて少し妙な気持ちにもなりました。OSをゼロから作った、3Dデバイスを設計した、ブラックホールの未解決問題を解いた、Fermatの最終定理を30時間で形式化した、という話が一気に並ぶと、どこまでが本当に日常的な能力の伸びで、どこからがデモ向けの最大値なのか、境目がぼやけるんですよね。もちろん実例としては面白い。でも、こういう記事は能力の伸びを示すために最強のエピソードを集めるので、読み手は「実務で毎回これだけ出るのか」は別に考えたほうがいいと思いました。
それでも、以前より「雑に使っても意図をくみ取る」という方向の改善が見えるなら、それはかなり大きいです。モデルが正しい答えを出すこと以上に、曖昧な指示を受けて途中で止まらず、最後まで詰めることのほうが、開発現場では価値があるからです。大げさに言えば、AIの競争が“頭の良さ”から“仕事の粘り強さ”に移ってきたように読めました。そこは素直に面白いと思います。
