4社が同じ月にたどり着いた2つの答え — effortダイヤルとサイバー能力の分かれ道

2026年7月に4社が投入した新モデルを一通り見ていくと、個別の性能競争とは別の層が見えてきます。設計思想の話です。

ひとつは、同じモデルにどれだけ考えさせるかを利用者に決めさせるという構造。もうひとつは、セキュリティ能力の扱いをめぐって3通りの正反対の判断が並んだという事実です。前者は4社が申し合わせたように同じ方向へ収束し、後者は真っ二つに割れました。

この記事では、その2つの潮流を横断で整理します。個々のモデルの優劣ではなく、業界全体がどこへ向かい、その結果として利用者が何を引き受けることになったのかを扱います。

同じ月に、同じ設計へ収束した

まず1つ目の潮流です。7月に出た4社のモデルは、実装の形こそ違え、すべて同じ性質を持っています。モデルを選んだあとに、さらに「どれだけ考えさせるか」を選ぶという二段構えです。

従来のモデル選びは一次元でした。予算の許す範囲で上位のものを使う。判断はそれだけで済みました。いまは違います。モデルを決めた時点では設定の半分しか決まっておらず、残りの半分は使う側が毎回決めることになります。

この変化が同じ月に4社から同時に出てきたことには理由があります。推論に時間をかければ品質は上がるが、費用と待ち時間も増える。この関係が明確になった以上、どこで折り合いを付けるかは用途ごとに違い、開発元が一律に決めるべきものではなくなりました。判断を利用者に渡すのが合理的、という結論に各社が独立に到達したと考えるのが自然でしょう。

各社が用意したダイヤルの実装

実装の形は4社で異なります。

Anthropic はパラメータ方式です。Claude Opus 5 は low・medium・high・xhigh・max の5段階を持ち、既定は high です。同じモデル名のまま、リクエストごとに深さを変えられます。加えて Opus 5 では思考が既定でオンになり、無効化できるのは high 以下という制約も付きました。

Moonshot も同じくパラメータ方式で、Kimi K3 は low・high・max の3段階を持ちます。こちらの既定は max です。

OpenAI は階層方式を採りました。GPT-5.6 は Luna・Terra・Sol という3つのモデルとして提供され、利用者はモデル名そのものを選びます。さらに Sol の内部にも深さの指定があるため、実質的には階層とパラメータの二重構造です。

Google も階層方式で、Flash と Flash-Lite という軽量側の刻みでこれを表現しています。

パラメータ方式と階層方式では、利用者から見た手触りが違います。パラメータ方式なら、コードのモデル名を変えずに effort の値だけを差し替えられます。設定を1箇所にまとめておけば、あとから一括で調整するのも容易です。階層方式なら、呼び出し先そのものが変わるので、切り替えが明示的になる代わりに、複数の階層を混ぜる設計は自分で組む必要があります。どちらが優れているという話ではなく、既存の実装との相性で選ぶことになります。

呼び方も社によって違います。Anthropic は effort、Moonshot は推論の努力度を指す名前のパラメータ、OpenAI と Google はモデル名そのもの。用語が統一されていないため、複数社を併用していると対応関係を頭の中で変換する手間が生じます。実装を跨いで使うなら、自社側で「深い・普通・浅い」といった共通の呼び名を決め、各社の設定値に対応付けておくと混乱が減ります。

ダイヤルがどれだけ効くのか — 実測で見る

「設定で変わる」と言われても、どれくらい変わるのかがわからなければ判断できません。独立した測定機関の実測を2つ挙げます。

ひとつめ。Artificial Analysis が Claude Opus 5 を測った結果では、GDPval-AA v2 という指標において、effort の違いだけで Elo が407ポイント動き、出力トークン量は low から max まで約8倍の開きが出ました。同じモデルの同じ質問に対して、設定ひとつで結果も費用もこれだけ変わります。

ふたつめ。同機関が GPT-5.6 の3階層を測った結果では、総合指数が Luna 52・Terra 55・Sol 61（2026年8月時点）、1タスクあたりの費用が7月30日の値下げ前の実測で 0.21ドル・0.55ドル・1.04ドルでした。ここまでは順当ですが、コーディングに絞った指標では 75・77・80 と差が縮みます。Luna は Sol の約94パーセントの成績を、約20パーセントの費用で出していることになります（値下げ後の単価では、費用の差はさらに開きます）。

この2つの実測が示すのは、設定の幅が非常に大きく、しかも用途によって最適点が動くということです。難問への正答率が問われる場面では深さが素直に効きますが、道具立てに支えられた反復作業では効きが鈍る。同じダイヤルでも、回す価値のある場面とない場面があります。

さらに厄介なことに、effort を上げ続ければ結果が良くなるとも限りません。Artificial Analysis は Claude Opus 5 について、高い設定と最高設定の間の領域でむしろ費用対効果が良くなる場合があると報告しています。最高設定は必ずしも最良の選択ではなく、その一段二段下に効率の良い帯があるという指摘です。上限に張り付けておけば安心、という直感は成り立ちません。個別モデルでの検証結果はClaude Opus 5は何が変わったのか (2026-08-11 公開)に詳しくまとめています。

責任が利用者に移ったということ

ここまでは機能の話でした。含意のほうが重要です。

ダイヤルが渡されたということは、設定の失敗も利用者の責任になったということです。しかもこの失敗は、両方向に静かに起こります。

深くしすぎた場合、請求が膨らみます。8倍のトークンを燃やしても、エラーは出ません。月末の請求書を見て初めて気づくか、あるいは気づかないまま払い続けます。

浅くしすぎた場合、品質が落ちます。これもエラーにはなりません。もっともらしい答えが返ってくるので、それが浅い検討の結果であることは、受け取った側からは見えません。

つまりどちらの失敗も、システムは教えてくれない。従来は「上位モデルを選べば安心」という一次元の判断で済んでいたものが、タスクごとの見極めを要する作業に変わりました。

実務的な対処は単純です。頻出するタスクを3つか4つ選び、それぞれに effort を割り当てて固定してしまう。毎回ゼロから考えるより、決め打ちの表を作って例外だけ判断するほうが、ばらつきも手間も減ります。組織で使うならその表を共有すれば、メンバー間の判断の差も縮まります。

もうひとつ有効なのが、支払額を定期的に見ることです。深すぎる設定の失敗は請求書にしか現れません。逆に言えば、月に一度でも内訳を眺める習慣があれば検出できます。どの処理がトークンを食っているかがわかれば、そこだけ設定を落とす、という具体的な改善につながります。設定を決めることと、決めた設定が妥当だったか後から確かめること。この2つを合わせて初めて、ダイヤルを渡された意味が出てきます。個々のモデルでの使い分けの考え方はClaude Opus 4.8を選ぶ理由はまだあるか (2026-07-30 公開)で扱った枠組みが土台になります。

もうひとつの潮流 — サイバー能力への3通りの答え

2つ目の潮流は、収束ではなく分裂です。

モデルの能力が上がると、セキュリティ分野の作業もこなせるようになります。脆弱性を見つける、コードの弱点を指摘する、防御側の設計を助ける。同時に、その能力は悪用もされうる。この両義性にどう向き合うかで、3社の判断がはっきり分かれました。

以下では各社の位置づけを紹介しますが、能力の技術的な中身や、扱える脆弱性の具体には立ち入りません。利用者にとって意味があるのは「自分の依頼が通るかどうか」という一点だからです。

「特化して売る」— OpenAIの選択

OpenAI は能力を前面に出しました。GPT-5.6 Sol を、同社自身の言葉で「これまでで最も強力なサイバーセキュリティモデル」と位置づけ、想定用途に防御的な活動を挙げています。

そして提供の仕方も開放的です。Sol は3階層のひとつとして API から呼び出せ、待機リストもありません。企業業務・コーディング・科学研究と並ぶ主要な用途のひとつとして、セキュリティが掲げられている形です。

「相手を選んで出す」— Googleの選択

Google は3つ目の道を採りました。Gemini 3.5 Flash Cyber という専用モデルを作り、脆弱性の発見と修正に特化してファインチューンしています。より大きなモデルより低いトークン単価で実現する、というのが同社の説明です。

ただし提供先を絞りました。このモデルは CodeMender という経路を通じて、政府および信頼できるパートナーに限定され、限定アクセスのパイロットプログラムとして提供される予定とされています。一般の開発者が API から呼べるモデルではありません。

能力は作る。ただし渡す相手を選ぶ。開放と非提供の中間にあたる判断です。

「出さずに拒否する」— Anthropicの選択

Anthropic は逆方向に振りました。Claude Fable 5 と Claude Opus 5 では、該当領域に踏み込む依頼に対して安全分類器が作動し、応答を拒否する設計になっています。

ただしこれは一枚岩ではありません。Fable 5 で分類器が過剰に作動し、正当な作業まで弾かれるという問題が報告されていました。Opus 5 ではその反省が反映されており、同社によれば分類器の作動頻度は Fable 5 と比べて85パーセント少ないとされています。

さらに Automatic Fallbacks というベータ機能が加わりました。分類器が作動した場合にエラーを返すのではなく、より制約の緩い下位モデルへ自動的に振り分けて応答を返す仕組みです。拒否そのものを減らし、それでも起きたときの受け皿を用意するという二段構えになっています。

3社の判断を並べると、「特化して売る」「相手を選んで出す」「出さずに拒否する」という3通りが、同じ19日間のうちに出揃ったことになります。どれが正しいかを論じるのはこの記事の役目ではありません。重要なのは、選ぶモデルによって通る依頼が違うという現実のほうです。

この分裂は、深度制御の収束とは対照的です。効率と品質の折り合いをどこで付けるかは、用途ごとに違うから利用者に委ねる、という結論に各社が揃って到達しました。一方で、能力をどこまで渡すかという問いには、共通の答えが出ていません。前者は技術的な最適化の問題であるのに対し、後者は各社が何を守りたいかという価値判断を含むからでしょう。判断が割れること自体は不自然ではなく、むしろ収束していたほうが不気味です。7月の全体像は2026年7月、AIモデルが一斉に動いた (2026-08-10 公開)に時系列で整理してあります。

拒否に当たったときの実務

セキュリティに直接関係のない作業でも、分類器が誤って作動することはあります。実装する側が押さえておくべき点を整理します。

まず、拒否は通信エラーとしては返ってきません。HTTP の応答自体は正常に返り、その中の状態を示す項目に「拒否」という値が入る形です。つまり応答本文を無条件に読み出すコードは、この場合に壊れます。中身が空、あるいは途中までしかないためです。実装では、本文を読む前に状態を確認する分岐が要ります。

次に、拒否されたときにどうするかを決めておく必要があります。選択肢は3つあります。エラーとして利用者に返す、別のモデルで再実行する、人間の判断に回す。処理の性質によって適切な選択は変わりますが、何も決めていないと処理が黙って止まるという最悪の状態になります。

Anthropic の場合、別モデルでの再実行はサーバー側の機能として用意されており、設定ひとつで有効にできます。自前でエラー処理を書く必要はありません。この種の備え方をより広い文脈で整理したものはAIへの依存リスクが現実になった日 (2026-07-29 公開)にあります。

なお、拒否を迂回する方法についてはここでは扱いません。安全機構を回避する話ではなく、拒否が起きても業務を止めない設計の話をしています。両者は似て見えますが、目的がまったく違います。前者は仕組みの判断を無効化しようとする試みであり、後者は仕組みの判断を受け入れたうえで後続の処理を守る設計です。取り組むべきは後者だけです。

規制という、性能とは別の変数

3つ目に、技術以外の要因にも触れておきます。7月には、規制が可用性を左右した例が複数含まれていました。

GPT-5.6 は6月26日に信頼できるパートナー限定で先行公開され、一般公開は7月9日でした。TechCrunch の報道によれば、米政権が6月にロールアウトの制限を求めており、悪用への懸念が理由とされています。Gemini 3.5 Flash Cyber の提供先が政府と限られたパートナーに絞られたことも、同じ文脈で理解できます。

ここから引き出せる実務的な教訓は、あるモデルが使えるかどうかは性能だけでは決まらないということです。技術的に優れていても、規制や提供方針で手が届かない期間が生じます。特定のモデルに業務を密結合させると、その事情が自分の業務に直接跳ね返ってきます。

なお、政策の是非やその背景については踏み込みません。報道された事実として、可用性に影響が出た例があった、という範囲に留めます。

メイカーの実務にどう効くか

小規模な設計や3Dプリントの現場では、この2つの潮流はどう効くでしょうか。

深度制御については、効くのは間違いなく請求額のほうです。パラメトリックな筐体のコードで壁厚の変数をひとつ変えるだけの依頼に最高深度を使うのは、実測で言えば8倍のトークンを燃やす行為です。逆に、締結柱と基板の干渉を導出式まで遡って検算させるような作業では、深さを上げる価値があります。この線引きを一度決めて表にしておけば、以後の判断は機械的に済みます。

境界の引き方のこつは、作業の種類ではなく間違えたときに何を失うかで分けることです。写真の仕分けを1件取りこぼしても、後から目視で拾えます。しかし寸法をひとつ誤れば、印刷して初めて発覚し、材料と時間の両方が消えます。前者は浅く、後者は深く。この基準ならモデルの世代が入れ替わっても使い続けられます。

拒否のほうは、正直なところ設計作業で遭遇する頻度は高くありません。ただしゼロではない。工具や機械の安全機構について尋ねる、あるいは電気を扱う筐体の設計で保護回路の話に踏み込む。こうした場面で分類器が反応する可能性はあります。趣味の作業なら質問を言い換えれば済みますが、業務の処理に組み込んでいるなら、止まったときの経路を用意しておくべきです。

規制については、個人の作業で直接影響を受ける場面は限られます。ただし、ひとつのモデルに手順や台帳を最適化しすぎると、そのモデルが使えなくなったときの移行コストが大きくなります。プロンプトや前置き資料は特定のモデルに依存しない形で残しておく。この一点だけ意識しておけば、大半のリスクは吸収できます。工程全体でのAIの位置づけはAI 3D設計 完全ガイド 2026 (2026-07-19 公開)にまとめてあります。

まとめ — 19日間が確定させた2つの前提

7月の19日間が確定させたのは、次の2つの前提です。

第一に、知能の量は利用者が決めるものになりました。4社が実装の形こそ違え同じ構造を採り、実測では設定だけで Elo が407ポイント、トークン量が8倍動きます。この幅を放置するのは、性能を買っているのではなく判断を省いた代金を払っているのに近い。頻出タスクに設定を割り当てて固定する、という一手間が請求額に直結します。

第二に、モデルによって通る依頼が違うという状態が常態化しました。セキュリティ能力への判断が3通りに分かれた結果、同じ質問が一方では通り他方では拒否されます。業務に組み込むなら、止まったときの経路を先に決めておく必要があります。

そして両方に共通する含意があります。7月に増えたのは性能だけでなく、利用者が決めるべきことの数でした。モデルが賢くなるほど、それを使う側の設計が結果を分けます。数字を追いかけるより、自分の頻出タスクに設定を割り当てるほうが、たぶん先に効きます。

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】

swiftwand

X

AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.