AIモデルリリースペース分析：2つのラボが加速、3つは加速せず

2026年6月、Ethan Mollick氏は興味深い観察を発表しました。AIの自己改善がたとえ弱い形でも実在するなら、その能力を持つラボはモデルのリリースペースを加速させるはずであり、持たないラボは遅れをとるはずだというのです。彼はこの現象がAnthropicとOpenAIにすでに見られ、他のラボには見られないと主張しました。そこで筆者は、この主張をデータで検証するため、2023年第1四半期から2026年第2四半期までの主要フロンティアモデルのリリースデータを収集し、グラフ化しました。

累計リリース数は、Anthropicが13、OpenAIが11、Googleが8、Metaが7、DeepSeekが5です。重要なのはリリースペースの傾きです。AnthropicとOpenAIの傾きは右に行くほど急になっていますが、他の3社は横ばいか減少しています。Metaは2025年4月のLlama 4以降フロンティアモデルをリリースしておらず、Googleは2025年はほぼ停滞し2026年第2四半期に挽回しました。DeepSeekは安定した四半期ごとのリリースを維持しており、加速は見られません。

筆者は、ペースが加速する原因として「再帰的自己改善」仮説を提示します。これは、ラボが自社の製品を使って次世代製品を構築するというループです。AnthropicのエンジニアはClaude Codeを使って次期Claudeのトレーニング・評価基盤を書き、OpenAIはCodexを使って自身を改善します。各リリースが次のリリースを生み出すハーネスを向上させるため、次がより早く、より良く出荷されます。ただし、これはモデル内部のオンライン学習ではなく、組織レベルのオフライン再帰であり、「自己改善AI」よりもはるかに弱い主張です。

この再帰解釈を支持する証拠として、計算効率の向上と人材の集中が挙げられます。Tri Dao氏のFlashAttention-4は2026年3月にNVIDIA B200で71%の利用率を達成し、Mamba-3はトレーニング優先から推論優先設計へと転換しました。これにより1サイクルあたりのコストが低下し、四半期あたりのサイクル数が増加します。また、2026年6月19日の週には、Transformerの共著者Noam Shazeer氏がOpenAIに、AlphaFoldの開発者で2024年ノーベル賞受賞者John Jumper氏がAnthropicに移籍しました。最も速く出荷しているラボに人材が流れています。

筆者はこの仮説が反証可能であることを強調します。もし今後2四半期でAnthropicとOpenAIの傾きが平坦化すれば、加速は単なる2026年のアーティファクトだったことになります。もし他のラボが真のオンライン学習（継続的な重み更新）を実現すれば、オフライン再帰のアドバンテージは無意味になります。リリースの定義を変更してポイントリリースを含めれば、全体像は変わります。Metaの停滞は戦略的なものであり、フロンティアモデルのリリースラインが実際の成果を過小評価している可能性もあります。

結論として、このグラフはAIが改善していることや再帰が存在することを証明するものではありません。示しているのは、Mollick氏が述べた通り、2つのラボのリリースペースが加速し、3つが加速していないという、より狭く防御可能な事実です。このギャップがループなのか偶然なのかは、今後2四半期のリリースデータで検証できます。市場関係者にとっては、ループが本物なら、ラボ自体ではなく計算基盤（GPUと電力）が最も直接的な受益者となるでしょうが、これは推測に過ぎません。