何が起きたのか
7月上旬、AI各社の新モデルが出そろった。まずAnthropicが6月30日、中位モデルの最新版「Claude Sonnet 5」を公開した。TechCrunchは同日付で、これを「エージェントを安く動かす手段」と紹介した。計画を立て、ブラウザやターミナルといった道具を使い、自律的に長い作業をこなす。数カ月前なら、より大きく高価なモデルでしか到達できなかった水準である。テスターによれば、以前のモデルなら途中で止まっていた複雑なタスクを最後までやり切り、指示されなくても自分の出力を検証するという。この「自分で検証する」という点は見落とせない。人間が逐一確認しなくても、AIが自らの誤りに気づき、修正する。自律実行を任せるうえで、この自己点検の能力は信頼の土台になる。中位モデルにこの水準が下りてきたことが、価格の安さと並んで注目された理由である。
価格が特徴だ。Sonnet 5は当初、入力100万トークンあたり2ドル、出力100万トークンあたり10ドルに設定された。8月31日まではこの導入価格で、その後は入力3ドル・出力15ドルに上がる。高度なエージェント機能を、通常の業務予算で正当化しやすい水準まで下げた点が注目されている。
トークンあたりの単価は、企業にとって「AIを何回動かせるか」を左右する。エージェントは、一つの仕事を終えるまでに何度も推論を繰り返す。計画を立て、道具を使い、結果を確かめ、必要なら手直しをする。この試行錯誤のたびにトークンを消費する。したがって、単価が半分になれば、同じ予算で二倍の作業をこなせる。単発の会話なら価格差は小さく見えるが、自律的に長い作業を回すエージェントでは、単価の差が総コストに大きく効く。Sonnet 5の価格設定が注目されるのは、この「積み上がるコスト」を企業が計算できる水準まで下げたからだ。実験段階では気にされなかった単価が、本格運用の段になって初めて重みを持つ。
OpenAIも動いた。GPT-5.6のSol、Terra、Lunaの各モデルが7月9日に公開された。米政府の承認を経ての一般提供である。GPT-5.6 Solは同社として最も自律性の高いモデルとされ、作業を複数のサブエージェントに分割し、長時間の自律作業を任せられる。
「サブエージェントへの分割」という発想は、エージェントの設計思想を象徴する。一つの巨大なモデルにすべてを任せるのではなく、作業を小さな役割に切り分け、それぞれを担当する子エージェントに割り振る。ある子は情報を集め、別の子は文章を書き、また別の子が結果を検証する。人間の組織が分業で仕事を進めるのに近い。この構造をとれば、長く複雑な仕事も、途中で破綻せずに進めやすい。各社が競っているのは、単体の賢さだけでなく、こうした複数のエージェントを束ねて動かす仕組みそのものである。モデルの性能と、それを運用する枠組みの両方が、勝敗を分ける要素になっている。
Googleは7月17日に「Gemini 3.5 Pro」を投入する見通しだ。当初は6月の予定だったが延期された。既存の2.5 Proの基盤を捨て、ゼロから事前学習をやり直したためである。数学的推論や画像生成の弱点を埋める狙いがあるとされ、200万トークンの文脈window、複雑な問題向けの「Deep Think」推論層などが伝えられている。ただし、これらの仕様や発売日はいずれも第三者報道や匿名情報に基づくもので、Googleの公式発表ではない。ここは慎重に扱う必要がある。
基盤をゼロから作り直すという判断は、それ自体が大きな賭けである。既存モデルを改良して積み増すほうが、時間もコストも抑えられる。にもかかわらず土台から組み直すのは、小手先の改良では追いつけないと判断したからだ。事前学習のやり直しには、膨大な計算資源と時間が要る。発売が延期されたのも、この作り直しの規模を考えれば無理はない。Googleは検索とクラウドで巨大な事業を持ち、AIでも先頭集団にいたはずだった。その企業が土台の再構築に踏み切ったこと自体が、競争の激しさを物語る。もっとも、公式発表の前にリークされた仕様を鵜呑みにするのは危うい。200万トークンという文脈の広さも、実際の性能で裏づけられて初めて意味を持つ。誇大な数字が独り歩きしやすいのが、この分野の常でもある。
背景：これまでの経緯
2024年が「チャットボットの年」だったとすれば、2026年は「エージェントの年」だと複数の分析が指摘する。チャットボットは質問に答える存在だった。エージェントは違う。複数の手順からなるタスクを自分で計画し、ブラウザやAPIといった道具を使い、人間の介入を最小限にして目標に向かって行動する。この「自分で動く」という性質が、今回の競争の軸である。
違いは、たとえば「経費精算を手伝って」という指示への応じ方に表れる。チャットボットなら、精算の手順を説明する。エージェントは、実際に社内システムにアクセスし、領収書を読み取り、勘定科目を判定し、申請フォームに入力する。人間は最後に確認するだけでよい。説明する存在から、実行する存在へ。この差は、AIが業務に組み込まれる度合いを根本から変える。指示を一度出せば、あとは自分で最後まで進める。その分、任せる側は結果への責任と、途中の検証をどう設計するかという新しい課題を負う。
エージェント機能は、いまや基盤モデル各社にとって必須の条件になった。性能で他社を引き離すだけでなく、企業が実務で使えるかどうかが勝負を分ける。ここで効いてくるのが価格と提供チャネルだ。AnthropicのSonnet 5は、マイクロソフトのAIプラットフォーム「Microsoft Foundry」で7月1日に一般提供が始まり、Amazon Web Servicesでも7月6日に利用可能になった。クラウド大手の基盤に乗ることで、企業は既存の環境からエージェントを呼び出せる。
導入の成果も出始めている。世界最大の自動車サービス企業Cox Automotiveは、販売店のCRMにClaudeを組み込んだ。エージェントが顧客対応を担った結果、見込み客への反応や試乗予約が2倍以上に増えたという。AIが実務の数字を動かす事例が、現場から報告されるようになった。
この事例が示すのは、エージェントの価値が「単体の性能」ではなく「業務への組み込み方」で決まるという点だ。Cox Automotiveは、AIを既存のCRMという業務の中心に据えた。顧客の問い合わせに即座に反応し、試乗の予約まで自動でつなぐ。人間の営業担当が対応しきれない時間帯や量を、エージェントが埋めた。反応と予約が二倍に増えたのは、AIが速く動いたからだけではない。取りこぼしていた見込み客を拾えるようになったからだ。技術の性能そのものより、それを業務のどこに置くかが成果を左右する。この教訓は、AIを導入するあらゆる企業に当てはまる。
市場の勢力図もはっきりしてきた。複数の採用指標では、OpenAIのChatGPTが現在の市場リーダーとされる。マイクロソフトとGoogleがそれを追い、成長を続ける。Anthropicは専門領域で急速に存在感を高める挑戦者と位置づけられている。上位モデルの投入ラッシュは、この序列をめぐる各社の攻防でもある。もっとも、この序列は固定的ではない。エージェントという新しい競争軸が加わったことで、これまでの優位が覆る可能性もある。会話の精度で先行した企業が、自律実行でも勝てるとは限らない。むしろ、業務への組み込みやすさや価格の設計といった、これまで注目されなかった要素が順位を入れ替えうる。挑戦者にとっては、勢力図を塗り替える好機でもある。各社が最上位モデルを立て続けに投入する背景には、この過渡期にどれだけ地歩を固められるかという焦りがある。
競争はソフトウェアの外にも広がる。自律実行が増えれば、推論のための計算需要が膨らむ。Metaは自社設計のAIチップの量産にゴーサインを出し、OpenAIは推論向けの独自チップ「Jalapeño」を明らかにした。モデル、クラウド、そして半導体まで、垂直に統合しようとする動きが加速している。
エージェントの普及が計算需要を押し上げる理由は、その動き方にある。一問一答なら推論は一度で済む。だがエージェントは、一つの仕事のために推論を何十回も繰り返す。計画、実行、検証、修正。この反復が、サーバーの負荷を何倍にも膨らませる。利用者が増えれば増えるほど、必要な計算資源は加速度的に伸びる。各社が独自チップの開発に走るのは、汎用チップを買い続けるコストと供給の制約から抜け出すためだ。自前のチップを持てば、推論のコストを下げ、供給を安定させ、設計をモデルに最適化できる。AIの競争は、いまやモデルの賢さだけでなく、それを動かすハードウェアをどれだけ効率よく調達できるかという、産業構造の競争へと広がっている。
世界トップメディアの見立て
TechCrunchは6月30日付で、Claude Sonnet 5を「エージェントを安く動かす手段」と評した。同記事は、エージェント機能を出荷することが基盤モデル各社にとって当たり前になったと指摘し、Anthropicがその流れのなかで中位モデルを強化したと分析している。そのうえで「Anthropicは、高性能なエージェントAIを通常の企業予算で正当化しやすくした。次の企業導入の波では、絶対的な最先端争いに勝つ者よりも、この点のほうが重要かもしれない」と論じた。フロンティアの性能競争と、企業への普及は別の勝負だという見立てである。
企業向けの分析（IntuitionLabs、2026年）は、Claude、ChatGPT、Copilot、Geminiを比較し、それぞれが得意領域を持つと整理した。単一の勝者がすべてを取るのではなく、用途ごとに使い分けが進むという見方だ。あるモデルはコード生成に強く、別のモデルは文書作成や表計算との連携に優れる。企業は一つのモデルに絞るのではなく、業務ごとに最適なものを選び分ける。この「使い分け」の時代には、モデル間の連携や乗り換えのしやすさも、選定の基準になる。特定の一社に業務を丸ごと預ける危うさを、企業は学びつつある。
Gemini 3.5 Proについては、TechTimesが7月13日付で「あらゆる仕様が未確認のまま7月17日を狙う」と報じ、リークされた性能や発売日を鵜呑みにしないよう促した。Googleが基盤モデルをゼロから作り直した判断は、競争のなかで性能の遅れを取り戻すための戦略的な一手だとする分析（HackerNoon、7月）もある。各社の論調に共通するのは、モデルの絶対性能よりも、価格・提供チャネル・実務での使い勝手が勝敗を分けるという認識である。
この見立ての背後には、AI市場が「実験期」から「実装期」へ移ったという認識がある。数年前は、最先端の性能を示すこと自体が競争の中心だった。ベンチマークの数値が話題を呼び、投資を集めた。だがいまは、その性能を企業が実際の業務でどう使えるかが問われている。いくら賢くても、価格が高ければ日常業務では回せない。クラウド基盤に乗っていなければ、既存の環境から呼び出せない。使い勝手が悪ければ、現場に定着しない。性能・価格・提供チャネル・使い勝手。この四つがそろって初めて、AIは実務の道具になる。各社の報道が口をそろえるのは、この現実的な視点である。フロンティアの華やかな性能競争と、企業への地道な普及は、別の勝負として動いている。
数字で見る
| モデル | 提供元 | 公開・予定 | 特徴 |
|---|---|---|---|
| Claude Sonnet 5 | Anthropic | 6月30日 | 自律実行に強い中位モデル。導入価格は入力2ドル/出力10ドル（100万トークン、8月31日まで） |
| GPT-5.6（Sol/Terra/Luna） | OpenAI | 7月9日 | サブエージェントで長時間の自律作業に対応 |
| Gemini 3.5 Pro | 7月17日（見通し） | 基盤をゼロから再構築。200万トークンの文脈window（いずれも未確認） | |
| Cox Automotive導入効果 | 事例 | — | 見込み客の反応・試乗予約が2倍以上 |
| 独自チップ | Meta / OpenAI | — | Metaが自社AIチップ量産、OpenAIが推論向け「Jalapeño」 |
日本への影響・示唆
第一に、AI導入の判断基準が変わる。これまで高価なフロンティアモデルでしか動かせなかった自律実行が、通常の業務予算で回せる価格帯に下りてきた。日本企業にとって、AIエージェントの導入は「実験」から「投資判断」の段階へ移る。どの業務を自動化すれば費用対効果が合うのか、具体的に計算できるようになった。稟議の場で「まず試してみる」と言うだけでは通らない。どの業務に、いくらの費用で、どれだけの効果が見込めるか。数字で示すことが求められる。価格が下がったことで、その計算の前提が整った。導入をためらってきた企業ほど、いま判断を迫られる。
第二に、業務プロセスの再設計が必要になる。エージェントは、人間の作業を一部肩代わりするだけでなく、複数の手順をまたいで動く。CRM、社内システム、外部APIをどうつなぐか。エージェントに何を任せ、どこで人間が確認するか。この設計ができる企業とできない企業で、成果の差が広がる。Cox Automotiveの事例は、業務に深く組み込んで初めて数字が動くことを示している。逆に言えば、AIを既存の業務の脇に置いただけでは、効果は限られる。日本企業の多くは、長年かけて磨いた業務手順を持つ。その手順にエージェントをどう溶け込ませるか。あるいは、手順そのものをAIに合わせて組み直すか。ここで問われるのは、技術力よりも業務を再設計する構想力である。ツールを入れることと、成果を出すことのあいだには、深い溝がある。
第三に、供給網の視点だ。自律実行の普及は、推論用の計算需要を押し上げる。半導体、サーバー、電源、冷却といったインフラの需要が膨らむ。日本の装置・部品・素材メーカーには追い風になる。AIの主役はモデルだが、その足元を支えるハードウェアの層で、日本企業が果たせる役割は大きい。半導体製造装置、検査装置、高純度材料、冷却技術。これらの分野で日本企業は高い世界シェアを持つ。エージェントが普及して計算需要が膨らむほど、この裾野の需要も膨らむ。モデル開発の最前線で米国勢と競うのは難しくても、それを支えるインフラの層でなら、日本には確かな強みがある。AIの覇権争いの陰で、その土台を支える産業の存在感は、むしろ高まっていく。
第四に、特定企業への依存というリスクだ。エージェントを業務の中心に据えれば据えるほど、そのモデルを提供する企業への依存が深まる。価格が上がっても、仕様が変わっても、簡単には乗り換えられない。Sonnet 5の価格が9月以降に引き上げられる予定であることは、この危うさを象徴している。導入価格で普及を促し、定着したところで単価を上げる。利用者は、いったん業務に組み込んだシステムを、単価が上がったからといって捨てるわけにはいかない。日本企業は、複数のモデルを使い分ける柔軟性や、乗り換えのしやすさを、導入の設計段階から考えておく必要がある。利便性と引き換えに、身動きの取れない依存を抱え込まないための備えである。
今後の見通し
注目点は三つある。第一に、Gemini 3.5 Proの実力だ。ゼロからの再構築が奏功すれば、GoogleはOpenAI・Anthropicとの差を縮められる。7月17日以降、公式の仕様と性能が明らかになれば、勢力図は動きうる。逆に、期待されたほどの性能でなければ、ゼロからの作り直しという賭けの代償は大きい。発売の遅れが、その難しさをすでに示している。第二に、価格競争の行方である。各社が導入価格を下げれば普及は進むが、収益との両立が課題になる。安さと持続性のどちらを取るかで、各社の戦略が分かれる。導入価格で市場を取り、あとで単価を上げる戦略は、利用者の反発を招く恐れもある。安さは普及の武器だが、値上げのたびに信頼が試される。第三に、実務での定着だ。エージェントが本当に業務の数字を動かすのか。試験導入から本格運用へ移る企業がどれだけ増えるかが、「エージェントの年」の実質を決める。派手な発表が続いても、現場で使われなければ意味はない。定着の数こそが、この年の成果を測る物差しになる。
加えて、規制と責任の所在も見過ごせない。エージェントが自律的に業務を進めるほど、間違いが起きたときに誰が責任を負うのかという問いが重くなる。人間が一つ一つ確認していた作業を、AIが一気に処理する。効率は上がるが、検証の目が届きにくくなる。金融や医療、法務のように、誤りが大きな影響を及ぼす分野では、どこまで自律を許すかの線引きが問われる。各国の規制当局も、この問題に目を向け始めている。自律実行の普及は、技術だけでなく、それを社会がどう受け止め、どう律するかという課題も連れてくる。
モデルの性能は、もはや競争の一部にすぎない。価格、提供チャネル、そして業務への組み込み。この三つがそろって初めて、AIは実務の道具になる。
7月17日のGemini 3.5 Pro、そしてその後に続くであろう各社の反応。この夏の攻防が、エージェント時代の勢力図の輪郭を描く。ただし、勝敗を決めるのは発表会の華やかさではない。企業の現場で、どれだけ静かに使われ続けるか。その積み重ねが、本当の意味での勝者を選ぶ。
性能の競争から、普及の競争へ。2026年のAIは、使える価格で自律実行を届けられるかどうかで勝敗が決まる。
