オープンモデルとクローズドモデルは異なる指数関数的成長曲線にある（8 分読）
この記事は、コーディングエージェントの台頭により、ユーザーが最上位クローズドモデルに高価格を支払う傾向が強まる一方で、APIビジネスモデルの衰退と供給制限が始まるという、AI エコシステムの経済的転換点を予測している。
キーポイント
コーディングエージェントによる価値の再定義
Opus 4.5 や Codex 5.2 を超えるモデルでは、複雑な知識労働における生産性向上が明確になり、ユーザーは「十分」ではなく「最良」のために高額を支払うようになる。
クローズドモデルの API 供給制限戦略
主要ラボはトークン供給の保護やモデルの蒸留（distillation）回避のため、最上位モデルを API で公開するタイミングを遅らせ、高収益用途に限定する方針へ転換する。
短期的な市場動向と長期的な分岐
近未来は計算資源の不足とトークンの大量補助金により価格が支配されるが、5-10 年スパンではクローズドとオープンモデルの経済的軌道が明確に乖離する。
重要な引用
The largest debate that'll define the future balance of power between the open and closed AI model ecosystems is primarily economic
People are not making this switch because they are lazy, but because their net output is obviously higher when using an agent as an implementation aid for complex knowledge work.
These labs will realize they need to protect their best models, rolling them out later in APIs to both protect token supply, avoid distillation, and stick to use-cases with higher margins.
影響分析・編集コメントを表示
影響分析
この記事は、AI モデル開発における「品質対価格」のバランスが根本的に変化し、クローズドモデルがニッチかつ高収益領域に特化することで、従来の API ベースのビジネスモデルが衰退する可能性を示唆しています。業界全体として、計算資源の制約下での戦略的配分と、エンドユーザーの行動変容が市場構造を再定義する重要な指針となります。
編集コメント
クローズドモデルの「高価格・高性能」戦略と、API ビジネスの縮小という逆説的な動きは、今後の AI 業界の収益構造を大きく変える重要なシグナルです。開発者や投資家は、単なる性能比較だけでなく、供給制限やエコシステムの分岐点を意識した戦略が必要です。
オープンとクローズドの AI モデル生態系間の将来の権力バランスを定義する最大の議論は、主に経済的なものです。つまり、AI ユーザーがトップクラスのクローズドモデルに対して、依然として大幅に高い価格（すなわち大きな利益率）を支払うのかという点です。2026 年初頭は AI 業界にとって画期的な時期となります。コード生成エージェント1 が、AI 市場の巨大な領域において、より優れた知能に対して依然として substantial なプレミアム（追加料金）が支払われる最初の兆候を示したからです。
この二項対立のもう一方は、これらの研究所における API ビジネスの不可避的な衰退です。これらの研究所は、自社の最良モデルを保護する必要があると認識し、トークン供給の保護や蒸留（distillation）の回避、そしてより高い利益率を持つユースケースへの集中のために、API での公開を後回しにするようになります。これらすべての影響は、5〜10 年という時間軸において明確に視認可能となりますが、近隣市場においては、価格、利益率、需要は、計算資源の急速な整備（短期的には供給制約がある）と、新たな AI 企業への継続的な投資を通じたトークンの大量補助によって決定されます。
この議論の核心は、Opus 4.5 および Codex 5.2 の閾値を超えたコーディングエージェント（coding agents）に伴って生じている明白な習慣の変化にあります。人々がこれに切り替えるのは怠惰だからではなく、複雑な知識労働における実装支援としてエージェントを利用した方が、ネットでのアウトプットが明らかに高くなるからです。コーディングエージェントに依存して仕事をする人々は、常に最良のものにより多くを支払う傾向があり、「まあまあのもの」で妥協することはありません。製品の改善にはスピード、知能、専門モデルなど、無数の方法があります。
私は今日でも月額 2000 ドルを払ってでもこれらのツールを利用したいと考えています。特に、これらがさらに大幅に向上することを承知の上でのことです。同時に、多くの企業が現在の形ではほとんど恩恵を受けられない人々にエージェントやその利用を強いている可能性が高く、これが AI の構築（あるいはバブル）の継続につながっていると考えられます。
現在、最も優れたクローズド型ラボとは、Anthropic と OpenAI のことですが、Google も追いつくと予想するのは妥当です。これらのラボは、特定の費用対効果において、知能を最大化する最も効率的なモデルを作り続けます。モデル構築は、人材、データ、計算資源（compute）に対する巨額の資本投資です。これらのシステムは、モデルの重み、ハネス（harnesses）、ツール、およびサービングインフラストラクチャの組み合わせであり、統合における莫大なリターンをもたらします（オープンモデルが多様なサービング状況で動作するように設計されているのとは対照的です）。これらの統合による恩恵、すなわちハードウェアと新しいソフトウェア形態の統合は、モデルをより良くするあらゆる可能な方法において表現することができます。
近い将来のモデルはベンチマークスコアで頭打ちになるかもしれませんが、その知能の天井が実用性の上限であるならば、ラボは秒間あたりの実用性やワットあたりの実用性を最適化し、別の形でユーザーにサービスを提供するでしょう。モデルの改善はあらゆる方向で行うことが可能であり、進歩の壁はまだ存在しません。私たちは知能の大規模な構築の初期段階にあり、これには物理世界を活用して多数のデータセンターを建設すること、多くの AI 研究者を組織化して大規模チームが一つのモデルに貢献できるようにすること、そしてもちろんパフォーマンスを引き出すための多くの小さな低レベルのパズルを解決することが含まれます。まだ意味のあるパフォーマンスを引き出せる余地があるというあらゆる兆候があり、クローズドなラボはそれを抽出するのに最も適した体制を持っています。
各ラボの集合知では、絶対的な知能の最前線においてモデルをより賢くすることが最大の価値を持つとされています。これは私にとって正しい判断です。なぜなら、これにより新たな大規模市場が開かれるからです。一定の知能レベルでモデルを最適化することは市場を固定化し、時間とともにアクセシビリティを拡大し、ユーザーへの投資対効果を高める（一方で知能の販売における利益率は低下する可能性があります）。
多くの人が、モデルはさらに良くなり、これらのハルネス内でうまく機能するように学習していくという賭けをしています。一部のワークフローはまだ少しぎこちないものの、これは正しい賭けです。こうした人々は、利用可能な最も優れたモデルを継続して使い続けます。消費者が iPhone を購入するのと同じことです。Android を選んで節約のために多くの小さな怪我（ペーパーカット）に耐えることもできますが、なぜそうする必要があるのでしょうか？職場におけるパフォーマンスへのリターンはさらに高く、それが価格決定力へと繋がります。
この思考モデルにおいて、フロンティア・ラボ（最先端研究機関）を企業として捉えると、それらは Apple と Microsoft の混合体が再考された新しい形態のように見えるでしょう。Apple 側の側面とは、統合され極めて複製が困難な技術を販売していることです。Microsoft 側の側面とは、経済全体にわたって高いレバレッジを持つサブスクリプションを提供することです。5〜10 年後には、OpenAI と Anthropic の両社が 2 兆ドルから 10 兆ドルの範囲で評価されると予想しています。真のフロンティア・ラボは、今日のクラウド市場のような寡占状態になるでしょう。
この方程式のもう一方の側には、オープンモデル経済があります。これは、フロンティア・ラボが AI 利用のすべての側面を支配すると言っているわけではありません。確かに、OpenAI と Anthropic は AI ブームを象徴する最も代表的な企業になると予想しています（もちろん Nvidia のような新会社も含まれますが）、オープンモデルを取り巻く集約的な価値獲得は全体としてはるかに大きくなるでしょう。ただし、収益と利益率は広範な企業のスタックにわたって共有されることになります。
多くの企業がオープンモデルへ移行したいと考えていますが、現在のモデルは分布外タスクにおいてまだ十分ではありません。最終的には、オープンモデルの構築者は Artificial Analysis インデックス上で Claude や GPT を追いかけるのをやめ、このニッチを埋めることになるでしょう。この分岐は経済的要因によって駆動される可能性があります。つまり、モデルのスケールアップを継続するための増大する研究開発費を支えるための収益がもはや得られなくなる状況です。あるいは、純粋な需要によって駆動されることもあり、特定の AI ソリューションはオープンモデルに存在する低価格帯でなければ成立しないというケースです。クローズド・ラボが寡占状態であるのに対し、オープンモデルの構築者とユーザーははるかに多様で数も多くなります。市場全体の価値は、OpenAI と Anthropic の累積価値を劇的に上回るでしょう。
オープンモデルは本質的に統合されていないため、それらを提供するには複数の企業の調整が必要となります。各レイヤーには代替手段が存在し、コモディティ価格まで価格を押し下げます。これらの低く予測可能な価格帯が、多くの企業がニッチなタスク向けに社内エージェントやツールを構築する入り口となります。ここで支配的なデプロイメントモードは、企業が興味のあるタスクで十分なパフォーマンス閾値を満たすモデルを見つけ、その後そのモデルを置き換えない（セットアップコストが高いため）というものです。モデルのカスタマイズが容易になるにつれ、オープンモデルのファインチューニングスタックで新たに出現している（Tinker, Fireworks, Prime Intellect など）この市場はさらに拡大します。
今後数年間で予想されるのは、OpenAI や Anthropic と比較して、Google、Amazon、Microsoft のような確立されたハイパースケールクラウドや、Together、Fireworks、OpenRouter といった新しい AI インフラ企業において、オープンモデルの推論割合が着実に上昇することです。
鍵となる点は、オープンモデルとクローズドモデルの経済圏が異なる指数関数的成長曲線上で動いていることです。私は依然として、生態系全体を通じて進歩が急速に続くと考えていますが、再帰的自己改善（RSI）がクローズドルームに崩れない優位性をもたらすという主張は過大評価されています。背景エージェントのような新種の製品は、これらのオープンモデルとクローズドモデルの両方をサポートすることができます。
クローズドモデルは、現在のエージェントと驚くべき製品市場適合を達成し、知識労働の最上位層を収益化することで統合された指数関数的成長を開始しました。一方、オープンモデル経済ははるかに長い時間を要しますが、AI が経済全体や世界へとより広範に浸透していく過程を追うことができるため、その追跡ははるかに満足感の高いものとなるでしょう。
コーディングエージェントという用語は皮肉なものです。なぜなら、私たちは実際にはそれらの中でほとんどコードを書かないからです。彼らは、多くのコードを書くからこそ能力が極めて高い汎用エージェントなのです。
原文を表示
The largest debate that’ll define the future balance of power between the open and closed AI model ecosystems is primarily economic — it’s if users of AI will continue to pay dramatically more, i.e. large margins, for the top closed models. Early 2026 is a seminal time for the AI industry, as the coding agents1 have shown the first area where a huge AI market will continue to pay a substantial premium for better intelligence.
The other side of this dichotomy is the inevitable decay of API businesses at these same labs. These labs will realize they need to protect their best models, rolling them out later in APIs to both protect token supply, avoid distillation, and stick to use-cases with higher margins. All of these effects will be clearly visible in 5-10 year timelines, as in the near term markets, prices, margins, and demand will be dictated by a rapid buildout of compute (supply-limited in the near term) and mass subsidization of tokens (through continued investment in new AI companies).
The core of this argument rests in the obvious habit changes that are setting in with coding agents past the Opus 4.5 and Codex 5.2 thresholds. People are not making this switch because they are lazy, but because their net output is obviously higher when using an agent as an implementation aid for complex knowledge work. For people who rely on coding agents to work, they will always pay more for the best rather than settle for good enough. There are so many ways to make the product better, speed, intelligence, specialized models, etc.
I would pay $2000/month for the tools today, especially knowing they’ll get much better. At the same time, it is likely that many companies are forcing agents and usage onto people that actually will get very little out of them in their current form, which helps the AI buildout (or bubble) continue.
The best closed labs — right now this list is just Anthropic and OpenAI, but it’s reasonable to expect Google to catch up — will always make the most efficient models for intelligence at a given cost. Building models is a mass capital investment of talent, data, and compute. These systems, a combination of model weights, harnesses, tools, and serving infrastructure have massive returns on integration (where open models are designed to work across many, diverse serving situations). These integration benefits — the integration of hardware and new forms of software — can be expressed in any possible way of making models better.
The models in the near future may saturate on benchmark scores, but if that intelligence ceiling really is a cap on utility then the labs will optimize utility per second or per watt, serving users in another way. Improving the models is possible in every direction — there have been no walls in progress. We’re early in the mass buildout of intelligence, which involves harnessing the physical world to build numerous datacenters, organizing many AI researchers so that a large team can contribute to one model, and of course solving many small, low-level puzzles that unlock performance. Every indication is that there is still meaningful performance to be unlocked and the closed labs are the best set up to extract it.
The collective wisdom of the labs is that making the models smarter, in terms of the frontier of absolute intelligence, has the most value. This is the right call to me because it unlocks large new markets. Optimizing models at a fixed intelligence level locks in markets, expands accessibility over time, and increases return on investment for users (while potentially lowering margins for selling intelligence).
Many people are making this bet that models will keep getting better and are learning to work well in these harnesses, even though some workflows are still a bit clunky. This is the right bet. These people all will continue to use the absolutely best models available. It’s like buying an iPhone as a consumer. You could get an Android and suffer from a bunch of paper cuts to save money, but why would you? The returns to performance are even higher in the workplace, which drives pricing power.
In this mental model, the frontier labs as businesses, will look like new, reimagined forms of a mix of Apple and Microsoft. The Apple side is that they’re selling an integrated, extremely hard to replicate technology. The Microsoft side is selling high-leverage subscriptions across the economy. In 5-10 years I expect both OpenAI and Anthropic to be valued in the $2-10T range. The true frontier labs will be an oligopoly that looks like the cloud market today.
On the other side of this equation is the open model economy. This isn’t to say that the frontier labs will dominate all aspects of AI use. Yes, I expect OpenAI and Anthropic to be the most representative companies of the AI boom (new companies, alongside Nvidia of course), but the collective value capture around open models will be far bigger overall, it’s just that the revenue and margins will be shared across a wide stack of companies.
Many businesses want to switch to open models but the models today are not good enough in out-of-distribution tasks. Eventually open model builders will stop chasing Claude and GPT on the Artificial Analysis index and fill this niche. This fork could be driven by economic factors, where they no longer have the revenue to support the growing R&D costs for continuing to scale models. It can also be driven by pure demand, where certain AI solutions only can exist at low price points present in open models. Where closed labs are an oligopoly, open model builders and users will be far more diverse and numerous. The total market value will dramatically exceed the cumulative value of OpenAI and Anthropic.
Open models are by their nature *not* integrated, so they will rely on multiple companies coordinating to serve them. Each of these layers will have alternatives, driving prices down to commodity pricing. These low, predictable prices will be where many enterprises enter to build in-house agents and tools for niche tasks. The predominant mode of deployment here is that enterprises find a model that hits a sufficient performance threshold on a task of interest and does not replace the model later (setup costs are high). As customizing models becomes easier, again in the open model finetuning stack we are seeing emerge (Tinker, Fireworks, Prime Intellect, etc.), this market becomes even bigger.
What this will look like in the coming years is a steady rise in open model inference proportion across the entrenched hyper-scale clouds of Google, Amazon, Microsoft and new AI infrastructure companies of Together, Fireworks, OpenRouter, etc when compared to OpenAI and Anthropic.
The key is that the open and closed model economies are operating on different exponentials. I still believe that progress will continue at a fast pace *across the entire ecosystem*, but claims of recursive self improvement (RSI) giving the closed labs an unassailable advantage are overblown. New forms of products like background agents can support both these open and closed models.
The closed models hit incredible product-market fit with the current agents, starting their integrated exponential by monetizing the top end of the knowledge work. The open model economy will take far longer, but it will also be far more satisfying to follow, as it tracks the broader diffusion of AI into the entire economy and world.
The term coding agent is funny because we barely write code in them. They’re general agents that are so capable because they write a lot of code.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み