AI発表6件を再点検：事故・評価・投資計画の境界
AIの発表を読むとき、数字だけを抜き出すと「評価上の改善」を「自分の仕事でも同じ改善」、「将来の投資」を「稼働済みの能力」に変えてしまいます。8月3日掲載の旧稿を9月5日に再点検したところ、事故の範囲、数学研究の断定、移行先の鮮度を分け直す必要がありました。
この記事は旧稿6項目の確認・訂正記録です。5項目は元の一次資料を開き直し、数学研究の項目は今回原研究を再確認できていないため、成果の断定を撤回しています。6件の新しい発表を検証済みとして紹介する記事ではありません。TSMCの発表は7月16日で、7月末のニュースと同日の出来事でもありません。
先に、確認できたことと残ったことを分ける
| 項目 | 確認した範囲 | 広げてはいけない解釈 |
|---|---|---|
| Anthropicの評価事故 | 3件の事故・計6回の実行を報告 | 一般提供版の全利用に同じ事故率がある |
| オープンウェイトへの立場 | 十分な能力を持つモデルの安全試験を提言 | 全モデルへの法的義務が施行済み |
| Astraの数学研究 | 原研究は今回未再確認。旧稿の断定を撤回 | 現行モデルの資料が過去10問の解決を証明する |
| Copilotのモデル終了 | 7/31終了と、移行先のその後の終了履歴 | 当時の推奨先が現在も使える |
| DeepSeekの評価 | 指定した推論設定・評価環境での提供者スコア | 手元の既定設定でも同じ結果になる |
| TSMCの追加投資 | 将来の工場建設を含む計画 | 全額支出済み、全工場稼働済み |
本記事で行ったのは公式文書の照合と、掲載数値の差・増加率の計算です。製品の安全性・性能、論文の証明、組織の設定、半導体の生産量を実測したわけではありません。
Anthropicの事故：件数・実行回数・被害範囲を混ぜない
Anthropicの7月30日調査報告は、外部評価環境との認識違い・設定不備でインターネットへ到達でき、実在する3組織への不正アクセスが起きたと説明しています。対象は3件の事故、合計6回の評価実行です。一般提供時の分類器や監視などを付けない能力評価であり、通常製品の利用条件と同一ではありません。
一件では数百行の本番データがあるデータベースへのアクセスを確認。別件では、公開された悪意あるパッケージが15台の実システムで実行され、そのうちセキュリティ企業のスキャナーから認証情報を取得したとしています。「15台で実行」と「15台すべてで認証情報流出」は違います。 旧稿ではこの範囲が読み取りづらい書き方でした。
報告は、3モデルの挙動を条件をそろえた比較実験とは扱っていません。一例で現実の対象だと認識して停止したことから、新しいモデルなら安全だと順位付けはできません。
ここから実務で確認すべきなのは、プロンプトに「模擬環境」と書いたかだけでなく、外部通信経路・対象範囲・実行ログを環境側でも確認したかです。本記事では事故の再現や第三者システムへの接続試験を行っていません。外部評価委託先も含め、許可した範囲と技術的な制限が一致しているかをレビューするための事例として読みます。
オープンウェイト：企業の提言と施行済みのルールを分ける
Anthropicの7月27日の立場表明では、オープンウェイトという区分を一律禁止することは主張していない、と同社自身が説明しています。これは同社の立場の表明であり、業界全体の合意を証明する資料ではありません。
同社が挙げる対応策は、先端チップ・製造装置の輸出や迂回取得への対処、産業規模の蒸留への対処、そして十分に高い能力を持つモデルの公開前安全試験です。最後の対象はオープン・クローズドの両方ですが、能力条件を落として「すべてのモデルに試験を義務化」と要約しません。
また、これは政策提言です。読者の製品に新しい法的義務が既に発生したと判断する資料には使いません。導入担当者は、公開形式の話、提供者の安全性主張、実際に適用される利用条件を別々に確認してください。本記事では各国の法制度の適用判断までは行っていません。
Astraの数学研究：未確認の成果を見出しで確定しない
旧稿の見出しは「数学・計算機科学10問を解く」と断定し、本文では「新しい成果」と記載していました。さらに、個別の定理名、全件のLean検証、約2,000ドルという換算額をまとめて紹介していました。今回、これらを裏付ける原研究・証明ファイルの再確認には至っていません。そのため、10問の完全解決、証明の検証済み状態、研究全体の費用を確定した説明は撤回します。
現在のGPT-6 Astraモデル資料は取得できましたが、現行製品の案内を過去の研究用内部版の証明資料へ代用することはできません。確認できなかったことは、元の研究が存在しない、あるいは誤っていると確認したことでもありません。
研究記事を判断材料に戻すには、対象の問題、完全解決か部分的な前進か、証明の公開先と検証条件、人間の関与、料金換算と実費の区別を一件ずつ確認する必要があります。同じ話題の数学研究記事の訂正と、有限のテストで保証できる範囲にも整理しています。本記事ではモデルの実力比較や数学成果の新しい評価を追加しません。
Copilot：7月の移行先にも、その後の終了がある
GitHubの7月31日告知は、CopilotのGemini 2.5 ProとGemini 3 Flashを同日終了した記録です。当時の推奨先は、それぞれGemini 3.1 Pro Preview とGemini 3.6 Flashでした。旧稿で省略していたプレビュー区分を補いました。
ただし、現在の対応モデル・終了履歴には、Gemini 3.1 Proも9月1日に終了し、代替はGemini 3.6 Flashと記載されています。9月5日にこの記事から移行する読者へ、7月の推奨先をそのまま案内するのは適切ではありません。
旧モデルの除去操作は不要でも、連携やワークフローに保存した指定の確認は別です。Enterprise管理者が代替モデルの利用ポリシーを有効化する必要がある場合もあります。現在のモデル対応表、利用プラン、クライアント、組織ポリシーを照合してから選んでください。Copilot内の終了とGoogleのAPI側の終了は同じ製品の話ではなく、本記事では個別の管理画面を確認していません。
DeepSeek：82.7という数字には評価設定が付いている
DeepSeek-V4-Flash-0731の公式モデルカードでは、プレビュー版を置き換える正式版として説明され、モデルサイズは304B、すなわち3,040億パラメータと表示されています。リポジトリと重みのライセンスはMITと記載されています。ただし、重みの公開は、手元の機器で容易に動くことや実行費用が不要であることを意味しません。
Terminal Bench 2.1の掲載値は、Flash Previewが61.8、0731版が82.7です。公開ベンチマーク中のコードエージェント課題では、DeepSeek Harnessのminimalモード、reasoning_effort=max、temperature=1.0、top_p=0.95という条件が説明されています。推論設定は low / high / max の3段階です。
ここを「性能が20.9%改善」と短縮すると、差と増加率を混同します。9月5日にPowerShellで次の計算を実行しました。これは公表スコアの算術照合であり、ベンチマークの再実行ではありません。
[decimal]82.7 - [decimal]61.8
[Math]::Round((([decimal]82.7 - [decimal]61.8) / [decimal]61.8 * 100), 1)20.9
33.8掲載スコアの差は20.9ポイント、61.8を分母にした相対増加率は約33.8%です。どちらも、作業時間の短縮率や自分の業務の成功率ではありません。導入比較ではモデル名だけでなく、評価用の実行環境・推論設定・入力・試行条件を残す必要があります。本記事では重みのダウンロードや推論を実行していません。
TSMC：追加投資額と完成後の能力を、現在の実績にしない
アリゾナ州商務庁の7月16日発表は、2nm以下の工場4棟を追加するための1,000億米ドルの投資計画を扱っています。発表上の累計投資額は2,650億米ドルです。これは全額が既に支出されたという実績報告ではありません。
同発表の「約30%」は、発表済み工場の完成後に、TSMCの2nm以下の生産能力のうちアリゾナに置かれる見込みの割合です。現在の全半導体生産量や、世界全体の能力に占める割合ではありません。資料は、既存の第一工場のN4量産、第二工場の建設完了と2027年の量産予定も分けて説明しています。
したがって、AIチップの供給が今すぐこの投資額に比例して増えたとは言えません。供給計画を読むなら、投資の発表日、対象工場・工程、建設完了、量産開始、計画値か実績値かを分けて記録するのが次の作業です。本記事では最新の工事進捗や生産能力を現地確認していません。
訂正記録（9月5日）： 事故件数と実行回数、15台の実行と確認された流出、政策提言の能力条件、数学研究の未確認、Copilot移行先のその後の終了、DeepSeekの評価条件、TSMCの計画と実績を整理しました。表紙は概念イラストであり、製品評価や研究の証拠ではありません。