モデルの疲労はAIの動作を妨げているわけではない——むしろ、それをより効率的に計算する方向へと導いているのだ。

2026年3月には、主要なAIラボが1ヶ月で12の重要なモデルアップデートを公開しました。これは、以前の季節に公開される数よりも多い数字です。数週間後、新しいフラッグシップモデルが登場しました。それはOpenAIのGPT-5.5で、OpenAIが設定したベンチマークで最高位を獲得しました。開発者たちの反応は、慌てるというよりは、何とも言えないものでした。今では、このような状況を表す言葉があります。モデル疲労。もしあなたが投資家であるなら、その記事を「人工知能のブームが終わりに近づいている」という兆候として解釈する傾向があります。しかし、その感覚は逆の流れになっています。

疲労は実際に存在する。ただ、それが見かけ上のように表れるわけではない。モデルの疲労とは、トレーニング中の状態がもはや重要な要素ではなくなる時点であり、AI関連の価格もそれに伴って変動するのだ。

「疲労」とは実際には何か

リリースの頻度が最初のポイントです。主要な研究機関では、6ヶ月ごとに新しいモデルをリリースする方式から、2～3週間ごとにリリースする方式へと変わりました。また、広く引用されているデータによると、主要なリリースの頻度は2023年時点と比べて、約4倍になっているとのことです。2026年3月だけで、12件の重要なモデルアップデートが行われました。そして、GPT-5.4は、同じ月にGPT-5.3の2日後に登場しました。これは、疲労を引き起こすようなパターンです。

そして、経済状況が逆転した。長年にわたり、フロンティアモデルは世代ごとにトークンあたりのコストが下がっていました。しかしGPT-5.5はその傾向を破った。OpenAIのベンチマークで最も優れたモデルは、1個のトークンあたりのコストが2倍になっていました。1百万トークンあたり5ドル、1百万トークンあたり30ドルの料金です。一般的なチャットや要約、コードレビューを行うチームにとっては、プロンプトの調整や評価手順の再実行にかかるコストを考えると、このアップグレードは得策ではありませんでした。彼らは追いかけることをやめて、固定されたバージョンに移行することにしたのです。

疲労が実験室の中まで及んでいる。2026年7月下旬に、OpenAI、Anthropic、Google DeepMindの1,200人以上の従業員が、アメリカ政府に対して「意図的にペースを調整する」よう求める手紙に署名しました。フロンтиAIの開発――これは、これらの企業が年間数百億ドルも費やして競争を遅らせるという、珍しい公的な呼びかけです。モデルを作成する人々が、よりゆっくりとしたペースを望むとき、それは単なる開発者の意見に過ぎないわけではありません。

恐ろしいほどの価格崩落

同じ力が、今や情報の価格にも現れている。各プロバイダ間の推論価格を標準化する指標は、5月末時点で約2.0であったものが、8月中旬には約1.0に低下しました。AI推論の単位あたりの経済的価値は、3ヶ月もたたないうちに半分に減少してしまいます。中国製のオープンウェイトモデルにより、アメリカの研究機関は競争力を維持するために価格を下げざるを得なくなりました。表面的には、AI需要が低下しているように見えます。

私の見解は逆です。なぜなら、データが減少する背後にあるメカニズムこそが重要だからです。ここで、価値はモデルの中に留まることなく、モデルの下にあるすべての要素に存在するようになります。現在、開発者たちは、モデル自体が出力品質の約30％を担っているだけであり、残りの部分はオーケストレーションやワークフロー、そしてその下で実行される計算処理によるものだと考えています。つまり、それらの層は依然として安価になっていないのです。

価格の崩壊によって実際に賄されるものは何か

価格が下がったのに対して、需要は急増しました。これは経済学者が「ジェヴォンズのパラドックス」と呼ぶ現象です。つまり、何かを大幅に安くすることで、人々はそのものをはるかに多く消費するのです。OpenAIがあるモデルの価格を約80％削減した後、利用量は14倍に増加し、価格が下がっても収益は増加しました。以前はインテリジェンスの運用が高価だったのは、人々がそれをあまり欲しくなかったからではなく、それが配分されていたからです。エージェント型ワークフロー——つまり、AIエージェントが全てのコードベースを読み込み、ツールを呼び出し、自身の出力を修正するという仕組み——では、単一のタスクに対して数百万のトークンが消費されることがあります。一方、チャットボットのクエリでは数千のトークンしか消費されません。

その結果、価格の圧縮がモデル層にかかるのではなく、コンピューティング層にかかることになります。最も優れたモデルを訓練したラボでは、顧客が通常の80％の作業を、基準を満たす最安価格のモデルに任せることで、利益が減少してしまいます。しかし、その下にあるインフラは、どのモデルで生成されたかに関わらず、すべてのトークンに対して同じように影響を受けます。2025年初頭には月間約480兆トークンだったGoogleは、10月には1.3千万億トークンにまで増加しました。また、固定能力による推論のコストも2年間で280倍以上低下しました。スタンフォードの基準に従ってその規模のシステムには、「最適な」モデルは必要ありません。必要なのは、安価で信頼性の高い実行環境です。

11日前に得られた証拠です。

ここが、感情ではなく、具体的な数字によって二つの解釈が分かれる点です。2026年8月26日には、Nvidiaは、7月26日終了の四半期において、962億ドルの売上高を記録し、前四半期比で18％増、前年比では106％増となりました。粗利益率は75％です。そのチップが情報処理の重要な要素となる企業は、記録上最大の連続的な利益を上げました。一方で、モデル開発の競争によって、その企業の生産能力も限界に達しています。

その下にある需要も、減少していない。米国の最大5つのクラウドおよびAI事業者――マイクロソフト、アルファベット、アマゾン、メタ、オラクル――今年の資本支出は約6600億ドルから6900億ドルに及び、2025年と比べてほぼ2倍になる。それが、「疲労」という言葉に対して反論する上で最も重要な事実です。モデル疲労とは、モデル層に関する話です。コンピューティング層に供給される資源の流れは加速しているだけで、疲れるわけではありません。

二つの解釈を分けるものは何か

重要なのは、「AIは終わった」と「AIは問題ない」という区別ではなく、フロンティアモデルがもはや差別化要因ではない今、経済的価値がどこに生まれるかという点です。

GPT-4.5とそれ以降の各モデル間で重要だったのは、最も優れたモデルのブランド力でした。そのブランド力によって、モデルの価格は1/4にまで下がりました。現在重要なのは、モデルが単なる商品として扱われる際に有効な要因です。つまり、シリコン、ソフトウェアスタック、大規模なトークンを処理するクラウド、そしてどのモデルが適切かを決定するオーケストレーション機能です。モデルやアプリケーション層は厳しい価格圧力に直面しています。GPU、ネットワーク、電力、データセンターといった要素が、増加する負荷を支える役割を果たしています。

しかし、それだけでは投資リスクが無害になるわけではない。真の悲観的なサインとは、特定の、観察可能な兆候です。例えば、トークン価格が下がり、取引量が横ばいであること、インフレ収益が停滞していること、大企業の利用度が減少していること、そして投資計画が前回と変わらないことなどです。今は、その逆の兆候が見られます。もし、モデルの疲弊がもはや研究機関に関する話ではなく、チップへの投資が減少するという話になれば、その時点で「モデルの疲弊」という話は、投資家が注目するべき話になるでしょう。それまでは、「モデルの疲弊」はAIサイクルの終わりではありません。それは、AIサイクルの重心がモデルからマシンルームへ移ったことを意味しており、投資もそれに伴って変化しているということです。