何が起きたか
WiredのAI Lab newsletterを執筆するWill Knight氏が、ニュースレターの調査業務を自動化するため、フロンティアAIが自ら小さなモデルを改善する「再帰的自己改善」の実験を公開しました。使ったのは、元OpenAI・Tesla出身のAndrej Karpathy氏が公開した「AutoResearch」。Nvidia DGXデスクトップスーパーコンピュータ上で、Claudeに『program.mdを見て新しい実験を始めよう』と指示するだけで、パラメータ調整と訓練レジームの見直しを数日間自律的に走らせました。
初期モデルは「In the beginning…」への応答が繰り返しの意味不明な文字列でしたが、自己改善を経て一貫性のある文章に近づきました(ただしGPT-5とは比較にならないレベル)。
Prime IntellectとAdaptionが示す方向性
次にKnight氏は、直近1500万ドルを調達したPrime Intellectのツールで、過去100本ほどの「Elsewhere on the frontier of AI」を訓練データにした専用モデル「Frontier_Paper_Curator」を構築。Claudeが合成データを生成し、別モデルが出力を評価、強化学習で改善する構成です。1日足らずで、iFLYTEKの視覚・言語・行動を統合した多モーダルモデル「iFLYTEK-Embodied-Omni」の要約を生成できました。
もう一つのスタートアップAdaptionは「AutoScientist」を提供し、社内にAI専門家を持たない大企業と組んでいます。共通するのは、「フロンティアラボの巨大モデルを使う」から「自社ドメインの小さな専用モデルを持つ」への潮流です。
なぜ重要か
Anthropicが最新モデルFable 5への特定リクエストをブロックした事例は、一社のフロンティアモデルへの依存リスクを露呈しました。Prime Intellectのメッセージ「一つの神のような知性ではなく、あらゆるニッチに入り込む10億の知性を」は、この局面での分散化の思想を象徴しています。
💼 事業会社視点：これは自社にどう効くか
「専用小型モデルの内製」が現実的な選択肢に入る
国内のSaaS・受託開発・EC事業者にとって示唆は明確です。これまで自社データで基盤モデルをチューニングするには専門チームと数億円規模の投資が必要でしたが、AutoResearchやPrime Intellect型のツールは、ドメイン特化の小型モデルを、社内のAIリテラシーが浅くても数日で試作できる水準に押し下げつつあります。
役員が今動くべきは3点です。第一に、業務データの棚卸し。Knight氏が過去100本のバックナンバーで有用なモデルを作れたように、社内に眠るFAQ・提案書・議事録は訓練資産になります。第二に、「一社依存リスク」の点検。Fable 5のブロック事例は、フロンティアモデル一本足の業務設計が突然崩れうることを示しました。基幹業務は代替可能性を担保する設計が必須です。第三に、内製と外注の線引き見直し。汎用チャットは大手APIで、競争優位に直結するタスクは自社データで育てた専用モデルで——という二層構造が、受託開発ベンダーへの発注仕様にも影響します。ベンダー側は「小型モデル自動訓練基盤」の提供能力が新たな差別化軸になります。