この記事のポイント
- 中国のオープンAIモデル（Kimi、DeepSeekなど）が海外AI開発で活用される事例が増加。
- 単なる基礎モデルとしての利用に留まらず、合成データ生成やモデル構造の参考にも。
- 法務AI「Harvey」やプログラミングAI「Cursor」などが中国モデルを基盤に開発。
- モデル能力だけでなく、コストや制御の面でもオープンモデルが優位性を示す。
- 中国AI技術が、製品輸出から技術輸出へと影響範囲を拡大。
中国オープンAIモデル、海外AI開発の基盤に
KimiやDeepSeekといった中国製のオープンAIモデルの能力が継続的に向上するにつれて、多くの海外AI企業がこれらのモデルを基盤とした後段学習（ファインチューニング）を行い、独自のモデルや製品を開発する動きが加速しています。中国のオープンAIモデルは、単に基礎モデルとしてさらなる学習を受けるだけでなく、合成データの生成、モデルアーキテクチャや学習方法の参考提供など、多様な形で海外のAI研究開発に貢献しています。これにより、中国のモデルはグローバルAI産業チェーンに急速に統合されつつあります。
米国AI企業「Harvey」、中国モデルで法務AIを強化
米国の法律AI企業であるHarveyは、先日、初のオープンモデルである「Tenet」を発表しました。このモデルは、中国の月之暗面（Moonshot AI）が最新に公開したオープンモデル「Kimi K3」を基盤として開発されました。Harveyが公開した技術詳細によると、「Tenet」モデルの学習体系は、実際の法律業務シーンに高度に適合しており、約1750の専門的な法律業務AIエージェント環境を活用してイテレーション最適化が行われ、約2ヶ月をかけて集中的な専門トレーニングが実施されました。
同社が5月に発表した初期テストでは、市場の多くの汎用モデルが法律実務タスクを「すべて標準基準で通過」する割合は10%未満であり、専門分野での実用性に課題があることが示されました。一方、専門トレーニングを経た「Tenet」は、元の「Kimi K3」モデルの2倍近くの総合的な法律実務タスクを完了でき、契約書の作成、レビュー、交渉などの専門タスクにおいても、完了タスク数が約20%増加しました。同時に、元のモデルが持つ汎用的な法律知識能力もほぼ維持されています。
「Cursor」など、中国モデルを基盤としたAI開発が活発化
これは、中国のオープンAIモデルが海外AI製品開発チェーンに組み込まれた唯一の例ではありません。米国のAIコーディングプラットフォーム「Cursor」を開発する企業は、今年3月に自社開発のコーディングモデル「Composer 2」の技術レポートを発表しました。このモデルは「Kimi K2.5」を基盤としており、コードデータ中心の継続的な事前学習により専門的な基盤能力を強化し、大規模な強化学習を通じてタスク最適化を行い、専門的なAIモデルへと進化しました。5月にリリースされた「Composer 2.5」も引き続き「Kimi K2.5」を基盤とし、事前学習の規模と強化学習タスクの数をさらに拡大しています。
また、米国のAIスタートアップ「Cognition」や英国のAIスタートアップ「Cosine」は、それぞれ「Kimi」モデルを基盤とし、大規模な強化学習をさらに強化することでソフトウェアエンジニアリング能力を高め、独自のコアAIソフトウェアエンジニアリング製品を開発しています。
データ生成やモデル構造にも影響、DeepSeek V3の技術が参考に
中国のオープンAIモデルの影響は、学習データやモデルアーキテクチャにまで及んでいます。OpenAIの前CTOであるMira Murati氏が設立したMurati AI Labは、初のオープンモデル「Inkling」を開発する際、直接中国モデルを基礎モデルとして採用したわけではありませんが、公式技術説明では、Inklingの混合専門家（MoE）アーキテクチャが主にDeepSeek V3の技術ルートを踏襲していると述べています。また、後段学習の初期段階では、「Kimi K2.5」を含むオープンAIモデルを用いて合成データを生成し、最初の教師ありファインチューニングに利用しています。
汎用モデルから専門性へ、AIの進化とオープンモデルの役割
これまで、AI企業は最先端のモデル能力を追求する際に、クローズドソースモデルに大きく依存してきました。しかし、KimiやDeepSeekなどの中国製オープンAIモデルの能力が継続的に向上し、一部のモデルが最先端に達したことで、これらの企業はクローズドソースモデル以外の技術的選択肢を得られるようになりました。さらに、AIが単なる質問応答ツールからインテリジェントエージェントへと進化するにつれて、モデル能力の評価基準も、知識の応答から複雑なタスクの完全な実行へと拡張されています。複雑なタスクの実行に必要な操作手順、判断基準、エラー修正メカニズムは、しばしば実際のビジネスシーン、評価システム、ワークフローの中に存在します。
このような背景から、垂直AIの後段学習では、タスク実行能力がより重視されています。「Cursor」や「Harvey」、「Cognition」などのAI企業は、実際のビジネス環境に近いタスク環境で大規模な強化学習を実施し、モデルが情報検索、ツール呼び出し、コンテキスト管理、エラー修正などを学習できるようにしています。
コストと制御の利点、オープンモデルの普及を後押し
モデル能力以外にも、オープンAIモデルはコストと制御の面で優位性を持っています。企業はこれらのモデルを自社でデプロイし、継続的に最適化・学習させることが可能です。大規模な呼び出しシナリオにおいては、単一推論コストの削減、デプロイメントの柔軟性向上、外部APIへの依存低減といったメリットがあります。
技術輸出へのシフト、グローバルAIサプライチェーンでの存在感増大
モデルの重み、データ、アーキテクチャといった技術成果が、グローバルAIの研究開発および産業システムにより深く統合されるにつれて、グローバルAIサプライチェーンにおける中国製オープンAIモデルの役割は絶えず強化されています。その国際的な影響力は、製品の海外展開から、さらには技術輸出へと拡大しており、海外AI企業が新しいモデルや製品を開発する上での重要な技術ソースとなる傾向が強まっています。
出典: 元記事を読む
