火曜日, 11月 10, 2026

Mythos Previewと同等以上のLLMはどれか：Claude 5.5系・GPT-6.1系で整理する（2026年11月版）

Anthropicの未公開モデル「Claude Mythos Preview」は、2026年4月の発表時点で、コーディング、エージェント作業、サイバー能力の最前線にあるモデルでした。それから7カ月がたち、「Mythos Previewと同等以上」のモデルがどれなのかが、モデル選定や調達の前提として問われるようになっています。

この記事では、Mythos Previewを基準に置き、Claude 5.5系とGPT-6.1系を軸に、Google、xAI、中国勢、ローカルで動かせるオープンウェイトまでを整理します。セキュリティ関連機能に制限がかかっているモデルは、その旨を明記しました。

結論を先に書くと、「同等以上」と確定できるのは、Anthropic自身がそう明言しているMythos 5系だけです。Claude Opus 5.5、Gemini 4 Carbon、GPT-6 Astraは「有力」にとどまります。Mythos Previewが第三者の総合指標に載っておらず、公開されている数値も後発モデルとは測定条件が違うためです。

本記事は2026年11月10日時点の公開情報に基づきます。Artificial Analysis（以下AA）のスコアは同日に確認した掲載値で、各モデルの掲載された最上位の推論設定の値です。「筆者の推定」と書いた箇所は事実ではなく見立てです。ベンダー自己申告値はその旨を併記しています。

1. 結論：Mythos Previewとの距離を5段階で見る

区分モデル判断の根拠入手性
確定
（自社が同等以上と明言）		Claude Mythos 5 / 5.1Anthropicは、Mythos 5について「ほとんどの場合でMythos Previewと同等か、やや上」と説明しています。Anthropic内部指標AECIでも、更新フィット同士の比較でMythos 5.1は168.12、Mythos Previewは161.88です（Opus 5.5システムカード）。Project Glasswingのパートナーなど審査制。Mythos 5の価格は100万トークンあたり$10/$50
確定（基盤は同一）Claude Fable 5 / 5.1Mythos 5と同じ基盤モデルで、サイバー等の安全措置が付いた版です。差は能力ではなく安全措置とされています。一般提供。$10/$50（Fable 5）
有力Claude Opus 5.5同じ更新フィットのAECIは169.36で、Mythos Preview（161.88）とMythos 5.1（168.12）の双方を上回ります。AAも59で2位です。一般提供。$4/$20
有力Gemini 4 CarbonAAは60で1位です。サイバー系の優位はGoogleの自己申告です。サイバー防御者向けの限定提供。一般向けAPIの日程は未定
有力GPT-6 AstraAAは57です。Mythos PreviewはAAに載っていないため、直接の優劣は立証できません。API提供。$10/$50
領域限定で同等級GPT-6.1 Sol、Claude Sonnet 5.5、（サイバーのみ）GLM-5.3SolとSonnet 5.5はAAがともに55です。GLM-5.3は、ExploitBenchでMythos Previewの56/410に対し50/410と同程度でしたが（Anthropic評価）、総合ではAA 32です。Sol・Sonnet 5.5は一般提供（$2/$10）。GLM-5.3は重み公開
届かない公算が大きい
（筆者の推定）		GPT-6.1 Terra（51）、Gemini 4 Argon（50）、Kimi K3.1 Pro（46）AAで首位から9〜14点離れています。AAの首位は60で、Opus 5.5はMythos Previewより上と読めるため、これらは基準未満と推定します。Terra・Argonは一般提供、Kimiは重み公開
下位
（筆者の推定）		Claude Haiku 5.5（36）、Grok 4.7（35）、Qwen3.8 Max（34）、GLM-5.3の総合（32）、GPT-6 Luna（28）、DeepSeek V4 Pro（23）ほかAAで首位から24点以上離れています。各社提供

出典：Anthropic（Mythos 5発表、GLM-5.3評価）、Opus 5.5システムカード、Artificial Analysis（2026年11月10日確認）

2. 基準を確認する：Mythos Previewの数値と、その条件

Mythos Previewは2026年4月7日に発表され、一般公開されていません。以下はAnthropicの公式ページに載っている数値です。

ベンチマークMythos Preview測定条件・注意点
SWE-bench Verified93.9%記憶（メモライゼーション）の疑いがある問題をスクリーニングしたうえで、除外しても優位は変わらないとされています。
SWE-bench Pro77.8%同上。
SWE-bench Multilingual87.3%同上。
Terminal-Bench 2.082.0%Terminus-2ハーネス、最大努力、1タスク100万トークン、5回試行の平均。タイムアウトを4時間に延ばしてTerminal-Bench 2.1の更新を適用すると92.1%です。
GPQA Diamond94.6%―
Humanity's Last Examツールなし56.8%／ツールあり64.7%低い努力レベルでも高得点で、一部は記憶の可能性があると注記されています。
BrowseComp86.9%―
OSWorld-Verified79.6%―
CyberGym83.1%脆弱性の再現。

出典：Anthropic「Project Glasswing」ページ。SWE-bench Multimodal（59.0%）は社内実装で、公開リーダーボードと直接比較できないため省きました。

提供形態は、Project Glasswingのパートナーなどに限った研究プレビューです。参加者はClaude API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundryから使えます。プレビュー期間後の価格は100万トークンあたり入力$25／出力$125と公表されています。

ここで押さえたいのは、Mythos Previewに「92.1%」という更新条件の値があることです。後発モデルのTerminal-Bench 2.1の値を、2.0の82.0%だけと比べて「超えた」と言うことはできません。

3. 物差しをそろえる：AAの指数と、読み方の注意

Mythos PreviewがAAに載っていない以上、後発モデル同士を同じ尺度で並べて、「基準からどれだけ離れているか」を推定するしかありません。次の図が、同日に確認したAAの掲載値です。

Gemini 4 Carbon（high・限定提供）
60
Claude Opus 5.5（max）
59
GPT-6 Astra（max）
57
GPT-6.1 Sol（max）
55
Claude Sonnet 5.5（max）
55
GPT-6.1 Terra（max）
51
Gemini 4 Argon（high）
50
Claude Fable 5.1（xhigh）
50
Kimi K3.1 Pro
46
Claude Haiku 5.5（max）
36
Grok 4.7（xhigh）
35
Qwen3.8 Max（0902）
34
GLM-5.3（max）
32
GPT-6 Luna（max）
28
DeepSeek V4 Pro 0813（max）
23
Claude Mythos Preview：AAに掲載なし
―

出典：Artificial Analysis（2026年11月10日確認）。棒の長さは首位の60を100%とした割合です。

この数字を引用するときは、次の点に注意してください。

  • 推論設定で大きく変わります。Opus 5.5はmaxで59、mediumで48です。Sonnet 5.5はmaxで55ですが、mediumでは31まで下がります。設定名を書かずに数字だけを比べると誤解のもとです。
  • 指数の版が混在しています。DeepSeek V4 Proは、2026年4月の発売時の評価では52でしたが、現行のV4 Pro 0813は23です。gpt-ossの発売時評価も2025年の旧指数の値で、現行のOpusやGeminiとは比べられません。この記事では、同日に確認した掲載値だけを使いました。
  • AECIはAnthropicの内部指標です。Epoch AIの指標を派生させたもので、第三者が検証できるものではありません。フィットの版が違う値を混ぜると結論が変わるため、同じ更新フィット同士で比べています。
  • ベンチマークの版が違います。Mythos PreviewはTerminal-Bench 2.0／2.1とSWE-bench Verified／Proで測られています。Claude 5.5系やGPT-6.1系は、Terminal-Bench 4.0など新しい版を使うことが多く、数値の直接比較はできません。
  • 自己申告値と第三者値を分けます。各社の発表値は、本文で「自己申告」と書いたものを除き、その会社の公式発表です。第三者測定（AAやVals AI）とずれる例もあります。

4. Claude 5.5系：Mythos系との関係

モデル公開日・価格AA（最上位設定）Mythos Previewとの関係補足
Claude Mythos 5 / 5.1Mythos 5は2026年6月9日（Fable 5と同時）。5.1は9月。Mythos 5は$10/$50掲載なし同等か、やや上（Anthropic明言）。AECIでもPreviewを上回ります。Glasswingのパートナー（サイバー安全措置は解除）と、選ばれた生命科学研究者に限定。
Claude Fable 5 / 5.1Fable 5は2026年6月9日。$10/$50（Fable 5）5.1：xhigh 50／max 49Mythos 5と同じ基盤モデル。安全措置が付いています。AAではOpus 5.5（59）より低い値です。
Claude Opus 5.52026年9月22日。$4/$20。1Mコンテキスト59（max）。xhigh 57、high 52、medium 48、low 35AECIは169.36で、Previewの161.88を上回ります（更新フィット）。Terminal-Bench 4.0は66.4%、SWE-bench Proは89.9%（Anthropic発表値、二次報道経由）。
Claude Sonnet 5.52026年9月28日。$2/$1055（max）。high 42、medium 31、low 26領域限定で近い水準です。Terminal-Bench 4.0は70.6%でOpus 5.5（66.4%）を上回りますが、SWE-bench Proは81.3%で下回ります（Anthropic発表値、二次報道経由）。
Claude Haiku 5.52026年10月7日。$0.10/$0.50（100Kトークン超は$0.50/$2.50）36（max）届きません。Terminal-Bench 4.0は39.2%、OSWorld 2.1は72.4%（Anthropic自己申告）。独立評価は確認できていません。

出典：Anthropic（Mythos 5発表）、Opus 5.5システムカード、Artificial Analysis、各モデル解説記事（ClaudeLog、ComputingForGeeks、TechJack Solutions）。発表値は二次報道経由のものを明記しました。

Sonnet 5.5が、Terminal-Bench 4.0でAnthropicの上位モデルのOpus 5.5を上回る点は目を引きますが、AAの総合値ではmaxでも4点下で、推論設定を下げると差が大きく開きます。単価が半分であることを含めて、用途ごとに設定を決めて比べるのが現実的です。

5. GPT-6.1系：最上位はAstra、実用の中心はSolとTerra

OpenAIの現行ラインは、上から「GPT-6 Astra」「GPT-6.1 Sol」「GPT-6.1 Terra」「GPT-6 Luna」の順です。6.1の名前を持つのはSolとTerraだけで、最上位のAstraは6.1に更新されていません。

モデル公開日・価格AA（max）主な数値補足
GPT-6 Astra2026年9月初旬。$10/$5057（xhigh 55、medium 52）ExploitBench 100%（OpenAI自己申告）。OpenAIのPreparednessで、初めてサイバー「Critical」判定を受けたとされます。
GPT-6.1 Sol2026年9月29日（DevDay）。$2/$10。入力1,050,000トークン55（xhigh 52、medium 46）OpenAIは、Astraと同等の結果をおよそ5分の1のコストで出せる指標があると説明。ExploitBenchは99.7%（いずれも自己申告）。入力が272,000トークンを超えると、入力は2倍、出力は1.5倍の割増料金です。
GPT-6.1 Terra2026年10月26日。$1/$551（xhigh 45、medium 38）Terminal-Bench 4.0は50.3%（OpenAI）。Vals AIの測定は49.49%。GPT-5.6 Terra（$2/$12）から半額になりました。
GPT-6 Luna低価格帯。Terraの約10分の1の価格とされます28（medium 18）Terminal-Bench 4.0は13.64%（Vals AI）。単純で大量の処理向けです。

出典：Artificial Analysis、DataCamp（GPT-6.1 Sol）、NeuralTrust（GPT-6.1 Terra）、OpenAI発表の二次報道。自己申告値は独立した再現検証が公表されていません。

GPT-6.1 SolのAAは、Opus 5.5より4点、Astraより2点低く、これだけでMythos Previewを超えたと言える材料はありません。一方で、価格はOpus 5.5の半分です。コストを重視する用途では有力な選択肢です。

6. Google、xAI、Meta、Mistral

モデル状況AA判断
Gemini 4 Carbon2026年10月28日発表。サイバー防御者向けに先行提供で、一般向けAPIの公開日は示されていません。導入価格$2/$10、のちに$4/$20とGoogleは説明しています。60（high）有力。ただし一般には使えません。
Gemini 4 Argon2026年9月30日にFairwindプログラムのパートナー向けに発表し、10月13日に一般提供になりました。$2/$10は11月30日までで、12月1日から$4/$20です。50（high）基準未満と推定。
Grok 4.7（AA上の掲載名はSpaceXAI）現行のxAIフラッグシップです。Grok 5の公式な性能値は確認できていません。35（xhigh）下位。
Meta Muse Wonderクローズド系。Muse Wonder Fullで50。44（max）基準未満と推定。
Mistral Large 4欧州発のオープンウェイト。26（high）下位。

出典：Artificial Analysis、Reuters配信記事、Google発表の報道（Gemini 4 Argon、Carbon）

7. 中国モデル

中国勢は、AAの現行指数で見ると、総合では米国の最上位モデルから大きく離れています。オープンウェイトとして公開されている点と、価格の低さが強みです。

モデルAA公開形態位置づけ
Kimi K3.1 Pro（Moonshot）46重み公開。約1.56TB（公式の重みインデックス）中国勢の中では最も高い値。基準未満と推定。
Qwen3.8 Max（Alibaba）342.4Tの版は重み公開（テキスト専用）下位。
GLM-5.3（Z.ai）32（max）重み公開。独自ライセンス総合は下位。ただしサイバー能力は例外（下記）。
DeepSeek V4.1 Flash／V4 Pro33／23MITライセンス下位。4月の発売時評価（52）は旧指数の値で比較できません。
MiniMax M3／Tencent Hy419／35各社提供下位。

出典：Artificial Analysis（2026年11月10日確認）、Hugging Face（Kimi K3.1 Pro）。ライセンスと形態は各社の公開情報に基づきます。

7-1. GLM-5.3：総合は下位でも、サイバー能力は別

Anthropicは2026年9月29日、GLM-5.3を評価した結果を公表しました。Chrome V8の脆弱性を対象にしたExploitBenchで、GLM-5.3は410回の試行中50回でエンドツーエンドのエクスプロイトを作り、Mythos Previewの56回と近い割合でした。

同じ評価で、GLM-5.3の安全措置は、単純な手法で64〜100%の割合で回避されました。内訳は、偽の権限を主張するプロンプトで64%、思考トークンの先頭を埋める手法で92%、拒否の挙動を取り除く改変（abliteration）で100%です。安全措置のあるClaudeモデルには、同様の攻撃は成功しませんでした。Anthropicは、誰でも入手できるモデルで重要な閾値を越えたと警告しています。

8. ローカルLLM：Mythos Preview級にどこまで迫るか

結論から言うと、ローカルで動かせるモデルに、Mythos Preview級と呼べるものはありません。最も高いKimi K3.1 ProでもAAは46で、首位の60から14点離れています。しかも、必要なハードウェアの規模が大きく変わります。

モデル規模・ライセンス重みと必要メモリの目安AA判断
Kimi K3.1 Pro2.8T（活性104B）。Kimi K3.1-Pro License重みは約1.56TB。8×H200の公称合計1,128GBには収まりません。全重みをGPUに載せるには、重みだけでH200が12枚以上必要です（筆者の算定。KVキャッシュは別）。CPUオフロードの併用が現実的です。46近接はしますが基準未満と推定。
DeepSeek V4 Pro1.6T（活性49B）。MIT8GPU級のノードが目安（報告ベース）。23下位。
Qwen3.8 Max（2.4T版）2.4T（活性約95B）。カスタムBF16で約4.89TB（報告ベース）。多GPUノードが必要です。34下位。
GLM-5.3約744B（活性40B）。独自ライセンスFP8で約755GB（報告ベース）。8×H200の1,128GBに収まります。32総合は下位。サイバー能力は同等級で、安全措置は回避されやすい。
Mistral Large 4約1T。Mistralのオープンウェイトライセンス8×H200級が目安（報告ベース）。26下位。
Qwen3.8 27B27B級のdense。Apache 2.0Q4量子化で約17GB。24GB級のGPUで動きます。20基準には遠く及ばない。
gpt-oss-120b / 20bApache 2.0。2025年8月公開120bは約60.8GiB（単一80GB GPU）、20bは約12.8GiB。―現行指数での値は確認できず、基準には及ばない。

出典：Artificial Analysis、Hugging Face（Kimi K3.1 Proの重みインデックス）、NVIDIA（H200仕様）、各社の公開情報。「報告ベース」は、一次情報まで確認できていない値です。

  • 実用の目安：数十B級までのモデルは単一GPUで動きますが、用途は業務の補助が中心で、Mythos Preview級の自律的なコーディングやエージェント作業は期待できません。
  • 超大型MoEの現実：Kimi、DeepSeek、Qwen Max、GLM、Mistral Largeは、いずれも数百GBから1TB超の重みを前提にします。量子化しても、8GPUのノードが出発点です。
  • 重みを配るモデルの宿命：安全措置を後から外せます。社内に置く場合は、アクセス制御と用途の制限を運用側で設計する必要があります。

9. セキュリティ関連機能の制限

脆弱性の発見、エクスプロイトの生成、マルウェア解析、レッドチーミングといったサイバー関連の能力は、強いモデルほど制限がかかる傾向にあります。確認できたものと、確認できなかったものを分けて示します。

モデル・系統制限内容根拠
Claude Mythos Preview制限あり（最大級）一般公開せず、Project Glasswingのパートナーなどに限定。参加者は脆弱性の発見と修正に使えます。安全対策は今後のClaude Opusと合わせて導入される予定で、影響を受けるセキュリティ専門家はCyber Verification Programに申請できます。Anthropic公式
Claude Fable 5 / 5.1制限あり攻撃的なサイバー作業全般を分類器で検知し、検知時は応答がClaude Opus 4.8に切り替わります（利用者に通知）。外部のバグバウンティで、1,000時間超のテストでも普遍的なジェイルブレイクは見つかっていません。Anthropic公式（Fable 5）
Claude Mythos 5 / 5.1制限緩和（審査制）Glasswingのパートナーはサイバー安全措置が解除され、選ばれた生命科学研究者は生物学・化学の安全措置が解除されます。広い信頼アクセスの仕組みが整うまで、この限定が続く予定です。Anthropic公式
Claude Opus 5.5 / Sonnet 5.5 / Haiku 5.5未確認サイバー向け安全措置の詳細は、今回の確認では取れませんでした。―
GPT-6 Astra / GPT-6 Cyber制限あり（審査制）Astraはサイバー「Critical」判定で、攻撃的な作業は審査された利用者向けのTrusted Accessなどに限られるとされます。GPT-6 Cyberは認可された脆弱性調査の専用版で、2026年11月5日に報じられました。OpenAI資料・報道（二次情報）
GPT-6.1 Sol / Terra / Luna未確認標準のセーフガードの詳細は確認できていません。ただしSolはExploitBenchで99.7%とOpenAIが自己申告しており、攻撃系の能力自体は高いとされています。OpenAI自己申告
Gemini 4 Carbon / ArgonCarbonは制限ありCarbonはサイバー防御者向けの限定提供。Argonは、先に一部のサイバー関連パートナーに提供され、米政府の任意の事前公開アクセス制度にも参加したと報じられていますが、10月13日に一般提供になっています。Reuters配信記事・Google発表の報道
GLM-5.3（Z.ai）ほぼ無し（実証）単純な手法で安全措置が64〜100%回避されました。安全措置のあるClaudeには成功していません。Anthropic評価（9月29日）
その他の中国勢・ローカルLLM重み公開ゆえ解除可能重みが手元にあるため、安全措置の無効化は技術的に可能です。個別の強制的なセーフガードの有無は、今回確認できていません。一般論・未確認

出典：Anthropic（Project Glasswing、Mythos 5発表、GLM-5.3評価）、Reuters配信記事、OpenAI資料の報道。本表はサイバー能力の「制限の有無と性質」の整理にとどめています。

10. まとめ：どう読み、どう使うか

  • 確定と言えるのはMythos 5系のみ。Anthropicが同等以上と明言し、内部指標でも裏づけがあります。ただし審査制で、一般には使えません。
  • 一般に買える最上位はClaude Opus 5.5とGPT-6 Astra。AAは59と57、価格は$4/$20と$10/$50です。AAで首位のGemini 4 Carbonは、まだ一般向けには出ていません。
  • コストを重視するならGPT-6.1 SolとClaude Sonnet 5.5。どちらも$2/$10で、AAはともに55です。ただしSonnet 5.5は、推論設定を下げると指数が大きく下がります。
  • 中国勢とローカルLLMは、総合では一段下。サイバーのエクスプロイト生成だけは、GLM-5.3が同等級に達しています。その能力が、安全措置なしで誰にでも手に入る点が、性能以上に注意すべき点です。
  • 数字を使うときは、設定名と版を書く。推論設定、指数の版、ベンチマークの版、自己申告か第三者値か。この4点が欠けた比較表は、調達判断には使えません。

今後の注目点は、筆者の推定としてですが、次の3つです。Mythos PreviewがAAに載らないままか。Gemini 4 Carbonの一般提供の時期。Haiku 5.5などの独立評価が出そろうかどうか。いずれも、この記事の「有力」の判定を動かす材料になります。

主な出典

時刻: 0 件のコメント:
ラベル:

日曜日, 11月 08, 2026

GPT-4oは「足切り」から「床」へ──2026年11月版・AIモデル勢力図

2026年7月12日に公開したGPT-4／GPT-4oを基準点に主要AIモデルの勢力図を比較した記事のフォローアップです。7月の結論は「GPT-4o基準は各社の最下位ティアまでほぼクリアする」でした。それから約4か月、各社は世代交代と大幅な値下げを進め、基準点だったGPT-4／GPT-4oそのものもAPIから消えつつあります。

本稿は元記事と同じ5カテゴリ（フロンティア各社、その他の欧米勢、中国勢、ローカルLLM、日本勢）で最新状況を整理し、特にローカルLLMと国産モデルが今どの水準にあるのかを掘り下げます。結論を先に書くと、「特定の独立評価でGPT-4oを大きく上回る低価格・小型モデルが複数ある」という点は11月時点でも成り立ちます。ただし、「すべての下位モデルが全面的にGPT-4o超え」「家庭用GPU上の量子化版でも同じ性能が実証済み」とまでは言えません。

本記事は2026年11月8日時点の公開情報に基づきます。価格は断りがない限り100万トークンあたりの入力／出力（米ドル）です。自社公表値と第三者の計測値は区別して書き、報道・集計サイト経由の情報はその旨を明記しています。今後の見通しに関する記述は筆者の推定です。

1. 結論：基準は「足切り」から「床」へ

  • 独立計測でもGPT-4o超えが確認できる低価格・小型モデルがある。Vals AIのGPQA Diamondでは、GPT-4o（2024-11-20版）の53.79%に対し、Gemini 3.5 Flash-Liteが83.84%、Qwen3.8-27Bが88.89%でした。
  • 一方で、従来の比較軸（MMLU・GPQA）はほぼ使われなくなった。最新の最下位ティアほどGPQAやMMLUが公表されておらず、Vals AIも「性能が飽和した」としてGPQAを新モデルで計測しなくなっています。公式値でGPT-4o超えを示せるモデルは、むしろ減りました。
  • 基準点が現役ではなくなる。OpenAIは初代GPT-4とGPT-4o初版をAPIから削除済みで、残るGPT-4o系も2027年1月14日に削除予定です。
  • ローカルLLMでは、24GB GPU 1枚で動く27BクラスがGPT-4oのGPQAを大きく上回る。ただし、独立計測の値と手元の量子化版の性能は別の話です（第7章）。
  • 国産モデルは、日本語の一部指標でGPT-4oを上回る。NIIのLLM-jp-4.1は日本語MT-Benchで3サイズともGPT-4oを上回りましたが、別の日本語指標では下回っています。指標次第で勝敗が分かれるというのが実態です（第8章）。

2. 基準点（GPT-4／GPT-4o）の現在地

2-1. 基準値

基準値は7月記事のものを踏襲します。GPT-4oは、OpenAI公式値でMMLU 88.7%、GPQA Diamond 53.6%、MATH 76.6%、HumanEval 90.2%です。第三者のVals AIでも、GPT-4o（2024-11-20版）のGPQA Diamondは53.79%でした。「GPT-4o相当」はGPQA Diamond 50〜54%前後の帯として扱います。

2-2. 2026年にGPT-4系はどう扱われたか

ChatGPTでは、2026年2月13日にGPT-4o、GPT-4.1、GPT-4.1 mini、o4-miniが選択肢から外れました（OpenAI Help Center）。APIの廃止日程は、OpenAIのDeprecationsページに次のとおり載っています。

対象モデル 廃止日（shutdown） 通知日 推奨される後継
chatgpt-4o-latest 2026/2/17 2025/11/18 gpt-5.1-chat-latest
gpt-4（gpt-4-0613ほか）、gpt-4o-2024-05-13 2026/10/23（廃止済み） 2026/4/22 gpt-5.6-sol
gpt-4.1-nano 2026/10/23（廃止済み） 2026/4/22 gpt-5.6-luna
gpt-3.5-turbo 2026/10/23（廃止済み） 2026/4/22 gpt-5.6-terra
gpt-4o-2024-08-06／2024-11-20、gpt-4o-mini、gpt-4.1、gpt-4.1-mini 2027/1/14（予定） 2026/10/14 gpt-6-luna

出典：OpenAI API Deprecations（2026年11月取得）。ファインチューニング済みモデルの扱いなど細目はページを参照。

注目点は2つあります。第一に、2027年1月14日削除の群は、通知（2026年10月14日）から約3か月しかありません。移行に余裕のある日程ではありません。第二に、OpenAIはGPT-4oの推奨後継に最下位ティアのgpt-6-lunaを指定しました。ベンダー自身が「最下位ティアでGPT-4oの役割を置き換えられる」と見ていることを示します。ただし、後継指定は業務品質・互換性・対応モダリティが全面的に同等だという保証ではありません。移行時は自社データでの確認が必要です。

Azure OpenAIについては、Microsoftの廃止表で、対象となるGPT-4oの稼働中ベースモデル推論の廃止日が2027年1月14日と記載されています。Regional Standardなど提供形態によっては別の条件があり、OpenAI直API（初版は2026年10月23日）とは日程が異なります。利用中のデプロイ形態ごとに確認してください。

3. 比較表：最下位・低価格ティアはGPT-4oを超えているか

「GPT-4o超えの根拠」は3段階で示します。強は、独立計測（Vals AI、Epoch AIなど）でGPT-4oの帯を明確に超える値があるもの。中は、公式値だけ、または間接的な指標・世代関係からの推定にとどまるもの。弱は、確認できなかったものです。

モデル（提供元） 発表 価格（入力 / 出力） 主要ベンチ値（区分） GPT-4o超えの根拠
GPT-6 Luna（OpenAI） 2026/9/22 0.10 / 0.50 GPQA Diamond 約90.5%（Epoch AIの評価データ）。OpenAIはGPQA・MMLUを公表していない 強（独立計測）。GPT-4oの推奨後継
Claude Haiku 5.5（Anthropic） 2026/10/7 0.10 / 0.50（入力10万トークン以下）。超過時は0.50 / 2.50 GPQA Diamond 約89.7%（Epoch AI）。SWE-bench Pro 64.8%、OSWorld 2.1 72.4%（Anthropic公表） 強（独立計測）
Gemini 3.5 Flash-Lite（Google） 2026/7/21 0.30 / 2.50 GPQA Diamond 83.84%（Vals AI） 強（独立計測）
Gemini 3.8 Flash（Google） 2026/9/2 0.75 / 3.75（2026年末まで）、2027年から1.50 / 7.50 GPQA等の値は確認できなかった 中（世代・ティアからの推定）
Grok 4.7（xAI） 2026/9/21 2 / 6 Terminal-Bench 4.0 37.6%（xAI公表）。MMLU・GPQA系は確認できなかった 中
DeepSeek V4.1 Flash（DeepSeek） 2026/9/10（10/17更新） 0.30 / 1.20（ピーク時、集計サイト値） DeepSWE v1.1 77.0（DeepSeek自社値）。MITライセンス 中
Qwen3.8-27B（Alibaba） 2026/8 オープンウェイト（Apache 2.0） GPQA Diamond 89.2（Qwen公式）、88.89%（Vals AI） 強（公式＋独立計測）
Mistral Large 4（Mistral AI） 2026/10/6プレビュー、10/29重み公開 0.70 / 2.10（Mistral公式価格） 自社主張のみ（Terminal-Bench 4.0でGLM-5.3と同等） 中
Nova 2 Lite（Amazon） 既存 0.30〜0.33 / 2.50〜2.75（集計で割れる） 確認できなかった 弱

出典：Vals AI、Epoch AI、各社公式発表・価格ページ、集計サイト（2026年11月取得）。価格・ベンチ値は取得時点のもので、各社の改定で変わります。

表から読み取れることが3点あります。最下位ティアの単価は、GPT-6 LunaとHaiku 5.5が揃って0.10 / 0.50ドルまで下がりました。7月記事ではHaiku 4.5が1 / 5ドル、GPT-5.6 Lunaが1 / 6ドルでしたから、約10分の1です。Gemini 3.5 Flash-Liteは0.30 / 2.50ドルで、単価では最安ではありません。「Googleが最安」という7月までの見方は、最新世代では当てはまらなくなりました。そして「強」と評価できるのは、独立計測の値が公開されているモデルに限られます。

独立計測の値（Vals AI、GPQA Diamond）を並べると、次のようになります。

GPT-4o（2024-11-20）
53.79%
Gemini 3.5 Flash-Lite
83.84%
Qwen3.8-27B
88.89%

出典：Vals AI GPQAベンチマーク（2026年9月1日更新）。バーは最大値（88.89%）を100%とした相対比で、0%起点の絶対比ではありません。

4. フロンティア各社

4-1. OpenAI

  • 7月に「GPT-6／Astraの有無」が焦点でしたが、9月に答えが出ました。GPT-6 Astraは9月上旬に公開され、9月22日にGPT-6 SolとLuna、9月29日（DevDay）にGPT-6.1 Sol、10月26日にGPT-6.1 Terra（1 / 5ドル）が続きました。
  • 価格は、Astraが10 / 50ドル、Solが2 / 10ドル、Lunaが0.10 / 0.50ドルです（OpenAI公式価格ページを引用した複数の解説記事による）。
  • GPT-5.6 Lunaは、7月記事では1 / 6ドルでした。OpenAIの変更履歴では7月30日に約80%の値下げがあり、0.20 / 1.20ドルになっています。GPT-6 Lunaの0.10 / 0.50ドルは、その半額です。
  • Artificial Analysisの現行比較（Intelligence Index v5.0.1）では、GPT-6 Lunaが28、GPT-5.6 Lunaが24です。指数は版が変わると値も変わるため、版を明記して読む必要があります。
  • オープンウェイトのgpt-oss系は、7月以降に新モデルが出たことを確認できませんでした。

4-2. Anthropic

モデル 発表日 価格（入力 / 出力） 備考
Fable 5.1（同一モデルの限定版がMythos 5.1） 2026/9/1 10 / 50 Fable 5から価格は据え置き
Opus 5.5 2026/9/22 4 / 20 7/24のOpus 5（5 / 25）から値下げ
Sonnet 5.5 2026/9/28 2 / 10 Sonnet 5の導入価格終了後の定価は、資料により2 / 10と3 / 15で割れ、確定できなかった
Haiku 5.5 2026/10/7 0.10 / 0.50（入力10万トークン以下） Haiku 4.5（1 / 5）の約10分の1。10万トークンを超えるとリクエスト全体が0.50 / 2.50になる

出典：Anthropic公式発表、価格まとめ（2026年11月取得）。

Haiku 5.5には「価格の崖」があります。長い入力を渡すと、リクエスト全体の単価が5倍になります。長文処理では、見かけの最安単価がそのまま使えません。

4-3. Google

  • 7月21日にGemini 3.6 Flash（1.50 / 7.50ドル）とGemini 3.5 Flash-Lite（0.30 / 2.50ドル）、9月2日にGemini 3.8 Flashが登場しました。3.8 Flashの価格は、Googleの文書で2026年末まで0.75 / 3.75ドル、2027年から1.50 / 7.50ドルとされています。
  • 7月時点で「パートナーとテスト中」だったGemini 3.5 Proは、一般提供を確認できませんでした。代わりにGemini 4 Argonが9月30日に発表され、10月13日に一般提供されています（導入価格2 / 10ドル、11月30日以降は4 / 20ドルと報じられています）。
  • Gemini 4 Carbonは10月28日に発表され、まずサイバー防御担当者向けとされました。LMArenaのText部門では1528で首位との集計があります（集計サイトによる10月28日付データ）。
  • Gemma 4（12B／26B-A4B／31B）が引き続き現行で、後継は確認できませんでした。

4-4. xAI・Meta

  • xAI：Grok 4.6（8月12日）、Grok 4.7（9月21日、2 / 6ドル）と更新されました。Grok 5は未リリースです。低価格ティアはGrok 4.1 Fastのままで、新しい軽量モデルは確認できませんでした。
  • Meta：Muse Spark 1.3（9月2日）を出しました。小型のオープンウェイトMuse Glimmer（8月10日）、大型のMuse Wonder（10月）に続き、Muse Spark Open（10月15日）を公開しています。Muse Spark Openは816B総／42B活性のMoEで、コンテキストは100万トークン、ライセンスはMuse Model Licenseです。
  • 7月記事で触れたMeta自社ハーネス値とVals AI値の乖離は、その後解消したかを確認できませんでした。

5. その他の欧米勢

  • Mistral AI：Mistral Large 4（約1兆パラメータ）を10月6日にプレビュー公開し、10月29日に重みを公開しました。公式API価格は0.70 / 2.10ドルです。「GLM-5.3と同等の性能で、タスクあたりのトークンが47%少ない」というMistralの主張は自社値です。非中国のオープンモデルという「主権」の訴求を前面に出しています。
  • Microsoft：MAIモデル群について、7月以降に新モデルや価格が公表されたことは確認できませんでした。
  • Amazon：現行はNova 2 Lite、Nova 2 Sonic、プレビュー段階のNova 2 Pro（1.375 / 11ドル）です。re:Invent（11月30日〜12月4日）で新フラッグシップが出るという見方がありますが、これは予測で確定情報ではありません。
  • NVIDIA：Nemotron 3.5 Lightning（8月11日、30B-A3B、コンテキスト100万トークン、日本語を公式サポート）とNemotron 3.5 Bolt（10月15日、74B総／9B活性の視覚言語モデル）を出しています。
  • IBM：Granite 4.2（8月25日、8Bと30B、Apache 2.0、日本語を公式サポート）を出しました。
  • Apple：独自LLMの新しい動きは確認できませんでした。

6. 中国勢

7〜10月に、DeepSeek、Qwen、Moonshot、Z.ai、Xiaomi、MiniMaxが相次いで新しいフラッグシップを出しました。多くは重みを公開し、価格は米国勢を大きく下回ります。

提供元 主なモデルと時期 重み・ライセンス 備考
DeepSeek V4.1 Flash（9/10、10/17更新）。V4 Proは継続 MIT。V4.1 Flashは552B総／8〜16B活性 V4.1 Proは名前のみ予告で時期未定
Alibaba（Qwen） Qwen3.8-Max（クラウド版8/3、重みは8/12）、Qwen3.8-27B Max：独自ライセンス（2.4T総／95B活性）。27B：Apache 2.0 Qwen 4は「学習中」で時期未定
Moonshot（Kimi） Kimi K3（7/16、重み7/27）、K3.1 Pro（10月、2 / 10ドル） K3：独自のKimi K3 License（2.8T総／104B活性）。K3.1 Proも公式リポジトリに重みあり（96分割、計1.56TB） 大企業やMaaS事業者には追加の義務がある
Z.ai（GLM） GLM-5.3（753B）、GLM-5.3-Flash GLM-5.3-Flash：MIT 公式Terminal-Bench 4.0で41.8%、オープンウェイト最上位
MiniMax M3.1 Flash 発表の4日後に重みを公開 ―
その他 Xiaomi MiMo-V2.6-Pro、StepFun Step 5 Preview、Tencent Hy4 Preview、Baiduの小型Ernie MiMo：MIT、Hy4：Apache 2.0 ByteDance Seed／Doubaoの新しい動きは確認できなかった

出典：各社公式発表、Hugging Face（Moonshot公式リポジトリ）、解説記事（2026年11月取得）。

独立評価の状況

  • Artificial AnalysisのIntelligence Index v5では、オープンウェイト最上位のKimi K3.1 Proが46、クローズドの最上位Opus 5.5が59で、13ポイントの差があります。
  • LMArena Textでオープンウェイト最上位は、Kimi K3（Max）の19位（419件中、11月6日時点）でした。
  • Tolokaは、Kimi K3が5回の試行で安定して完了できたエージェントタスクは13.3%（pass^5）にとどまったと報告しています。ベンチマークの高さと、繰り返し実行したときの安定性は別物です。
  • 日本語のNejumi Leaderboard 4（8月更新）では、Qwen3.8-2.4T-A95Bが総合0.860で全体3位、オープンウェイトでは首位です（Qualitegの9月1日付分析経由の二次情報）。日本語でも大型の中国系オープンモデルが強い構図が続いています。
  • ライセンスは必ず確認してください。Kimi K3 LicenseとQwen3.8-Maxのライセンスには、売上規模などの閾値に応じた義務があります。

なお、7月記事で触れたMiniMax M3の非公式Arena Elo（約1450）は、今回確認できませんでした。日本・アジアでの具体的な採用件数も確認できていません。

7. ローカルLLM：家庭用GPU 1枚の水準はどこまで来たか

7-1. 現在の本命：Qwen3.8-27B

Alibabaが2026年8月にApache 2.0で公開した27BのDenseモデルです。公式値はGPQA Diamond 89.2、LiveCodeBench v6 90.3、SWE-bench Pro 61.7、Terminal-Bench 2.1 73.0で、いずれも前世代のQwen3.6-27Bを上回ります（GPQAは87.8→89.2）。GPQA Diamondは、GPT-4oの53.6%（OpenAI公式）に対し、Qwen公式89.2、Vals AI計測88.89%と、30ポイント以上の差です。

ただし、この数字を「手元のPCで同じ性能が出る」と読むには、3つの注意点があります。

  • 独立計測と手元の量子化版は別の話。Vals AIの値は、開発元の提供する環境で測ったものです。24GB GPUに載せる4bit量子化版（GGUFなど）で同じスコアが出ることを示すものではありません。
  • 「考える量」が桁違い。Vals AIのページでは、Qwen3.8-27Bの平均トークン数は16.51k、レイテンシは約116秒でした。GPT-4o（2024-11-20）は1.76k、約15秒です。トークン数は約9倍で、正答率の高さは長い思考と引き換えです。対話用途の応答速度とは別に考える必要があります。
  • GPQAは知識を要する推論の指標で、エージェント性能の指標ではない。大型のオープンモデルでさえ、Artificial Analysisの総合指数ではクローズドの最上位から13ポイント離れています（第6章）。27Bクラスの総合力がフロンティアに並ぶとは言えません。

7-2. 動かす環境と候補モデル

環境 メモリの目安 候補モデル 備考
RTX 3090／4090（24GB VRAM）、24GBのMac Qwen3.8-27Bの4bit量子化で約16〜17GB Qwen3.8-27B、Gemma 4 26B-A4B／31B、Nemotron 3.5 Lightning 30B-A3B、Granite 4.2 30B、LLM-jp-4.1（32B-A3B／33B） 各モデルとも量子化の方式・設定で品質が変わる
RTX 5090（32GB VRAM） 同上。コンテキストに余裕 Qwen3.8-27Bほか上記 128Kコンテキストまで実用的との第三者報告
128GB以上の統合メモリ（Mac Studio、Ryzen AI Max系） 100GB超 Qwen3.8-Flash-Next（125B／6B活性）、GPT-OSS Swallow 120B、Muse Spark Open（Mac Studio 2台構成とされる） 9月にMac Studioの新世代が出たと報じられている

出典：各社モデルカード、第三者ベンチマーク記事、9to5Mac（2026年11月取得）。

第三者の実測では、RTX 3090で約40、RTX 4090で約87、RTX 5090で約75 tok/s（マルチトークン予測を有効にすると最大約144 tok/s）という報告があります。ただし測定条件（コンテキスト長、量子化、推論エンジン）が揃っていないため、序列は参考程度にとどめてください。7月記事で例に挙げたPhi-4（14B）とQwen2.5-Coder-32Bは、いまでは旧世代です。Phi系の新モデルは確認できませんでした。

7-3. セキュリティ上の注意：Ollama「Bleeding Llama」

ローカルLLMの運用で見落としやすいのが、ツール側の脆弱性です。OllamaのCVE-2026-7482（通称Bleeding Llama、CVSS 9.1）は、GGUFモデルの読み込み処理に起因するヒープ領域の範囲外読み出しで、認証なしの攻撃者が3回のAPI呼び出しでプロセスのメモリ内容（会話、APIキー、環境変数など）を取り出せる可能性があります。Cyera Researchが2026年2月2日にOllamaへ報告し、CVEは5月1日に公開、Cyeraの技術公表は5月5日です。0.17.1より前のバージョンが影響を受けます。公開状態のOllamaサーバーは、Cyeraの推計で約30万台とされます（公開サーバー数の推計は調査により異なります）。対策は、バージョンを0.17.1以降に上げることと、ポート11434を認証なしでインターネットに公開しないことです。

7-4. ローカルLLMの水準の見方

整理すると、「24GB GPU 1枚で、GPQAのような知識推論の独立計測でGPT-4oを30ポイント以上上回るモデルが動く」ところまで来ています。一方、実際の業務品質は、量子化の種類、コンテキスト長、思考トークンの量、対象タスクで変わります。「ローカルならGPT-4oの代替になる」は、自社タスクで評価して初めて言える結論です。

8. 日本勢：国産モデルはGPT-4oの水準に届いたか

8-1. デジタル庁「源内」の進展

デジタル庁の公表資料を整理した解説記事（2026年10月21日時点）によると、源内の試用LLMは、3月6日に応募15件から7件が選定され、その後2社が辞退して、5月に次の5社が契約しました。7月記事は選定時点（3月）の7件を紹介しており、5月の契約状況は反映できていませんでした。

  • 契約済み：NTTデータ（tsuzumi 2）、ソフトバンク（Sarashina3 mini。選定時のSarashina2 miniから差し替え）、NEC（cotomi v3）、富士通（Takane 32B）、PFN（PLaMo 2.0 Prime）
  • 契約一覧に名前がないのは、KDDI・ELYZA（Llama-3.1-ELYZA-JP-70B）とカスタマークラウド（CC Gov-LLM）です。辞退理由は公表されていません。
  • tsuzumi 2、Takane 32B、PLaMo 2.0 Primeの3モデルは7月から「さくらのクラウド」で動き、既存の海外モデルとのブラインドA/B評価を9〜11月に複数回行う計画です。
  • 10月20日に「エージェントチャット」の提供が始まりました。2027年度向けの公募は2026年11月に始まる予定で、評価テストは50問から300問・35項目に増え、tool use（外部ツール呼び出し）の説明が必須になります。2027年4月からは有償利用に移ります。

8-2. 各モデルの最新動向とGPT-4oとの比較根拠

モデル（提供元） 最新動向 GPT-4oとの比較根拠
LLM-jp-4.1（NII） 9/28公開。8B、32B-A3B（MoE）、33Bの3サイズ。チューニング済みモデル（thinking版）、GGUF量子化版、SFT・DPOデータを公開 NIIがGPT-4oと同一表で比較（8-3参照）。指標により勝敗が分かれる
PLaMo（PFN） PLaMo 3.0 Primeは6/22に正式提供。10/27にPLaMo 3.1 Primeの提供が始まった（PFN発表） 7月記事で紹介した2.2 Primeは、自社ベンチJasterでGPT-4o miniを上回ると自社報告。3.x系でGPT-4oと直接比べた公式値は確認できなかった
tsuzumi 2（NTT） 30B、フルスクラッチ、GPU 1枚で推論可能。8/26にオンプレミス提供を発表 NTTは「GPT-4oと同等以上の日本語理解能力」を掲げる（自社評価）。NTT自身が全方位でChatGPTを上回るわけではないとも明言
Takane 32B（富士通、Cohereと共同開発） 源内で契約・稼働 GPT-4oと直接比べた公式値は確認できなかった
Sarashina3 mini（ソフトバンク）、cotomi v3（NEC） 源内で契約 GPT-4oと直接比べた公式値は確認できなかった

出典：NII公式ブログ、PFN発表、NTT発表、デジタル庁公表資料の解説記事（2026年11月取得）。

ELYZA、Stockmark、Rakuten AI、KARAKURI、GENIAC第4期については、7月以降の新しい動きを今回確認できませんでした。

8-3. LLM-jp-4.1とGPT-4oの比較（NII公式）

NIIのブログは、GPT-4o（gpt-4o-2024-08-06）とLLM-jp-4.1の各サイズを、LLMによる評価（llm-jp-judge）の4指標で比較しています。LLM-jp-4.1は推論の強度（reasoning effort）をmediumにして評価されています。

指標 GPT-4o LLM-jp-4.1 8B 32B-A3B 33B
MT-Bench（日本語） 7.29 7.58 7.69 7.76
MT-Bench（英語） 7.69 7.67 7.85 7.98
AnswerCarefully（日本語の安全性） 4.00 3.92 3.91 4.08
llm-jp-instructions（日本語の質問応答） 4.07 3.67 3.79 3.83

出典：NII LLM-jp-4.1公式ブログ（2026年9月28日）。太字はGPT-4oを上回った値。評価はLLMによる採点で、GPT-4oも同じ条件の評価対象です。

読み方としては、日本語MT-Benchでは3サイズすべてがGPT-4oを上回り、英語MT-Benchでは32B-A3Bと33Bが上回りました。一方、llm-jp-instructionsでは3サイズすべてが下回っています。「国産がGPT-4oに追いついた」とも「届かない」とも一括りにはできず、指標と用途で勝敗が分かれるという結論になります。なお、LLM-jp-4.1は学習データまで公開しており、中身を検証できる点では他のモデルと性格が異なります。

8-4. 日本語総合ベンチマークでの位置（Nejumi Leaderboard 4）

Nejumi Leaderboard 4（8月更新、Qualitegの9月1日付分析経由の二次情報）では、首位のClaude Opus 5が総合0.872でした。国産・日本語強化モデルの上位は次のとおりです。このリーダーボードにGPT-4oは載っておらず、直接の比較はできません。

Claude Opus 5（首位）
0.872
Qwen3.8-2.4T-A95B（3位）
0.860
GPT-OSS-Swallow-120B-RL
0.691
llm-jp-4-33b-thinking
0.676
Qwen3-Swallow-8B-RL
0.655

出典：Nejumi Leaderboard 4（8月更新）をQualitegが9月1日に分析した記事経由。バーは最大値（0.872）を100%とした相対比です。

国産・日本語強化モデルの最上位は0.691で、首位との差は約0.18あります。日本語の指示追従などでGPT-4oの水準に届いていても、現行フロンティアとの間にはまだ距離があるというのが、7月記事と同じ見立てです。各モデルのベースモデルの出自（フルスクラッチか派生か）は、個別に確認する必要があります。

9. 評価環境の変化：GPT-4o基準にまだ意味はあるか

  • 飽和：GPQA Diamondは27Bのローカルモデルで89%、上位モデルでは95%前後にまで達しました。MMLUは主要ベンダーの発表からほぼ消えています。Vals AIは、GPQAを「性能が飽和した」として新モデルでは実行しなくなり、過去の結果をアーカイブとして残しています。
  • 新しい物差し：発表の主役は、DeepSWE v1.1、Terminal-Bench 4.0、SWE-bench Pro、OSWorld 2.1、HLE、AutomationBench、GDPval-AAなどのエージェント系に移りました。横断指標はVals IndexとArtificial Analysis Intelligence Index（10月27日にv5へ改定）です。METRのタスクホライズンの最新値は確認できませんでした。
  • 自社値と独立値のずれ：Haiku 5.5のTerminal-Bench 4.0は、Anthropic公表39.2%、Artificial Analysis 33%、Vals AI 36.4%でした。Kimi K3は、ベンチマークの高さに対して反復実行の安定性が低いことが示されています。
  • LMArena：Textの頂点は約1528（集計サイトによる10月28日付データ）に達しました。7月記事のGPT-4o（約1287）と並べたくなりますが、Arenaのスコアは集計時点と手法の改定でずれるため、単純な差として比べるべきではありません。

結論として、GPT-4o基準は「最低限の汎用知能があるか」を確かめる足切りとしては、今も読者に分かりやすい物差しです。ただし、2026年11月にモデルを選ぶ根拠にはなりません。選定は、エージェント系ベンチマークの結果と、自社データでの評価で行うべきです。

10. 7月記事の答え合わせ

7月記事の記述 11月時点 判定
GPT-4o基準は各社の最下位ティアまでほぼクリア 独立計測でも裏付けが増えた。ただし最新モデルの多くはGPQA・MMLUが公表・計測されておらず、一括りの断定は弱めるべき 成立（表現は要調整）
GPT-5.6 Luna 1 / 6ドル、Haiku 4.5 1 / 5ドル GPT-5.6 Lunaは7/30に約80%値下げ。9/22のGPT-6 Lunaは0.10 / 0.50ドル。Haiku 5.5も0.10 / 0.50ドル 要更新
GPT-4.1 nanoはGPT-4o未満、GPT-4.1 miniが同等以上 gpt-4.1-nanoは10/23に削除。GPT-4.1 miniも2027/1/14に削除予定 要更新
Gemini 3.1 Flash-Lite（0.25ドル）、Gemini 3.5 Proはテスト中 Gemini 3.5 Flash-Lite（0.30 / 2.50ドル）が現行。3.5 Proの一般提供は確認できず、Gemini 4 Argon／Carbonが登場 要更新
Grok 4.5、Muse Spark 1.1、Mistral Large 3 Grok 4.7、Muse Spark 1.3（Open／Wonderも）、Mistral Large 4に世代交代 要更新
DeepSeek V4 Pro、Qwen 3.7 Max、Kimi K2.6、GLM-5.2 DeepSeek V4.1 Flash、Qwen3.8（重みも公開）、Kimi K3／K3.1 Pro、GLM-5.3に更新 要更新
ローカルはPhi-4、Qwen2.5-Coder-32B、Qwen3.6-27B Qwen3.8-27Bが現行の本命。Phi-4とQwen2.5-Coderは旧世代 要更新
源内は7モデルを選定 3/6の選定7件は事実。その後2社が辞退し、5月に5社が契約 状況が進展
PLaMo 2.2 Prime 7月時点でPLaMo 3.0 Prime（6/22正式提供）が最新だった。10/27にPLaMo 3.1 Primeの提供が始まった 7月時点で古かった
国産とGPT-4oの直接比較データは乏しい NIIがLLM-jp-4.1とGPT-4oを同一表で比較。指標により勝敗が分かれる 一部解消
MiniMax M3の非公式Arena Elo約1450、Meta自社ハーネス値の乖離 今回確認できなかった 未確定

判定は筆者によるもので、「要更新」は記述が誤りというより、時間の経過で古くなったものを含みます。

11. 実務での使い分け：階層戦略の更新版

「下位ティアを既定にし、難しいタスクだけ上位へ振り分ける」という階層戦略は、引き続き定石です。中身を更新します。

  • まずGPT-4o／GPT-4.1系の移行を済ませる。期限はOpenAI直APIで2027年1月14日です（初版は2026年10月23日に廃止済み）。後継として指定されているのはgpt-6-lunaで、品質が足りない処理だけをGPT-6.1 Terra（1 / 5ドル）やSol（2 / 10ドル）に上げます。
  • 既定（下位ティア）：分類・抽出・要約・ルーティングには、GPT-6 Luna、Claude Haiku 5.5、DeepSeek V4.1 Flashが候補です。長い入力にはHaiku 5.5の「10万トークンの崖」に注意し、Gemini 3.5 Flash-Liteなども比較します。
  • 中位：Claude Sonnet 5.5、GPT-6.1 Sol／Terra、Gemini 3.6／3.8 Flash、Grok 4.7。
  • 難しいタスクだけ上位：Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon。トークン単価ではなくタスク単価で比べてください。思考トークンが多いモデルは、単価が安くてもタスクあたりの費用が膨らみます（Qwen3.8-27Bの平均トークン数はGPT-4oの約9倍でした）。
  • データを外に出せない場合：Qwen3.8-27B（Apache 2.0、24GB GPU）、国産のLLM-jp-4.1、欧州製のMistral Large 4が候補です。ローカルに置く場合は、Ollamaなど周辺ツールの脆弱性管理と、非公開運用が前提になります。
  • 行政案件：源内の2027年度公募と、tool use対応の要件を追ってください。
  • 評価は自社データで：ベンダーの発表値と第三者値の間には、数ポイントのずれが普通にあります。重要な業務では、移行前に自社データで評価してください。

12. まとめ

  • 7月の結論は、「特定の独立評価でGPT-4oを大きく上回る低価格・小型モデルがある」という形で11月も成り立ちます。最安ティアの単価は約10分の1まで下がりました。
  • ただし、最新モデルの多くはGPQA・MMLUが公表されておらず、独立計測も止まりつつあります。「全面的に上」という断定は避けるべきです。
  • 基準点のGPT-4oは、2027年1月14日にAPIから消えます。GPT-4o基準は「歴史的な参照値」に変わりつつあります。
  • ローカルLLMは、24GB GPU 1枚でGPQAの独立計測値がGPT-4oを大きく上回る水準です。ただし量子化版の品質、応答速度、エージェント性能は別に確かめる必要があります。
  • 国産モデルは、日本語MT-BenchなどでGPT-4oを上回る例が出た一方、別の指標では下回り、現行フロンティアとはまだ差があります。

13. 数値の扱いについて

  • OpenAIの廃止日程、NIIのLLM-jp-4.1比較、Vals AIのGPQA値は、公式ページで直接確認できる情報です。
  • GPT-6 LunaとHaiku 5.5のGPQAはEpoch AIの評価データによる値で、各社の公式発表ではありません。Fable 5.1やGPT-6 AstraのGPQA値などは、裏付けが取れなかったため記載していません。
  • 価格や一部のベンチマーク値は、公式価格ページを引用した解説記事・集計サイト経由です。Gemini 4 Argonの導入価格、DeepSeek V4.1 Flashの価格、Nova 2 Liteの価格（0.30 / 2.50ドルと0.33 / 2.75ドルで割れる）などが該当します。
  • Sonnet 5の導入価格終了後の定価は、資料により2 / 10ドルと3 / 15ドルで割れ、確定できませんでした。
  • PLaMo 3.1 Primeの提供開始（10月27日）はPFNの発表に基づきます。源内の契約状況は、デジタル庁の公表資料を整理した解説記事（2026年10月21日時点）に基づきます。
  • Artificial Analysisの指数は版（v5.0.1など）で値が変わります。LMArenaのスコアは集計時点で基準がずれます。
  • 確認できなかった項目：GPT-4o基準値の再取得、Microsoft MAIの新モデル、Gemini 3.5 Proの一般提供、gpt-oss後継、ByteDance・Baiduの詳細、ELYZA・Stockmark・Rakuten AI・KARAKURI・GENIAC第4期の最新動向、METRの最新値、国産モデル各社のGPT-4oとの直接比較（NIIを除く）。
  • ベンチマークは実利用感を完全には代表しません。重要な判断には、自社データでの再検証をお勧めします。

主な出典

時刻: 0 件のコメント:
ラベル:

金曜日, 11月 06, 2026

米中間選挙は「AI」を変えたのか？ データセンター争点化と州規制の行方

2026年11月3日の米中間選挙で、民主党が上下両院の多数を奪還しました。翌日から東京市場では半導体・AIインフラ関連株が大きく売られましたが、AI政策は今回の勝敗を分けた主因だったのでしょうか。本記事では、選挙結果で確認できたこと、AIとデータセンターが争点としてどこまで効いたのか、連邦・州の規制と市場への影響、そして今後の見通しを、確認できた事実と筆者の推定を分けて整理します。

結論を先に述べると、実務に最も響くのは次の2点です。第一に、地方政治で具体的に争点化したのは、データセンターの立地や電力・水などの問題でした。第二に、州のAI法を連邦法で上書きする道は、少なくとも新議会が始まる2027年1月以降は狭まったとみられます。一方で、大統領令や訴訟といった行政府の手段は残るため、「規制が一気に強まる」とも言い切れません。

本記事は2026年11月6日時点の公開情報に基づきます。上院2議席（アラスカ、ミシシッピ）と下院の一部は未判定で、自治体レベルの結果は非公式集計を含みます。議席数は主要メディアの当選判定ベースで、選管による確定結果ではありません。出口調査や住民投票の数字の一部は二次資料（AI生成のリサーチ記事を含む）経由です。「筆者の推定」と明記した箇所は見通しであり、事実ではありません。

1. 選挙結果で確認できたこと

選挙前の上院は共和党53対民主党47でした。開票後の主要メディアの報道を整理すると、次のとおりです。

項目 確認できた内容 留意点
上院 民主党が多数を奪還（当選判定ベース）。民主党会派は無所属2名を含め54議席を確保したと報じられています。共和党は44議席。共和党から奪取したのはカンザス、アイオワ、テキサス、オハイオ、メーン、ノースカロライナ、サウスカロライナの7議席 残るアラスカとミシシッピの2議席は未判定で、上記の54・44の外数です。ミシシッピでは民主党のコロム氏がごく僅差でリードと報じられていますが、票差の数字は報道間で食い違っています
下院 APが民主党の多数を判定。ジェフリーズ氏が次期議長に就く見通し 数字の種類が異なる点に注意が必要です。当選判定済みの議席数は、NBCが民主242・共和151・未判定42、Decision Desk HQが民主241・共和149です。一方、最終獲得議席の予測は、NBCのモデルが民主259前後、MS NOWが250以上で、判定済みの数とは別物です。確定には時間がかかる可能性があります
知事 テキサス州でAPが民主党のヒノホサ氏の勝利を判定し、現職のアボット知事が敗北。民主党は同州の上院議席も獲得（1988年以来） CNBCは、民主党が共和党から奪った知事職をテキサス、ジョージア、アイオワ、オハイオ、ネバダの5州と報じています（水曜午後時点）。開票が続く州があり、数は変わる可能性があります
新議会 2027年1月3日に招集 それまでは共和党多数のレームダック議会が続きます

出典：NPR、CNBC、Forbes、NBC News、Decision Desk HQ（いずれも2026年11月4〜5日）

2. AIは争点だったのか

NBC Newsが報じた出口調査（SSRS実施、主要メディアが共有）によると、AIとデータセンターを議会選挙の投票で「決定的」または「大きな要因」と答えた人は56%でした（決定的23%、大きな要因33%）。ただし、同じ質問で聞いた他の争点より低い水準です。

政府の腐敗
90%
生活費
89%
イラン戦争
74%
移民取締り政策
73%
AIとデータセンター
56%

「議会選挙の投票で決定的または大きな要因」と答えた割合。バーは最大値（90%）を100%とした相対長。出典：NBC News出口調査（Unite.AIによる要約を参照。2026年11月4日報道）

同じ調査から、次の点が読み取れます。

  • 地域へのデータセンター新設には76%が反対、24%が賛成でした。
  • AIが社会に与える影響は「害が大きい」57%、「益が大きい」24%でした。
  • AIをより上手く扱える政党を尋ねると、民主党29%、共和党27%、「どちらでもない」が43%で最多でした。
  • AIとデータセンターを重要な要因とした層は民主党候補に64対34で投票し、軽微または無関係とした層は共和党に57対41でした。ただし、これは調査内の関連であり、争点が投票先を決めたという因果は示されていません。
  • この質問は「AIとデータセンター」を1つの項目として尋ねており、AIへの懸念とデータセンターへの懸念は分離できません。76%という反対も、「自分の地域での新設」についての数字です。

選挙前の世論調査も同じ方向でした。NBC Decision Desk／SurveyMonkeyの調査（8月下旬〜9月）では、69%が地元でのデータセンター建設に反対しました。

地方の住民投票や選挙報道は、立地・電力・水が争点になったことを裏付けます。ただし、AIとデータセンターは無視できない争点だったとは言えても、民主党勝利の主因だったことを示す証拠はありません。生活費や政権評価とどの程度重なって作用したかも、この出口調査だけでは判定できません（なお、OpenAIのレハネ氏のメモは、データセンターが生活費不安の代理になっているという見立てを示しており、これは同氏の主張です）。

3. 連邦レベル：州法先取りの行方

3-1. 選挙前の到達点

  • 2025年12月11日、トランプ大統領が大統領令14365「AIのための国家政策枠組みの確保」に署名しました。司法長官に、州のAI法に異議を唱える「AI訴訟タスクフォース」の設置を指示し、商務省には「過度に負担の大きい」州法の評価を求めました。
  • タスクフォースは2026年1月9日に発表されました。商務省の評価は3月11日が期限でしたが、3月下旬時点では未公表と報じられました。
  • 議会は、一括予算法案（2025年）と国防権限法で、州法の先取り条項の盛り込みを見送っています。
  • 2026年3月20日、ホワイトハウスは4ページの「国家AI政策枠組み」を公表し、議会に対して、過度に負担の大きい州のAI法を先取りするよう求めました。児童保護など一般的に適用される州法は対象外とする考えです。これは拘束力のない立法勧告で、連邦法は変わっていません。

3-2. 選挙結果の影響（筆者の推定）

議会は選挙前から先取り条項を2回見送っており、民主党が両院の多数を握る新議会で、州法を広く上書きする法案が成立する可能性は低いとみています。一方で、次の点には注意が必要です。

  • 大統領令とAI訴訟タスクフォースは行政府の権限で動くため、選挙結果で自動的に失効しません。州法をめぐる訴訟は続く可能性があります。
  • 2027年1月3日までは共和党多数の議会が続くため、期限付きの必須法案に条項を滑り込ませる試みが再び出る余地は残ります。
  • 議会の多数党が変わると、調査権限を持つ委員長が交代します。AI企業やデータセンター電力コストをめぐる公聴会・調査が増えるというのが、筆者の見立てです（委員長人事は党内手続き後に確定します）。

なお、AIモデルの開発・利用を対象とする州法と、データセンターの立地・土地利用・許認可を対象とする州・自治体の規制は別の問題です。大統領令14365は、立法勧告の中で、児童の安全保護、AI計算基盤・データセンターインフラ（一般的な許認可改革を除く）、州政府自身のAI調達・利用を、先取り提案の原則的な対象外としています。3月の政策枠組みも、州のゾーニング権限などを残す設計と解説されています。つまり、データセンターの立地規制は、選挙前から連邦の先取りの主な標的ではありませんでした。「先取りが難しくなったからデータセンター規制が残る」という単純な因果ではなく、地方の規制はもともと残る前提だったと整理するのが正確です。

4. データセンター：住民投票と州政治

4-1. 住民投票

Ballotpediaの集計では、11月3日に10州で41件のデータセンター関連の住民投票がありました。可決されれば開発を制限するものが28件、促進するものが13件で、オハイオ州が18自治体で21件と最多でした。選挙前に決着していた6件はすべて開発を制限する結果でした。

全41件の最終結果を一次情報で確認できていないため、本稿では件数での総括は避けます。オハイオ州で報じられた非公式の開票結果は次のとおりです。

自治体 内容 非公式の結果
トレントン データセンター建設を禁じる憲章改正（Issue 17） 賛成79.68%（3,541対903）
パタスカラ 25MW超の大規模施設の建設禁止 賛成73.62%
グランビル、サンベリー データセンター関連の憲章改正 賛成82.45%、78.64%
グローブシティ 大規模開発に住民投票を義務づける「コミュニティ同意」条項 賛成54.60%（11,317対9,411）
アッシュビル EdgeConneXとの開発・供給契約に関する決議の是非 反対81.61%（1,469対331）

出典：Unite.AI（各郡選管の非公式集計を整理、2026年11月4日）。オハイオ州の公式な確定結果は選挙の約3週間後に公表される予定です。

選挙前の時点で、州全体の措置を持つのはニューヨーク州だけでした。これは想定電力使用量50MW以上の新規データセンターについて、州当局の許可発給を1年間停止するもので、あらゆる規模の建設を一律に禁じるものではありません（Ballotpedia）。また、40州の自治体が禁止または一時停止措置を持っていました。2026年1〜7月に自治体が採択したモラトリアム・禁止は294件（Programs.com集計）、2026年中に中止された案件は50件超と報じられています（S&P Global）。いずれも10月1日時点の記事に基づく数字で、11月時点の最新集計とは限りません。

4-2. テキサス州

ウェルズ・ファーゴの推計では、米国で計画中のデータセンター容量（ギガワット）の27%がテキサス州に集中しています（ジョージア7%、オハイオとペンシルベニアが各5%）。民主党のヒノホサ氏は、議会が保護策を整えるまでの「即時モラトリアム」と、2015年の州法に基づく20年間の税優遇への批判を政策に掲げていました。2027年1月の就任を予定しています。

なお、アボット知事も選挙前の9月21日に、州環境当局へ許可審査の一時停止を命じたと報じられています（S&P Global）。すべての新規許認可を止めたという意味ではありません。今回の選挙自体がモラトリアムを制定したわけではなく、実際の規制範囲は、就任後の行政命令や議会との調整で決まります。

5. 市場の反応

指標 動き 時点 備考
日経平均 終値61,077.90円（前日比-1,110.73円、-1.79%）、4日続落 11/5 11/4は終値62,188円（-893円）で、日中は一時3,000円超安
TOPIX +45ポイント（+1.16%）。プライムの値上がり銘柄は約72% 11/5 市況解説による二次情報。半導体以外には買いが入り、全面安ではありませんでした
アドバンテスト 前場で日経平均を約686円押し下げ（下落寄与で最大） 11/5前場 続いて東京エレクトロン、ソフトバンクG、イビデン、TDK、レーザーテックなどが下落寄与の上位
米SOX指数 約-3.1% 11/4 選挙前から半導体株は調整局面にあったと報じられています
ナスダック100先物、CoreWeave 先物-0.8%、CoreWeave約-7%（時間外） 11/4未明 CNBC報道（Unite.AI経由）。ナスダック100は10月末に調整局面入りしていました
マイクロソフト、アマゾン それぞれ約+6.7%、+6.1% 11/4 市況解説の要約による二次情報

出典：日本経済新聞、NHK、株式会社財経新聞（フィスコ配信）、CNBC（Unite.AI経由）ほか（2026年11月4〜5日）

筆者の推定では、市場は「AI規制で産業全体が縮む」と読んだのではなく、データセンター建設の遅れが半導体・AIインフラの需要を鈍らせるという連想で、サプライヤー側を選別して売ったとみられます。大手クラウド事業者は買われ、借入に頼って建設する事業者や装置・部材のサプライヤーは売られる、という差がありました。大手側が買われた理由としては、資金力のほか、新規供給の制約が既存事業者に有利に働くとの見方、設備投資の鈍化によるキャッシュフロー改善への期待、選挙後の安心感による買い戻しなどが、市場分析で挙げられています。ただし、選挙前から調整局面にあった点や、東京市場でもTOPIXは上昇していた点から、選挙結果だけで説明するのは適切ではありません。

6. 業界の動き：資金・ロビー・OpenAIのメモ

  • 規制緩和寄りのスーパーPAC「Leading the Future」：OpenAIのブロックマン社長夫妻、アンドリーセン氏、ホロウィッツ氏らが支援し、同団体は2026年4月、関連団体を含め1億4,000万ドル超を集めたと発表したと報じられました（Axios。集計範囲の独自検証はしていません）。9月には、サウスカロライナ州のダーリーン・グラハム上院議員、ミシシッピ州のシンディ・ハイドスミス上院議員を含む共和党の上院候補・現職4人を支援する200万ドルの広告投資を発表しました。結果は、サウスカロライナではダーリーン・グラハム氏が民主党のアンドリュース氏に敗れ、ミシシッピのハイドスミス氏は接戦で未確定です。
  • 規制重視寄りの「Public First」：Anthropicから少なくとも2,000万ドルを受け取っていると報じられています（NBC）。
  • OpenAIのレハネ氏のメモ：「2028: The AI Election」と題したメモを、投票前日の11月2日にPoliticoが報じました。Politicoなどの報道によれば、約6人の大統領選の有力候補（候補予定者）に送られたとされます。AIが2028年の最大の争点になると論じ、データセンターのモラトリアム支持を、2002年のイラク戦争決議への賛成になぞらえています。OpenAIは選挙後に政策提言を打ち出す方針とも報じられています。

どの勢力が選挙結果に影響したかは、現時点の資料では測れません。支出額の全体像や費用対効果についても、一次情報が出そろっていないため、本稿では評価を避けます。

7. 国際的な位置づけ：EUと米国の半導体関税

7-1. EU AI Act

EUのAI Act改正（規則2026/1744）は2026年7月24日に官報に掲載され、7月27日に発効しました。独立型の高リスクAI（附属書III）の義務は2027年12月2日に、製品に組み込まれる高リスクAI（附属書I）は2028年8月2日に延期されました。第50条の透明性義務は原則として2026年8月2日に適用されました。ただし、第50条2項（生成コンテンツの機械可読な表示）の対象となるAIシステムのうち、同日より前に市場投入されたものには、2026年12月2日までの経過措置があります。すべての生成AIサービスの表示義務が12月まで延期されたわけではありません。米国で州法の先取りが難しくなった場合でも、EUが規制を一気に強化する状況ではなく、「延期はしたが撤回はしない」という構図が続いています（筆者の見立て）。

7-2. 半導体関税

米国では2026年1月14日の大統領布告（同15日発効）で、エヌビディアH200やAMD MI325Xなど狭い範囲の先端AIチップに25%の関税が課されています。米国内のデータセンター向けなどには広い免除があります。なお、これは1月時点の措置についての説明で、11月時点でも同じ条件で続いているかは、後続の措置を含めて確認できていません。関税は大統領の権限に基づくため、議会の構成が変わっても直ちには動きません。日本の装置・部材企業にとっては、関税の変化よりも、米国内のデータセンター建設ペースの変化のほうが需要面で効いてくる、というのが筆者の整理です。

8. 今後の見通し（筆者の推定）

後から当たり外れを確認できるよう、判定条件を付けた予想を並べます。確度はA（高い）、B（中程度）、C（低い）で、いずれも筆者の主観評価であり、統計的な算定根拠はありません。

予想 確度 判定条件 確認時期
州のAI法を広く先取りする連邦法は成立しない（「広く」とは、AIモデルの開発・利用に関する州法の大半を上書きする規定を指す） A 2027年12月31日時点で、そのような規定を持つ連邦法が成立していなければ的中（限定的な先取りや分野別の規定のみが成立した場合は的中扱い） 2027年末
AI企業またはデータセンターの電力コストを主題とする議会公聴会が複数開かれる B 2027年6月末までに、該当テーマの連邦議会公聴会が2回以上開かれれば的中 2027年6月
テキサス州で、2027年1月の新知事就任後に、選挙前の措置（9月の許可審査の一時停止）より対象・期間を拡張する州法または行政命令が出る B 2027年6月末までに、そのような新措置が公布されていれば的中（既存措置の追認だけなら外れ） 2027年6月
OpenAIが、強力なAIへの「速度制限」を含む政策提言を公式に発表する B 2026年12月31日までに、OpenAIの公式発表があれば的中 2026年末
EU AI Actの附属書III義務の適用日が再延期されない B 2027年12月2日に、現行の日程どおり適用が始まれば的中 2027年12月

9. まとめ

  • 民主党が上下両院の多数を奪還しました。上院は無所属2人を含む民主党会派が54議席を確保したと報じられており、共和党は44議席、残るアラスカとミシシッピの2議席は未判定です。AIとデータセンターは無視できない争点でしたが、民主党勝利の主因だったことを示す証拠はありません。
  • 連邦による州AI法の先取りは、新議会では実現が難しくなりました。ただし大統領令と訴訟は行政府の権限で続くため、状況は流動的です。
  • 最も実務に響くのは、データセンターの立地・許認可・電力コストです。テキサス州の新知事の就任後の動きと、オハイオ州などの自治体の確定結果が、当面の注目点になります。
  • 市場の反応は、サプライヤー側の選別売りでした。選挙前から調整局面にあったため、選挙結果だけが原因とは言えません。

10. 主な出典

Unite.AIの記事は、いずれもAI生成のリサーチエージェントによる記事と明示されています。出口調査とオハイオ州の数字は、NBCの原調査や各郡選管の原表での照合が望ましく、本稿は二次資料との整合を確認した範囲です。

時刻: 0 件のコメント:
ラベル:
登録: 投稿 (Atom)