次のAI競争、勝者は単独モデルではなくモデルチームか

Ethan Mollickは、OpenAIとAnthropicが最先端だけでなく低価格帯でも競争しているという主張に反応した。両社は能力の異なるエージェントを自社システム内で連携させ、コストと性能の比率を最もうまく調整できるかもしれないという。これは議論と予測であり、完成した製品の発表ではない。

価値の中心は単独モデルからチーム構成へ移る

Mollickの指摘は、顧客が購入する単位を変える。1つの最強モデルではなく、安価な実行役、強力な計画役、独立した評価役を組み合わせて1つのタスクを処理できる。提供者が売るのは1回の実行に含まれる知能だけではない。仕事の分け方と結果の選び方も商品になる。

この考え方では、独自のモデル群、学習データ、runtimeを持つOpenAIとAnthropicが有利になり得る。ただし投稿には測定値、価格、具体的なharnessの説明がない。両社の優位性はまだ仮説だ。

最強モデルを並べるより適切な役割分担が効く

2026年のpreprintであるAgentCARDは、異なるモデルと役割を持つチームを検証した。著者らは、同コストの均質なチームより精度が最大44％高く、一部のハイブリッド構成では最強の均質チームと同等の性能を最大12分の1のタスク単価で達成したと報告する。ただし最適な割り当ては分野によって異なり、計画役が制約になる場合も実行役が制約になる場合もあった。

別のpreprintは、複数の出力から選ぶ実験の1条件で、弱いモデルを含む混成チームの利点を確認した。著者ら自身が探索的な結果と明記している。共通する教訓は群れの物語より地味だ。優れたselectorと適切な役割は、高価なエージェントをもう1つ足すより価値がある可能性がある。

エージェントを増やせば請求額と誤りも増え得る

エージェントの集団が自動的に集団知能を生むわけではない。同質のモデルは同じ誤りを繰り返し、複数回答の統合は結果を改善せずlatencyだけ増やすことがある。役割を追加するたびにtokenを消費し、誰が判断したのかも追いにくくなる。

独自harnessには商業上のリスクもある。品質が提供者の非公開routing、evals、調整機構に埋め込まれると、顧客は個々のモデルを比較しにくく、platformも替えにくい。賢いチーム構成はfrontier modelそのものと同じほど強い囲い込みになり得る。

個別ランキングではなくタスク全体のevalsが決める

有効な検証では、現実のタスクでworkflow全体を比べる必要がある。採用された結果1件あたりのコスト、latency、人間の介入回数、完了後の誤りを見るべきだ。単独モデルのbenchmarkでは、安い実行役と強い評価役の組み合わせが高価な1回の実行を上回るか分からない。

OpenAIとAnthropicが役割ごとの再現可能な結果を公開し、顧客がチーム構成を変更できるなら、本当の優位性になる。そうでなければ、コストと知能の最適化は、メーカーの請求書だけが明瞭なブラックボックスにとどまる。

Lilithの判定

将来の勝者が最も賢いエージェントを持つとは限らない。最適な配役と演出があり、下手な演技を顧客に届く前に切れる編集者がいれば勝てる。