比較が終わる前に前提が変わる — model fatigue と、価格表で調達できなくなったAI

概要

2026年9月6日、CNBC が企業の購買側で起きている現象を報じた。呼び名は model fatigue である。

背景は9月第1週のリリース密度にある。 4つのラボが3日のうちにフロンティアモデルを出した。

日付	ラボ	発表
9月1日	Anthropic	Claude Fable 5.1、Mythos 5.1。cache read 価格を75%引き下げ
9月2日	Google	Gemini 3.8 Flash。防御側限定の Cyber 変種を併設
9月2日	Meta	Muse Spark 1.3
9月3日	OpenAI	GPT-6 Astra

CNBC の調査では、従業員500人を超える企業のAI責任者のうち 62% が更新の頻度に圧倒されていると答えた。社内のガバナンスの手続きが追いつくまで、新しいリリースの検証を止めた組織も少なくない。

IT 部門の責任者、CFO、創業者が、費用と能力の比較に長い時間を割く。そして比較が終わる前に、比較の前提が古くなる。

問題はリリースの間隔ではない。比較の指標そのものが、意思決定に使えなくなっている。

詳細

価格表が動かないまま、費用が2倍になる

CNBC が挙げた事実が、この問題の中心にある。

あるフロンティアモデルは、1タスクあたりの費用が前世代の約2倍になった。価格改定はしていない。 1タスクで消費するトークンが増えたことが、そのまま費用の増加になった。

逆向きの例も同じ週に出ている。 GPT-6 Astra のトークン単価は GPT-5.6 Sol の標準と同じである。一方で DeepSWE v1.1 のタスク完了あたりの費用は約57%下がった。

観点	事例A（CNBC 報告）	GPT-6 Astra
トークン単価	変更なし	前世代と同じ
1タスクの消費トークン	増加	減少
タスク完了単価	約2倍	約57%減

トークン単価が同じでも、タスク単価は両方向へ動く。決めているのは価格ではなく、モデルが1タスクに費やす推論の長さである。

推論の長さはモデルごとに変わり、世代ごとに変わり、タスクの種類でも変わる。だから価格表の比較は、構造的に結論を外す。

OpenAI の Greg Brockman が同じ点を明示している。

Pricing tokens doesn't make any sense. What you actually want is the price per completed task. — Greg Brockman, OpenAI 共同創業者兼社長

止めている間も供給は進む

62% という数字の内訳で重いのは、検証を止めた組織があることである。

止める理由は妥当である。社内の審査を通さずに新しいモデルを本番へ入れれば、統制が効かない。

だが止めている期間に、供給側は次を出す。 9月第1週の密度がそのまま続くなら、審査が1つ終わる間に候補が2つ増える。

側	動く速さ
モデルのリリース	週単位
社内のガバナンス審査	月単位
予算と契約の見直し	年単位

この差は縮まらない。供給側は10年分の計算資源を先に固定しているためである。

Anthropic の主要な調達を並べる。

相手	内容
Amazon	最大 5GW。うち約 1GW を2026年末までに
Google と Broadcom	5年で $200B、2027年開始で 5GW 規模
Microsoft と Nvidia	Azure 容量に $30B
SpaceX（Colossus 1）	GPU 220,000基、300MW、稼働中

The Information はこれらの合計を少なくとも 14.8GW、約 $517B と集計し、同社の評価額の約30%に相当すると報じた。個別の契約は各社の発表で確認できるが、この合計値は同誌の集計である。

供給側は10年を固定した。需要側は年度で判断する。時間軸が一致していない状態で、購買の意思決定だけが速くなることはない。

一度の比較が成立しない

ここまでを整理すると、model fatigue は疲労の話ではない。比較という手続きが機能しなくなっている。

従来のソフトウェア調達では、価格は契約期間中に固定され、導入時点の性能評価が数年もった。モデルの調達では、単価が固定でも実費が変動し、性能は世代交代で数週間ごとに変わる。比較の有効期間が数年から数週間へ縮んだ結果、判断の単位も製品の選定から継続的な再評価へ移る。

比較を一度やって選ぶ運用は、有効期間が数週間しかない指標の上では成立しない。残る選択肢は、比較を続けられる仕組みを持つことである。

日本への示唆

調達仕様書にトークン単価を書くと外れる

日本企業のAI調達は、単価の比較表で進む例が多い。 1Mトークンあたりの入力単価と出力単価を並べ、安い方を選ぶ形である。

この方式は、前節の事実によって否定される。単価が同じで実費が2倍になる場合があり、単価が同じで57%下がる場合もある。

書くべきは自社の代表タスクの完了単価である。

記述	判断できるか
1Mトークンあたり $X 以下	できない。消費量が変動する
代表タスク1件あたり $Y 以下	できる。実費に対応する
代表タスクの成功率 Z% 以上	できる。品質と費用を分離できる

代表タスクを定義する作業が、調達の前提になる。自社の業務から10件から20件を切り出し、正解と許容範囲を決める。この定義がないと、どのモデルが安いかを判定できない。

評価の自動化は内製する領域になる

代表タスクでの評価は、外部のベンチマークでは代替できない。公開ベンチマークが測るのは一般的な能力で、自社業務での完了率ではない。

前日に扱った Lean での自律実行の条件と、同じ構造になる。エージェントを走らせられるかどうかは、正しさを判定する仕組みを持っているかで決まる。モデルを選べるかどうかも、同じ判定の仕組みに依存する。

つまり評価基盤は、モデル選定のためだけの投資ではない。自律実行の範囲を決める仕組みと同一のものである。

モデルの選定と再評価に必要なのは、代表タスクと自動採点である。エージェントの自律範囲を決めるときに必要なものも、同じ代表タスクと自動採点になる。移行や改修の検証には、本番入出力のリプレイと差分検出が加わる。

1つ作れば3つに効く。逆に持たない場合、モデル選定は営業資料の比較になり、自律実行は人手のレビュー待ちになる。

モデルを固定する契約と実装を避ける

年度単位の複数年契約は、週単位で動く対象と相性が悪い。

契約でモデルを指定すると、期間中の性能改善と価格改善を受け取れない。逆に実装でモデルを固定すると、差し替えの都度に書き直しが発生する。

避け方は2つある。

契約では、モデル名ではなく完了単価と成功率で条件を書く。実装では、モデルの呼び出しに抽象化を1枚挟み、差し替えを設定の変更に留める。

抽象化の層は、実装時点では余計な工数に見える。週単位で候補が入れ替わる状況では、その工数が唯一の可搬性になる。

まとめ

2026年9月6日、CNBC が企業購買側の model fatigue を報じた。9月第1週に4つのラボが3日のうちにフロンティアモデルを出した
従業員500人超の企業のAI責任者の 62% が更新の頻度に圧倒され、社内のガバナンスが追いつくまで検証を止めた組織もある
原因はリリース間隔ではなく指標にある。あるフロンティアモデルは価格改定なしでタスク単価が約2倍になり、GPT-6 Astra は同じ単価でタスク完了費用が約57%下がった
決めているのは価格ではなく、モデルが1タスクに費やす推論の長さである。トークン単価の比較は構造的に結論を外す
供給側は10年を固定している。Anthropic は Amazon で最大5GW、Google と Broadcom で5年 $200B などを確保した。The Information はこれらを少なくとも 14.8GW、約 $517B と集計している
リリースは週単位、社内審査は月単位、予算と契約は年単位で動く。この差は縮まらない
比較を一度やって選ぶ運用は、有効期間が数週間の指標では成立しない。継続的に再評価する仕組みが必要になる
調達仕様書はトークン単価ではなく、自社の代表タスクの完了単価と成功率で書く
代表タスクでの自動評価は、モデル選定、エージェントの自律範囲の決定、移行の検証の3つに同じ仕組みが効く

model fatigue の解は、比較を速くすることではない。比較を続けられる仕組みを自社に置き、選定を一度の判断から継続的な運用へ移すことである。

概要

詳細