米国のAIモデルはDeepSeekを模倣し：パフォーマンスの低下、コストの上昇、しかし米国のコンプライアンスに最適化

元OpenAI最高技術責任者（CTO）であるMustafa Suleyman氏の初プロジェクトは、中国と米国における大規模言語モデル（LLM）開発の構図を予想外に変える結果となった。7月15日、彼はThinking Machines Labを立ち上げ、最初のモデル「Inkling」を発表した。DeepSeek-V3にインスパイアされたハイブリッドエキスパートアーキテクチャを活用し、MoonshotのKimi K2.5などのオープンモデルからの合成データを用いてポストトレーニングの初期化を行った結果、その性能は微妙なものであった。複数のベンチマークにおいて、InklingはKimiやGLMに遅れを取っており、価格も顕著に高い。20億ドルの資金調達と120億ドルの評価額を達成したものの、デビューは hype に届かなかった。しかし、Suleyman氏は最初からトップティアを目指す意図はなかったのかもしれない。

ハードウェア面を見ると、Inklingはスターラボにふさわしい誇りを備えている。総パラメータ数9,750億、トークンごとに410億をアクティブ化するハイブリッドエキスパートアーキテクチャを採用している。事前トレーニングには、テキスト、画像、音声、動画にわたる45兆トークンが使用され、最大100万トークンのコンテキストをサポートする。このモデルはテキスト、画像、音声を処理し、テキストを出力する一方で、性能、速度、コストのバランスを取るために調整可能な推論強度を提供する。寛容なApache 2.0ライセンスの下で重みが公開されているため、開発者はThinking MachinesのTinkerプラットフォームを通じて自己デプロイやファインチューニングを行うことができる。戦略は明確である：消費者に直接ターゲットを定めるのではなく、InklingはエンタープライズAIアプリケーションのための基盤として機能する。

技術レポートは、そのアーキテクチャにおける重要な詳細を明らかにしている。Thinking Machinesは明示的に、Inklingのハイブリッドエキスパート設計がDeepSeek-V3に従っていることを述べており、多数のエキスパートモジュールを持ち、各トークンがサブセットのみをアクティブ化する構造となっている。また、DeepSeek-V3の「アシスタントなし損失負荷平衡」も採用している。中国の影響はトレーニングにも及んでいる：ポストトレーニングは、オープン重みモデルからの合成データを用いた教師ありファインチューニングから始まり、具体的にはKimi K2.5が引用されている。

明確なロードマップが浮かび上がる。OpenAIの元CTOによって設立された米国のラボであり、その最初のモデルはDeepSeekのアーキテクチャを模倣し、ポストトレーニングはKimiのデータに依存している。オープンモデルからの借用自体が問題となるわけではない。DeepSeekとKimiは重みと使用権を公に共有しており、公共の成果の上に構築している。より注目すべきは、中国のモデル技術を吸収しながらも、Inklingがその前身を超えていない点である。Thinking Machinesは率直に認めている：Inklingは現在、オープンソースであれクローズドソースであれ、最強のモデルではない。

数値は格差を浮き彫りにしている。最終的な人間による純テキスト評価試験において、Inklingは29.7%のスコアであったのに対し、Kimi K2.6とGLM 5.2はそれぞれ35.9%、40.1%を達成した。ツールを有効化すると、Inklingは46%まで上昇したが、Kimi K2.6の54%やGLM 5.2の54.7%には依然として及ばなかった。実際のソフトウェアエンジニアリング能力をテストするSWE-Bench Proでは、Inklingは54.3%のスコアであったのに対し、Kimi K2.6は58.6%、GLM 5.2は62.1%であった。Terminal Bench 2.1における差が最も顕著であり、Inklingは63.8%であったのに対し、Kimi K2.6とGLM 5.2はそれぞれ71.3%、82.7%に達した。

InklingはWebアプリケーション設計、音声理解、セキュリティ評価において優れており、特定の数学タスクではKimiやDeepSeekを上回る結果を出している。しかし、包括的な推論、プログラミング、エージェント能力においてはまだトップティアに達していない。価格面でも救いはない：Tinkerプラットフォームにおいて、64Kバージョンはプリフィルトークン100万あたり1.87ドル、サンプルトークン100万あたり4.68ドルを請求しており、すでに5日間の割引が適用されている。256Kバージョンはそれぞれ3.74ドル、9.36ドルである。Kimi K2.6のAPIレートが入力0.95ドル、出力4.00ドル、GLM 5.2が入力1.40ドル、出力4.40ドルと比較すると、Inklingのプリフィル価格はKimi K2.6のほぼ2倍であり、生成コストも高く、明らかな価格優位性はない。状況は微妙である：アーキテクチャはDeepSeekを参照し、ポストトレーニングはKimiに依存し、性能は中国の主要なオープンモデルに遅れ、価格は高い。

興味深い点は、Thinking Machinesの独自の背景にある。同社はOpenAIのOBネットワークに似ている。2025年2月に紹介された際、約30人のチームの3分の2がOpenAI出身者であり、その他はMetaやMistral出身者であった。創設メンバーにはJohn Schulman、Barret Zoph、Lilian Weng、Andrew Tulloch、Luke Metzが含まれ、ロイター通信によるとSuleyman氏は前職から少なくとも20人の研究者をスカウトした。

Suleyman氏は2018年にOpenAIに入社し、DALL-E、Codex、ChatGPT、Soraの開発に貢献し、2022年にCTOに就任した。さらに、2023年11月のAltman氏解任後、暫定CEOを短期間務めた。このグループはOpenAIの開発と製品化に精通しており、新しい技術システムを構築するために離脱したため、外部からはOpenAI-inspiredなルートが期待されていた。しかし、主要な技術源は中国のモデルを指しており、劇的な転換を示している：OpenAIを最もよく知る者たちが、最終的に中国のモデルの技術設計図を採用したのである。

この結論には慎重な分析が必要である。OpenAIの最近の最先端モデルはクローズドソースであり、外部から重み、アーキテクチャ、トレーニング計画へのアクセスは不可能である。仮にSuleyman氏が内部技術を熟知していても、OpenAIの商業秘密を新会社に移転することはできない。一方、DeepSeekとKimiは重みと技術レポートを公に公開しており、そのアーキテクチャ、トレーニング方法、ツールチェーンを法的に研究し再利用することが可能である。

Inklingはオープン重みモデルであり、オープンエコシステムを構築する企業にとって、DeepSeekやKimiなどのオープンモデルからの成熟したソリューションを採用することは、論理的なエンジニアリングの選択である。公開されている中国の成果を無視してオープンモデルを開発すれば、より高い試行錯誤コストが発生する。したがって、中国のモデルからインスピレーションを得たからといって、Suleyman氏がDeepSeekがOpenAIを超えていると信じていることを証明するものではない。開放性と参照条件の違いは明確であるが、シグナルは明確である：中国のモデルは、オープン重み領域における米国のAIチームにとって重要な参照対象となっている。

真の問題は、既存のアーキテクチャとトレーニング経験を持つThinking Machinesが、なぜ性能が弱く価格が高いInklingを生み出したかである。Suleyman氏はトップチーム、豊富な資金、最新のNVIDIAトレーニングシステムを有している。これらの格差を無視する理由はないため、この高コストな代替案は計算された決定である可能性が高い。

Thinking Machinesの扱いを考慮すると、Inklingは単なる良好なモデル以上のものになるはずである。2025年7月、同社は製品をローンチする前に20億ドルのシードラウンドを完了し、評価額は120億ドルとなった。投資家にはa16z、NVIDIA、AMD、シーホース（Sequoia）が含まれる。4ヶ月後、交渉では最高5,000億ドルの評価額を目指し、同社はOpenAIやAnthropicへの潜在的な競合他社として位置づけられた。中国のモデルを下回り、より高額な製品をローンチすることは期待に届かない。しかし、ビジネスの観点からは、Suleyman氏はベンチマークで勝つ意図は最初から持っていなかったのかもしれない。

同社はオープン重み、マルチモーダル性、カスタマイズ性を強調し、企業がTinkerを使用してInklingをカスタマーサービス、コーディング、業界エージェント向けの専門モデルにファインチューニングすることを奨励している。Suleyman氏は、ベンチマーク順位を優先しない市場に賭けている。企業は、プライベートデプロイメント、データ制御、ビジネスニーズに応じた継続的なトレーニングにより関心を持つ。これらの需要の多くは中国のオープンモデルによって満たされている：OpenAIとAnthropicはクローズドソースであり、MetaのLlama4が期待外れの結果に終わった後、オープンソースへの取り組みを縮小した。一方、DeepSeek、Kimi、Qwen、GLMは継続的に重みを公開しており、その性能は米国のクローズドソースモデルに近づきつつあり、価格は大幅に低い。

米国企業は迅速に対応している。CNBCに提供されたOpenRouterのデータによると、2026年2月以来、米国企業がプラットフォームを通じて呼び出すトークンにおける中国モデルの週間シェアは30%を超え、46%に達している。これは2025年上半期の平均4.5%と比較して顕著な増加である。CursorはComposer2のために複数のベースモデルをテストし、最終的にその優れた評価からKimi K2.5を選択した。Bridgewater FundはTinkerを通じてAlibabaのQwenをファインチューニングし、一部のトップクローズドソースモデルよりも良い結果を達成した。中国のオープンモデルは、米国企業にとってコスト削減の近道となっているが、この道筋は今や圧力を受けている。

同時に、中国のAIモデルに対する米国の規制環境は緊密化している。関連部門はデータセキュリティ、モデルのソース、サプライチェーンリスクについて警告を発しており、中国のモデルを使用している一部の企業が調査の対象となっている。統一された制限がなくても、政策の不確実性は企業の選択に影響を与え、特に政府業務や機密データを扱う企業にとって顕著である。

これがInklingのための市場空間を生み出している：米国の企業によるオープン重みモデルであり、Apache 2.0ライセンスを使用し、プライベートデプロイメントとカスタマイズをサポートする。米国企業は、中国のモデルを使用することによる政治的な論争を心配することなくこれを選択し、政府顧客や大企業からのコンプライアンス審査を通過しやすくなる。Inklingの真の価値は、このコンプライアンスの確実性にある。Suleyman氏はDeepSeekとKimiからの公共の成果を、米国の企業によるモデルへと変換した。ベンチマークで中国のモデルに勝つ必要はなく、中国のモデルの使用を躊躇する米国企業にとって受け入れ可能な選択肢であればよい。これがその高い価格設定の説明である：政策が競争範囲を狭め、性能と価格の格差を次要的なものにした。一部の米国企業にとって、やや劣り、より高額なモデルで十分なのである。