オープンソースAIは必ず勝たなければならない
(opensourceaimustwin.com)- AIは業務、教育、科学、ソフトウェア、創作、公共サービス、国家能力のための文明的インフラであり、アクセスが少数企業の条件や価格に左右されてはならない
- 許可なしに知能システムを研究、構築、修理、配布、監査、調整、学習、保存、実行できる能力は、運用の自由と直結している
- オープンソースAIは、現在の支配的な研究所、海外の研究所、ハードウェア企業、クラウドプラットフォーム、オープンウェイトモデル提供者が方針転換したり消えたりしても、利用可能性を維持しなければならない
- 少数のクローズドなフロンティア研究所とプラットフォーム企業がモデルを支配すると、知能インフラが認知のサブスクリプション経済になる危険がある
- 米国は、知能インフラを実行、検査、修正、ベンチマーク、学習、保存する自由で後れを取ってはならず、実用的な姿勢は米国の能力とグローバルなオープン標準の結合であるべきだ
オープンソースAIは必ず勝たなければならない
- 知能が少数の閉鎖的な機関から借りて使う対象にしかならないなら、大衆はソフトウェアの自由だけでなく、運用の自由も失うことになる
- 許可なしに知能システムを研究、構築、修理、配布、監査、調整、学習、保存、実行できなければならず、この能力は実存的に重要である
- AIは、業務、教育、科学、ソフトウェア、創作、公共サービス、国家能力を支える文明的インフラと見なされる
- AIへのアクセスは、クローズドAPI、リモートプラットフォーム、変わり続ける利用規約、不透明な調整、モデルの可用性、少数企業が決める価格に依存してはならない
オープンソースAIが維持すべき条件
- オープンソースAIは利用可能で、理解可能で、再現可能でなければならない
- オープンソースAIはローカル配備が可能で、経済的に持続可能であり、コミュニティがガバナンスを担える必要がある
- 今日の支配的な研究所、海外の研究所、ハードウェア企業、クラウドプラットフォーム、オープンウェイトモデル提供者が方針転換したり消えたりしても、オープンソースAIは動き続けなければならない
- 少数のクローズドなフロンティア研究所とプラットフォーム企業がモデルを支配すると、知能インフラが認知のサブスクリプション経済になる危険がある
- 米国は、知能インフラを実行、検査、修正、ベンチマーク、学習、保存する自由で後れを取ってはならない
- 実用的な姿勢は、米国の能力とグローバルなオープン標準をあわせて重視するものであるべきだ
2件のコメント
Lobste.rs の意見
オープンソース「AI」は存在しない。ローカルで実行可能な LLM は、各バージョンの学習に数百万ドルを費やし、入力データを完全に統制している巨大企業の好意で提供される不透明な塊にすぎない
独立して裕福ではない個人は、モデルがどう作られたかをすべて精査したり、元の学習データセットを手直ししたり、望むときにゼロから作り直したりはできない
個人用コンピュータで、必ず事前コンパイル済みの無料 LLM を動かすことは、中央集権的インフラへの培われた依存であり、現在の現実では個人が構造的に制御できない技術を支持する行為に近い。いっそ低温核融合が勝つべきだというマニフェストを書くほうがましだ
もちろん、こうしたモデルは大半が技術力だけ見れば最前線モデルと同水準ではなく、そもそもそれを目標にしていない場合もある。たとえば EU は、翻訳のような目的のために EU 内の言語をよりよく代表するモデル開発 に資金を出している
そして、オープンソースモデルが定義上、必ずローカルで実行可能でなければならないとも思わない。モデルが本当に開かれているなら、背後の企業が倒産しても、そのモデルの追加開発の基盤が社内に閉じ込められないため、リスクは大きく減る。オープンソースソフトウェアは必ずしも「自分のローカルマシンで安くできる」ことを意味しない
最近の比較的オープンな LLM としては、NVIDIA-Nemotron-3-Nano-30B-A3B（オープンソースコード、学習データセットの大半を提供）と Olmo-3.1-32B-Think（オープンソースコード、すべての学習データを Hugging Face に公開）がある
理論上は、誰でも似たようなモデルを再現し、どのデータを学習に使うかを決めたり、学習レシピを修正したりできる。ただし、裕福ではない個人にとって事前学習がなお手の届かないものである点はその通りだ
OLMo は OSI の検証段階を通過したモデルとして明記されており、Pythia も OSI がオープンソース AI システムの要件を満たすと検証している。Lucie-7B は OSI AI 定義に従う初期の多言語 LLM の一つであり、開発者たちは学習データセット、データ準備コード、モデル重みがすべて公開ライセンスで提供されると明記している
ゼロから学習するのに大金がかかるのも事実だ。ただ、そうだとすると Linux カーネルを使うことも「培われた依存」と呼ぶのか気になる。同じ留保条件がそこにも当てはまるからだ
「AI は仕事、教育、科学、ソフトウェア、創作、公共サービス、国家能力のための文明的インフラ」ではない。それを統制する人々がそうしたものにしたがって必死に押し進めているだけで、実際にはそうではない
思考を、資源を大量に消費し、著作権を侵害し、幻覚を起こす機械に外注しなければよい 😘
もちろん、この権力を少数の巨大企業の手に集中させないことは、現在の AI の大きな問題の一つを解決するが、他の問題はまったく解決しない
実際に有用な最小のローカルコーディングエージェントは Qwen3.6 27B で、電力制限のかかった NVIDIA カードで断続的に 280〜300W 程度で無理なく動く。1 日のコーディングに使う電力は、デスクトップのゲーミングマシンで Subnautica 2 を数時間遊ぶより少ないだろう。小さいモデルには思考をあまり多く外注できないので、AI は休み、人間が考える時間のほうが長くなるからでもある
学習コストはもっと大きいが、年に 27B 級モデルを数個だけ学習させる程度なら、産業文明全体の中では埋もれる水準だ。以前計算してみたところ、アイスランドに地熱発電のアルミ精錬所を 1 つ増やす程度で、27B 級モデルをいくつか十分に学習できるという感じだった。無料ではないが、丸め誤差に近い
推論時の電力使用量は白熱電球 3 個より少なく、それもモデルが実際に生成しているときだけだ。学習時の電力使用量は大型産業施設 1 つ分の水準だが、ほぼすべて再生可能エネルギーで賄うこともできる。アイスランドはそういう点がよい
「著作権侵害」は、現在の米国の判例では当てはまらないように見えるし、著作権の権限をさらに強めることには慎重であるべきだ。90 年代から著作権拡大に反対してきたので、LLM の学習方式が気に入らないとしても、この問題は著作権法の領域を離れ、政治と立法の領域へ移ったように思える。ただし Anthropic が本をそのまま違法複製した件は例外だ
だが、思考を外注する問題は急速にひどくなっている。多くの人が自分自身を機械の神の肉人形にしようとしていて、それは恐ろしい
殺人が悪い理由を「違法だから」と言うのに似ている。殺人が悪いのはその通りだが、それが悪い理由は違法性ではない。法律は変わりうる。AI が著作権のせいで悪いという考え方で流れを作ったあと、議会が合法化したら、みんな突然 AI を受け入れてよいものだと思うのか？ 実際の懸念の核心にもっと近い別の反対理由があり、そこに結集するほうが生産的だったかもしれない
Alexandra Elbakyan も 著作権侵害者 だ。だが彼女は偉人であり、すべての大学に彼女の銅像があるべきだ
真に開かれ、公正な機械学習と大規模言語モデルの未来は、サプライチェーン全体を考えなければ存在しない。https://time.com/6247678/openai-chatgpt-kenya-workers/ を読むことを勧める
まもなくデータのピークに達し、その後の進展はおおむね最新 LLM をエージェント的に束ねて使う方向から出てくるように思う
最後に公開されるオープンソースモデルは、今後数年にわたり、変化し続けるオープンソースのエージェント型あるいはその他の上部構造の基盤として使われる可能性が高い
より正確には、大衆がこの 20 年、特に最近テック大企業が受け取ってきた莫大な公的資金を認識し、税金で支払われたインフラに対する権利を要求すべきだ
これらの企業は、巨大な公的資金投入なしには存在しなかったし、存在することもできなかった。しかも学習データもかなりの部分が公共のコモンズから直接取られたものだ
これらのモデルは私的努力の産物ではなく、巨大な集団的努力の最終結果であり、法的に公共の共有財として認められるべきだ
重要であろうとなかろうと、バブルであろうとなかろうと、幻覚するトークン予測器であろうとなかろうと、すべての国が「Frontier lab」に対し、最新モデルを除くモデルをオープンソースとして公開するよう強制する法的枠組みを持つことは非常に重要だ
公開範囲には重み、学習データ、方法論などを含めるべきで、そうでなければ各モデルを 10〜15 年後にはオープンソース化するよう強制すべきだ。人類の知識の発展と「持つ者」と「持たざる者」の分断を防ぐため、すべてのモデルは一定期間の後に公開されるべきだ
AGI が近くないと思うかもしれないが、これら最前線研究所の意図は AGI に最初に到達したあと、有料の壁の向こうに独占保有することだ。可能性が高くても低くても、人類全体の利益のためにそうした事態は防がなければならない
Hacker Newsの意見
しばらくの間、私たちがボランティアのように提供するマシンで分散モデル学習システムを作ることを考えてきたが、現実的には難易度が天文学的に高い。
通信速度が耐えられず、信頼できないノードから来るデータ汚染も問題になる。
汚染されたデータ以降のすべての結果を捨てなくても済む自己修復型のチェックポイント・ロールバックシステムで後者はほぼ解決できそうだが、これは一人がアイデアだけでできる小さなプロジェクトではない。
いまやフロンティア研究所全体が追加の進展を禁じられる状況になれば、こうした方向に関心が向くかもしれない。
地球上のすべてのGPUの総計は彼らの能力を圧倒するはずだが、それを効率的に分散活用する方法が必要だ。
Fableを彼らと同じ速さで学習させられなくても、いつか到達できる方が永遠に到達できないよりはましだ。
AI専用ハードウェアは民生用GPUよりはるかに高速なだけでなく、電力効率もはるかに良く、接続性もはるかに高く、この3軸のそれぞれがそのアイデアを崩してしまう。
電力効率の差があまりにも大きいため、地球上のすべての公開GPUや類似デバイスをかき集めても電気代が高くつきすぎ、むしろその金で自前のデータセンターを建てた方が総費用では安くなる可能性がある。
電気が無料でも、世界中に散らばったGPUをインターネットの遅延で束ねれば数千〜数百万倍遅くなるだろうし、そもそも可能かどうかも不確かだ。
いずれにせよ、この10年でfable-ossを得るのは難しく、おそらく今世紀中でも厳しいかもしれない。
政府が連合の形であっても自らデータセンターを購入・保有し、公益のために運営する方がよく、実際そうすべきだと思う。
むしろ、数千の小規模データセンターや個人ユーザーがインターネット経由で余剰計算資源を持ち寄り、単一主体より大きな学習実行を調整する姿を思い描く。
Pluralis Research、Prime Intellect、Nous Researchのような企業がこのビジョンを追求しており、すでに大規模な分散学習に成功しているが、実際のインターネットベースの分散学習は中央集権型の学習より大きく遅れている。
最大級のモデルであるPluralisの8B Protocol Model、Prime IntellectのINTELLECT-1、NousのConsilience 40Bでさえ、xAIのGrok 4のような現在のフロンティアモデルより1,000倍少ない計算量で学習されている。
https://epoch.ai/gradient-updates/how-far-can-decentralized-...
どれほど多くのシリコンがまさにその企業に渡っているか、そしてそのシリコンが民生用機器よりどれほど強力かを誤解している。
BLOOMモデルも協業によって生まれた成果だった: https://huggingface.co/docs/transformers/en/model_doc/bloom
Nousはすでに実現したと主張している: https://github.com/NousResearch/DisTrO
過去にも大きな圧縮率を報告した勾配圧縮の論文がある。
これに加えて分散LLM推論も必要だ。
いまや個人一人が最新モデルを動かす装備を整えるには高すぎる地点に来ている。
だから、個人が資源を共有して最新モデルを分散方式で実行できるフレームワークを作り、普及させる必要がある。
そうすれば政府による検閲も難しくなる。
一つの主体がこれを武器化できないようにする唯一の方法は、全員にアクセス権を与えることだ。
Mac、Windows、Linux、Android、iOS、さらにはHarmonyOSでも完全分散推論を動かす。
オープンソース／オープンウェイトのモデルは今後も良くなり続け、いずれはスマートフォンや眼鏡のハードウェアでもmythos級が動くようになるはずだ。
ただ、今は需給を合わせるのがひどく面倒だ。
たとえば16GB RAMのMacBookという物理ハードウェアが実際に16GBを丸ごと使えるという意味でもないし、モデルや設定（kvcache、context limit、temperatureなど）を需要に合わせる問題もある。
人による、人のためのAI推論が必要なので、協力を歓迎する。
Petalsというプロジェクトは180Bモデルで最大4 tok/sをうたっていたが、リポジトリは2年間更新されていない。
https://petals.dev/
政策の選択肢には、政府がアクセスと独占の両方を規制するやり方も含まれる。
この技術の独占には反対だが、全員に脱獄済みのAGI/ASIを与える危険性は明白であるべきだ。
おもちゃのような例としては、政府が複数の研究所（n_quorum）に委託し、全員にトークン予算を与えるユニバーサル・ベーシックAIを想像できる。
ただし、API運用には安全管理が伴わなければならない。
もし誰もが自分の脱獄AGIを動かせるようになれば、安定した社会規範は、誰がCBRNEの脅威を作り出すかを監視する大規模監視にしか依存できなくなるように思える。
市民的自由の観点から明確な勝利には見えないが、そういう論理があり得ることは理解できる。
自宅でも自分の事業でも、最初から勝っていた。
正確にはオープンウェイトで、その微妙な違いには居心地の悪さを感じる。
製品の動作や開発を、収益性も不明で中身も見えない2つの大手スタートアップのどちらかの秘密のソースに完全依存させる姿勢を理解したことがない。
健全なエンジニアリング原則にも反する。
だからそうするつもりはなかったし、今AIを探っている理由も、オープンウェイトのおかげで時間を使う価値があると判断したからだ。
事業はすでに、単一の決済プラットフォームと米国のクレジットカード提供会社2社の方針に左右されがちなことが多く、それだけでも十分に悪い。
フリーランス気質のせいか、基盤技術ではなく誰かの製品を勉強して覚えることにあまりにも多くのエネルギーを注げと求められると、いつも不安になる。
MicrosoftがNTソースコードへのアクセス権を約束して学科を口説いていた時代も覚えている。
当時こちら側の高官が、Linuxは枝葉でしかなく、NTへのアクセス権こそが我々を意味ある存在にしてくれると言っていたのも覚えている。
自分の運命に対するコントロールは常により多く必要であり、最先端は最新の安定技術より先にあるのだと、自分にも周囲にも言い聞かせている。
進歩は最先端で起こるが、損傷のリスクもある。
エンジニアリングは、他人の進歩に乗っかることではなく、最新の安定技術の上に築くことに集中すべきだ。
llama.cppのようなツールは開かれているが、ウェイトがなければ役に立たない。ウェイトは、互いに戦争状態にある大組織が寄付する、途方もなく高価な資本だ。
たとえばarchive.orgが本当にオープンなウェイトを作れるのかは分からないし、archive.org以外で、freebsdやapacheのような他のオープンソース組織が本当にオープンなウェイトを作れる立場にあるとも想像しにくい。
可能性があるとすれば、政府、政府機関、大学くらいだろう。
だが今のそうした機関には、ウェイトを作るインフラに資金を注ぎ込むだけの資金力も権限も意思も関心も十分にはない。
AIは私たちの事業の開発の進め方を補完しており、エンジニアたちは最高のオープンソースモデルよりもOpus 4.8を使うほうをはるかに好む。
オープンソースが重要だとは信じているが、自分の事業では使える中で最高のツールを単に使うつもりだ。
オープンソースが無料ソフトウェアという意味になると、実質的には無料のコピーが欲しいと言っているのに近くなる。
私たちが言うべきなのは、公開されコミュニティ運営のプロジェクトが共同で事前学習と学習を行おう、ということだ。
これは、学習コーパスを公開で扱い、学習作業を何らかの形で調整するという意味だ。
これは用語の意味を完全に変えてしまうことであり、人々が海賊版と窃盗を混同するのに似ている。
別物なのだから別の言葉を使うべきだ。
無料のウェイト、推論コード、チャットテンプレートは、コミュニティ運営のLLMプロジェクトとは大きく異なる。
誰が資金を出すのか？
学習コストは想像しがたいほど高い。
投資収益を狙うVC資金モデルか、権威主義的な中国社会モデルを強化しようとするCCP資金モデルしかない。
大学による4Bモデルくらいはあるだろうが、遠くまで行けるとは思えない。
自分のLinuxコンピュータが、2つの兆ドル企業が作ったOSとほぼ同じ体験を提供していることに毎日驚かされる。
しかも、その商用代替ができないことまでやってのける。
DeepSeekが本当に西側競合の1/10のコスト、人数もその一部だけでモデルを出せるのなら、この分野で代替を提供する誰かのための市場があることを意味するのかもしれない。
IBMのような企業がLinuxに喜んで貢献し、その貢献を無償で公開する理由を考える。
それは、市場でより支配的な商用プレイヤーに対する代替が必要な企業スポンサー集団の一部だからだ。
MetaがReactを事実上無料で出している理由も似ている。
それが標準になり、すでに知っている人を採用できるほうがMetaにとって有利だからだ。
AIモデルで同じ生態系上の利益を想像するのはより難しいが、どこかにはあるのかもしれない。
データセンター/VPS事業者が、大手AI企業の交渉力を弱めるためにそうしたものを支援する姿は想像できる。
もちろん、この楽観が絵空事かもしれない。
モデル制作者たちが他人の仕事をかき集めて学習し、情報を自分のもののようにロンダリングしながら元の創作者に返さなくてよいのなら、モデルを蒸留することがなぜ違法であるべきなのか分からない。
フロンティアモデル制作者たちが、他の知的財産全般に対してやっているのと同じことだ。
学習は今、想像しづらいほど高価だ。
複数の大学が資金を出し合ったらどうだろう？
複数の国が資金を出し合ったらどうだろう？
いずれ突破口が生まれ、最適化が進むだろう。
人々はオープンソースのOSが実現可能か疑っていたが、Linuxは何十年にもわたってデスクトップ環境の実質的な選択肢であり、サーバーや携帯電話のOSとしては言うまでもなく広く使われている。
古いモデルを使うことには価値がない。
オープンソースAI宣言が「オープンソースAIは経済的にも持続可能であるべきだ」と求めているが、それは希望的観測に近い。
gpt-ossはもう古いが、出た当時は悪くなかった。
Nemotronも堅実で、とくに最近のultraリリースが良い。
Nvidiaは、とくに中国モデルと比べて、モデル自体だけでなく事前・事後学習データまで含めてあらゆる部分を公開しているという点で、はるかに良い物語を持っている。
企業の副産物としてオープンソースモデルを得るより、オープンソースAI研究所を支援するために月50ドル払う意思は十分にある。
そのオープンソースAI研究所が、何らかの形で営利企業にスピンアウトしないとどうして分かるのか？
彼らのAPIを使い始めればよいのかもしれない。
企業の副産物でもない。
オープンウェイトAIには、学習や研究に大きな資本を投入するインセンティブがない可能性がある。
寄付基金のようなものは生まれるかもしれないが、フロンティア研究所が受ける水準の資金調達には当然及ばないだろう。
だから、AIがオープンウェイトだけで存在するのは不可能かもしれないと思う。
OpenAI、Anthropic、Googleのような主要プレイヤーは引き続き残り、オープンソース版より優れたモデルを持つ可能性が高い。
PhotoshopとGIMPの関係のように見えるかもしれない。
Photoshopがフロンティア研究所で、GIMPがオープンウェイトモデルというわけだ。
GIMPはさまざまな画像編集ワークフローに十分使えるが、Photoshopのほうが単純に優れている。
フロンティア研究所より優れたオープンウェイトモデルがあればもちろん良いが、可能だとは思わない。
OpenAIなどもオンプレミス製品を出せる。
それがアプライアンスラックであれ別の形であれ、大企業はデータ主権とコスト管理のために推論をローカルで回したがるはずだ。
とくに製造業やその他の分離ネットワークにAIを統合しようとする段階になれば、なおさらそうだ。
今は一種の急速拡大段階だが、AIの背後にある技術が本当に進化しない限り、より良いモデルを作るのは次第に難しくなり、収益逓減が訪れるだろう。
LLM界のGIMPがVC資金モデルの80%の性能しか出せなくても、多くの人にとっては十分有用だろう。
独占モデルほど良くないのが事実だとしても、オープンソースモデルを使う選択肢があるだけで勝利だと思う。
消費者から1兆ドルを引き出すのが不可能だと分かれば、兆ドル規模のバリュエーションは無意味だと見なされるだろう。
その間にも、そしていずれにせよソフトウェア最適化とハードウェアのスケーリングが続けば、遠からずモバイル機器上でFableより優れた能力を持つオープンウェイトが動くようになるだろう。
ただ、それがどう実用的になるのかは分からない。
あるAIモデルは、最先端のハイパースケールデータセンターでしか合理的に実行できないほど巨大だ。
そうしたモデルをオープンソースとして公開するのは、たいてい無意味だ。
これは今日の最大の公開モデルよりもはるかに大規模であり、小さくて安価な一時的クラスターで低速に推論することすら排除されるレベルだ。
Fableはすでにその地点にある可能性がある。
感情とミッションには同意するが、この目標はもはや政治と切り離せない。
Open Source(tm)だからといって、政府やその他の主体がシリコンや、そのシリコンでできることに対して統制を加えるのを防げるわけではなく、すでに世界中でそうしたことが起きている。
モデルがオープンソースであっても、規制や経済的インセンティブの問題は解決できない。
それは数段落で圧縮できる問題ではない。
AIは文明的インフラであり、ソースだけでなく文明的な解決策が必要だ。
誰もがAI企業が学習のために無断で持ち去ったことを知っているが、何も起こらないだろう。
法が階級的に適用される露骨な例だ。
自分たちの法を恣意的に適用する理由は、いつも国家安全保障になるだろう。
彼らがインフラを所有しているので、彼らの利益がすなわち国家安全保障になるからだ。
技術が大きな跳躍をすると、そのたびに盤面を揺さぶることはできるが、金融資本主義はすばやく適応してその波を吸収する。
この記事で触れられていないなら、オープンソースとオープンウェイトの区別は重要だ。
オープンウェイトモデルは、ほとんど初回投与が無料の入門用ドラッグのようなものだ。
少なくとも元の学習データがなければ、意味のあるアップグレードを行う能力はあまりに制限されており、継続的に開発される最新モデルにすぐ置いていかれる。
そうなると、次の公開を渇望するか、提供者のAPIへ戻ることになる。
単に知識カットオフ日を先に進めるだけでもユーザー体験は目に見えて良くなり、推論、量子化認識学習、今後登場するさまざまな改善は言うまでもない。
オープンウェイトモデルを改善する研究はできるが、結論は同じだ。
オープンソースでなければ、一般大衆にもたらす利益ははるかに小さくなる。
オープンソースAIは定義上、絶対に勝てない
今日のAIは結局のところ 丘登り最適化 に近く、クローズドな研究所はオープンな世界が行うあらゆることを取り込み、その上にさらに積み上げることができる
ほとんどのユースケースでは大きな問題ではないが、それはAIが能力飽和型で動いているからである
https://www.delanceyukschoolschesschallenge.com/the-rising-t...
例外は、自然や他者と本質的に対立する分野のように、競争上の優位が重要な場合だけである
2つ目の大きな勝利は、一般の人が自分のハードウェア上で実行できるようになる時だろう
MicrosoftはいくらでもLinuxから学べたが、Linuxは商用競合がいるにもかかわらず存在感を保っただけでなく、Firefoxの現在の市場シェアのような事例とは異なり、今や圧倒的に最も広く普及したOSになった
公開されたシステムから優れたアイデアやデータをすべて吸収できる能力だけが唯一の決定要因ではないようだ
今はFableとMythosが最先端だが、やがて汎用品になるだろう
OpenAIやAnthropicのように最新モデルで先行しようとする会社1社につき、その補完財をコモディティ化しようとする会社は100社ほど出てくるだろう
オープンソースの勝利とは、クローズドモデルに対する代替手段のうち少なくとも1つがGPT-4程度に優れていれば十分だという意味である
実際、Google Gemmaモデル群でその地点にほぼ到達している
ソフトウェアエンジニアとして、Sonnet以降は自分の生産性の違いを感じていない
もちろんOpusのほうが優れており、Fableはさらに優れているのだろうが、経済的価値の観点ではすでに収穫逓減にぶつかっている
Cursorで初期のGPTモデルの1つを使っていた頃からClaude CodeとSonnetに移った時には、自分にとってほぼ 5倍の生産性向上 があった
Claude Code以前はAIを小さなコード断片にしか使っていなかったが、Claude Code + Sonnetではサブタスク全体を任せられるようになった
それでも、機能全体を最後までOpusに任せられるほど信頼しているわけではない
いつかそうなるかどうかも確信はなく、そもそも必ずそうなる必要もないかもしれない
企業はソフトウェアエンジニアにある程度高い能力を求めるが、その水準を超えると本当に何の関心も示さない
たとえ差が大きくても、気づきすらしない