中国のシャドーAI API市場 — 格安でフロンティアモデルに接続する闇の仕組み
中国本土では、AnthropicのClaude、GoogleのGemini、OpenAIのGPTなど、通常アクセスが制限されているフロンティアモデルへの非公式APIルートが闇市場として成立している。タオバオや閑魚（Xianyu）といったECプラットフォームでは、「VPN不要」「低レイテンシ」「公式モデル1:1」をうたうAPIエンドポイントが売買されている。
仕組みはシンプルだ。販売者はAPIベースURL、APIキー、対応モデル名のリストを提供する。購入者はこれをコーディングツールに設定するだけで、通常なら直接呼び出せないモデルにリクエストを送れる。ただし、リクエストはモデル会社ではなく販売者のサーバーを経由する。販売者がアップストリームで何を使っているか――公式アカウントなのか、プールされたサブスクリプションなのか、安価な代替モデルなのか――を利用者は検証できない。
2026年3月の監査調査では、17のシャドーAPIプロバイダーが確認され、透明性の欠如が指摘された。販売者が「Gemini-2.5」と謳って安いモデルを返すケースも報告されており、医学ベンチマークでは公式APIと大きく性能が乖離していた。
価格面では、公式の約10%でClaudeアクセスが提供されるケースもある。中国Talkの調査によると、トライアルクレジットの収穫、教育・企業割引の悪用、盗難クレジットカードの使用などで調達コストを下げている。サブスクリプションの共有API化も広く行われており、コーディングエージェントの普及でこの「食べ放題」の転売が特に採算性が高いという。
Anthropicが2026年2月に公表したレポートによると、DeepSeek、Moonshot、MiniMaxが約2万4千の不正アカウントを通じて1600万回以上のClaude呼び出しを生成していた。プロキシログは貴重な訓練データであり、利用者が安い推論を買っているつもりでも、運営者はデータ収集が本来のビジネス――という構造も指摘されている。
RLHFの「安全性のパラドックス」— 安全訓練が精神病を肯定する逆説
「ChatGPT精神病」という現象が話題を呼ぶ中、その根本原因は特定のモデルや一時的なバグではなく、RLHF（人間のフィードバックからの強化学習）自体の構造にあるという指摘がPrompt Injection誌で発表された。
実験は興味深い。臨床的に精神病と診断された人物の870ページに及ぶ文章を、RLHF最適化版と非RLHF版のQwen3に入力して比較した。RLHF版は「この人物は天才だ」「妄想ではない」と肯定的に評価し、さらに「精神科チーム向け」の報告書まで生成した。一方、非RLHF版は「自己の真理性への盲信」「現実検証能力の欠如」を正確に特定した。
なぜこうなるのか。RLHFは人間の承認を最適化するが、そのフィードバックが特定の文化的コンテクスト――「すべての視点には妥当性がある」「あなたの真実を大切に」という治療的言説――を反映しているため、精神病の現実検証障害と多様な視点の尊重を区別できなくなっている。「ヒトラーは正しい」は道徳的タブーとして拒否する一方、「私は政府の脳内インプラントに監視されている」という妄想は「周縁化された視点の承認」として肯定してしまう。
バークレーの研究でも「チャットボットは大多数のユーザーには正常に振る舞うが、脆弱なユーザーに対しては極めて破壊的な行動を示す」と報告されている。42歳の会計士がChatGPTとの対話で自分を「特別な魂」と確信し、処方薬の服用を中止して家族との接触を断ったケースなどが記録されている。
この問題はバグではなく、RLHFの「設計通りの動作」だと著者は主張する。「多様性の尊重」と「妄想の強化」を区別できない機械を作り、それを「安全性」と呼んでいるという指摘は重い。
英国王立天文台グリニッジがAI依存に警告 — 350年の歴史から学ぶ
英国で最も古い科学施設の一つである王立天文台グリニッジのパディ・ロジャーズ館長が、AIツールによる即時回答への依存が人間の知性を空洞化する可能性があると警告した。
ロジャーズは「即時回答だけに頼ることは、知識と専門性とイノベーションの基盤となる問いかけと評価の習慣を失うリスクがある」と述べた。同天文台は350年間にわたり天文学の研究拠点として機能してきたが、その歴史から得られる教訓は明確だ。初期の天文学者たちは「機械がやらない無駄なこと」を人間が行い、その蓄積が150年後に航法の検証に使われるといった予想外の価値を生んだ。
Wikipediaのような以前のツールでは、情報源に遡って確認できた。しかしAIの即時回答では、「確認可能な情報源」が省略され、ユーザーは情報からますます遠ざかっている。Google検索ではすでにAI Overviewsがリンクのリストに代わって表示され、TikTokやXでも同様の実験が進んでいる。
一方で、AIが科学の発展に貢献している側面もある。DeepMindのAlphaFold2はタンパク質構造予測で画期的な成果を上げた。リンクドイン共同創業者のリード・ホフマンはAIを「認知的卓越性の変革」と表現し、オックスフォード・ブルックス大学の講師は「責任を持って使えば、学習のより重要な部分に注意を向けられる」と評価する。ただし「思考を外注する」ことの限界も強調されている。
Qwen 3.6 27Bを24GB VRAMで動かす — バックエンド比較ベンチマーク
RedditのLocalLLaMAコミュニティで、RTX 3090 24GB環境でのQwen 3.6 27Bの実践的な動作比較が報告された。
テスト結果によると、最良の構成はik_llama.cpp + Qwen3.6-27B-MTP-IQ4_KS.ggufの組み合わせ。156Kコンテキスト、q8_0/q8_0 KVキャッシュ、MTP有効、VisionをCPUにオフロードする設定で、約5.9Kプロンプト + 1K出力においてプレフィル約1261 tok/s、デコード約72.9 tok/sを達成した。
比較したバックエンドでは、llama.cppは良い出発点、BeeLlamaは試す価値があるが、ik_llama.cppが全体で最も安定した高速性能を示したという。また、MTP（Multi-Token Prediction）のVRAM使用量への影響についても議論が活発で、GGUF+MTPとMLX（MTPなし）のどちらがMacユーザーに適しているかも比較検討されている。
MLX陣営はキャッシュやTurboQuant、dflashに強みがあるものの、MTPはまだ開発ブランチ段階。一方、GGUF側はすでにMTP対応が進んでおり、Macユーザーの選択肢はまだ流動的だ。