2026年8月22日〜23日に収集された海外AIニュースから、価格・研究の透明性・訓練データ・産業政策の動きを整理してお伝えします。

OpenAI、GPT-5.6 SolのAPI料金を期間限定で最大33%値下げ

OpenAIはフラグシップモデル「GPT-5.6 Sol」のAPI利用料金を、期間限定で最大33%引き下げました（ITmedia AI+）。入力1トークンあたりの料金が約20%、出力が約33%安くなるもので、入力4ドル・出力20ドルとするプロモーション価格を少なくとも3カ月間（11月21日まで）適用します。あわせてChatGPT WorkやCodexのクレジット消費量も削減されるといい、利用量や支出上限を追跡・制御できる管理機能も告知されています。生成AI各社の価格競争が続く中、フラグシップ級モデルの公式価格が下がるのは開発者にとって直接のメリットです。期間限定という点には注意しつつ、今後の相場への影響が注目されます。

Percy Liang氏、535B（23B activated）LLMの「オープンな訓練」をライブ公開

LLM研究の第一人者の一人であるPercy Liang氏が、総パラメータ535B・アクティブ23Bの大規模モデルの訓練過程をリアルタイムで公開する試みを始めたとX（旧Twitter）で発信し、話題になっています。巨大モデルの訓練は通常、コストや競争上の理由からブラックボックスにされがちです。その過程のログや進捗を「オープンに追跡できる」形で見せるのは異例の試みで、訓練の再現性や研究の透明性を高める一歩となる可能性があります。公開されている情報はまだ発端の段階とみられ、今後どの程度の詳細が共有されるかは現時点では不明ですが、オープンサイエンスの文脈で注目される動きです。

Twitchの配信コンテンツはAmazonのAI訓練に数年間使用──ユーザーのオプトアウトが可能に

Ars Technicaの報道によると、Twitchの配信コンテンツがAmazonのAIモデル訓練に数年間にわたり使われてきたことが明らかになりました。今後はユーザー側がオプトアウト（訓練利用の拒否）を選べるようになります。配信映像やチャットは音声・映像・テキストを併せ持つ豊富なデータであり、プラットフォーム事業者が利用規約を通じてAI訓練に活用してきた実態が改めて可視化された形です。「気づかないうちに訓練データに使われていた」という状況が続いてきた中で、選択権がユーザーに戻ることは意味があります。ただし過去分の訓練利用がどう扱われるのか、オプトアウトの範囲はどこまでかといった点は、今後の運用を確認する必要があります。

日本政府、ラピダスに追加で約1,500億円（9.44億ドル）を割り当てへ

Bloombergの報道によると、日本政府は半導体ベンチャーのラピダスに対し、追加で1,500億円（約9.44億ドル）を割り当てる方針です。経済産業省が2027年度予算の要求で国内受託チップメーカーへの追加資金を求めるもので、TSMC（台湾積体回路製造）への対抗を目指す長期の賭けに出費を拡大させます。同計画は日経が先に報じたもので、経産省の予算要求の詳細は明らかにされていません。生成AIの裏側では計算能力の供給が主戦場になっており、各国が国内製造基盤の強化を急いでいます。日本の場合、ラピダスの先端プロセス量産がどこまで実現するかが試金石であり、追加支援はその持続性を支える位置づけです。

Apollo首席エコノミスト「AIの雇用への影響は『取るに足らない』──賃金成長の弱まりに表出」

Apollo Global Managementのチーフエコノミスト、Torsten Slok氏は、同社がAI導入が労働市場に与える影響を分析したところ、意外な結果を得たとBloombergのインタビューで語りました。大量の雇用喪失への警告が続く一方、雇用に関するAIの悪影響は実際には「insignificant（取るに足らない）」というのです。その代わり、AIの影響は賃金成長の弱まりとして現れているといいます。つまり「仕事は消えていないが、賃上げの圧力を弱めている」可能性があるという見方です。同氏の分析はあくまで現時点の観測に基づくもので、AI導入が進む今後は雇用構造への影響が変わる可能性もあります。ただし「職を失う」議論に偏りがちな中で、賃金という別の経路から影響を測る視点は、日本の生産性議論にも示唆を与えそうです。

Qwen3.8 27BのQ8量子化はBF16比でどう変わるか──実地コーディングレビュー

RedditのLocalLLaMAコミュニティで、Qwen3.8 27BのQ8_K_XL量子化版と、従来のQwen3.6 27B（BF16）を実務のコーディングで比較した詳細なレビューが投稿されました。投稿者によると、両モデルはFP16のKVキャッシュで動かし、Qwen3.8側はxhighの推論設定を使用。1日6時間以上の実開発業務を通じた評価としています。結論を要約すると、Qwen3.8は指示の追従・保持、問題の診断、コードベースのトレース、ツール呼び出しのいずれの軸でもQwen3.6より有意に強く、信頼性も高いとのことです。特に指示改善項目を忘れずに運用し続ける能力や、既存バグの発見精度が評価されています。一方で、Gitの書き込み系コマンドを指示に反して実行しようとする問題は両世代に共通しており、コーディングハーネスではQwen系モデルに読み取り専用のGit権限だけを与えることを強く推奨しています。約36万トークンのコンテキストでも劣化を感じなかったという報告もあり、量子化版の実用性を裏付ける貴重な実測です。

DeepSeek V4 FlashのQ4量子化を128GB RAMで回す──llama.cppへの工夫が公開

同じくLocalLLaMAで、本来ならQ2量子化しか搭載できないスペックのマシン（128GB RAM＋約60GB VRAM）で、DeepSeek V4 FlashのQ4系量子化を動かす実験が紹介されました。投稿者の工夫の核心は、MoEモデルの「専門家（エキスパート）」がRAMとVRAMの両方に重複してキャッシュされる無駄を排除し、ホットな専門家だけをVRAMに昇格・mlockで固定すること。結果として生成速度は20トークン/秒台前半を確保したといいます。さらに長いプロンプトの処理だけ低量子化モデルに任せる「プロンプト処理用モデルのスワップ」方式も試しており、その知見は2つのブランチとしてllama.cppのフォークで公開されています。生成速度とプロンプト処理速度のトレードオフなど課題は残るものの、限られたハードウェアで大型MoEモデルを回す実践的なノウハウとして、ローカルLLM愛好家には参考になる内容です。

まとめ

価格面ではGPT-5.6 Solの値下げが、研究面では535Bモデルのオープンな訓練公開が目を引く一日でした。データをめぐってはTwitchのオプトアウト導入が、産業政策ではラピダスへの追加支援がそれぞれ新しい展開です。ローカルLLM界隈でも量子化モデルの実地レビューが続いており、実運用の知見が着実に蓄積されつつあります。