AI投資の資金調達が、いよいよ日本の個人投資家に直接届こうとしている。ソフトバンクグループが日本の発行体として過去最大となる1兆円の個人向け社債を計画し、OpenAIへの出資資金を調達する。一方、OpenRouterには正体不明の無料モデル「Ox Alpha」が現れ、開発者の注目を集めていた。研究面では、安全性を高めても有用性の低下を抑える「CLEAR」と、ハイブリッド思考モデルのモード間品質差を測る「PatternEval」が発表された。ローカルLLMでは量子化手法ConvRotの実装が進み、日本発ではCodexの使用量リセットとLLM-jp-4のサプライチェーン監査の話題が続く。

ソフトバンク、過去最大の1兆円個人向け社債でOpenAI出資資金を調達

ソフトバンクグループが、日本の発行体としては過去最大となる1兆円（約63億ドル）の個人向け社債の発行を計画している。目的はOpenAIへの投資コミットメントに充てる資金の調達だ。7年物で、9月4日に価格が決定される見通し。想定クーポンは年4.3%〜4.9%で、会社提出資料に基づきBloombergが伝えている。

日本の個人投資家向け社債市場でこれほどの規模は前例がなく、AIへの投資ブームが資金調達の面でも歴史的水準に達していることを示す象徴的な出来事と言えそうだ。

AIブームを巡る資金の偏りは日本だけの話ではない。英国ではフィンテック企業への投資が今年上期に18億ポンド（約25億ドル）となり、少なくとも2016年以降で最低水準に落ち込んだ。KPMGがPitchBookのデータを引用した報告によると、長期的な成長を示しやすいAI関連に資金が集中する反面、フィンテックは取り残されており、取引件数も205件と10年ぶりの低水準となっている。また今週はMSCIアジアパシフィック指数の構成銘柄のうち370社超が決算を発表する今期最繁忙週を迎え、AI関連株高の持続性が問われる展開になる。資金がAIに殺到する時代の歪みを、投資家がどこまで織り込んでいるのか。注目の一週間になりそうだ。

正体不明の「Ox Alpha」、OpenRouterに無料で登場

AIモデルのマーケットプレイスOpenRouterに先週、「stealth model（ステルスモデル）」というラベルとともに新しいモデル「Ox Alpha」が登場し、開発者の間で注目を集めている。Bloombergによると、開発したのが誰かはまだ謎のままだ。

注目の理由はスペックと価格にある。OpenRouterの説明によると、約100万トークンのコンテキストウィンドウを持ち、テキスト・画像・動画を入力として処理できる。そして現時点では無料でアクセスできる。過去にも正体を隠した高性能モデルが登場しては話題になってきたが、そのたびに「出所不明のモデルをどこまで実務に使えるか」という議論が付きまとう。無料で強力なモデルが手に入る価値と、依存先が見えないリスク。この二つが同居するのが、この種のイベントの面白さだ。

CLEAR──安全性を高めても有用性を落としにくい新手法

LLMの安全性向上は、しばしば有用性の低下と引き換えになる。有害な入力への応答を抑える安全調整をモデル全体に一様に施すと、無害な通常の質問への応答品質まで損なわれやすいからだ。Hugging Face Daily Papersで紹介された「CLEAR（Continuous Latent Adapter Routing）」は、このトレードオフに挑む研究として注目に値する。

仕組みはこうだ。安全性に特化したLoRAアダプタを用意し、軽量な隠れ状態ゲートが入力に応じてアダプタの発動強さを連続的に制御する。有害そうな入力には強く効かせ、無害な入力にはほぼ効かせない。バックボーンの重みは凍結したままなので、通常のタスク性能への影響を最小限に抑えられる設計だ。

実験結果は示唆的だ。Llama-3-8B-Instructでは、HarmBenchの攻撃成功率を32.3%から0.5%まで下げながら、GSM8Kの精度は安全調整をグローバルに施したSFTや通常のLoRAと比べて最大7.1ポイント高かった。「安全にするほど賢さが削がれる」という常識への反証を、実装可能な形で示したと言える。アライメント研究の実用面での進展として要チェックだ。

ハイブリッド思考モデルの「モード間品質差」を計測する

「考えるモード」と「考えないモード」を切り替えられるハイブリッド思考型の多モーダルLLM。その2つのモードで応答の品質パターンが大きく食い違っている実態を浮き彫りにした研究「Beyond Correctness」が、同じくHugging Face Daily Papersで紹介された。

研究チームは評価フレームワーク「PatternEval」を構築し、思考モードと非思考モードの応答パターンを比較した。その結果、非思考モードでは（1）思考の過程が最終回答に漏れ出す、（2）同じ内容を反復する、（3）前後で矛盾する、（4）推論している体裁だけを整える「パフォーマティブ推論」——といった失敗が大幅に多いことを発見した。正解率だけを見れば同じモデルでも、モードによって「壊れ方」が違うわけだ。

対策として提案された「PatternRL」は、強化学習の段階でこうしたパターン固有のペナルティを組み込むもの。タスク性能の低下はごくわずかで、モード間の不整合を緩和できるという。推論コストを抑えるために非思考モードを使う運用では無視できない問題であり、「モード間の品質差」という評価軸が標準化される意味は大きそうだ。

量子化の最前線──ConvRotで「Q6がほぼQ8」に

ローカルLLM界隈では量子化手法の進化が止まらない。RedditのLocalLLaMAコミュニティで報告された「ConvRot」量子化が、llama-cpp-turboquantに実装された。投稿者によると「Q6量子化で、ほぼQ8相当のKLD（KLダイバージェンス）とPPL（パープレキシティ）」を実現できるのが売りだ。Q6_CRとQ5_CRはそれぞれベースとなる量子化形式をわずかに上回る精度を示し、開発中に見つかったデコード時の問題やクラッシュも解決済みとされる。

同じリポジトリの「--moe-cache auto」オプションも見逃せない。VRAMを超えるサイズのMoEモデルを動かす際の挙動を改善するもので、限られたメモリで大きなモデルを回したいユーザーには朗報だろう。

量子化の話は、そのまま「小さなハードでどこまで実用になるか」の話につながる。同じコミュニティではQwen 3.8 27Bをローカルで運用する報告が続いている。あるユーザーはllama.cppのDocker設定を整理して1時間後にはチャットが動く状態になり、Home Assistantサーバーと接続。スクリーンショットと短い指示だけでダッシュボードを更新できたことに「ビルトインのvisionがあるのか」と驚きを見せた。別のユーザーはMac mini M4（24GB）でUnslothのQ3 XXS量子化を運用し、「細かいミスはあるが、目標に向かって何時間も自律的に動ける」と評価する。コンテキストは約18万トークンという。先に紹介した実戦報告に続き、モデル評価の軸が「ベンチマークの点数」から「自分のワークフローに組み込めるか」へ移っているように見える。

Codex、使用量をまたリセット──「消費が早すぎる」問題への対応

OpenAIのコーディングエージェント「Codex」で、使用量のリセットが再び実施される。ITmedia AI+によると、一部ユーザーで使用量が想定より早く消費される問題が確認されたことへの対応という。上限付きプランで「あっという間に使えなくなる」体験は不満の種になりやすく、運用側の対応の速さが信頼に直結する。該当ユーザーは公式アナウンスの確認をおきたい。

LLM-jp-4を使うなら「trust_remote_code」を固定せよ

日本語のオープンウェイトモデルLLM-jp-4 33Bを安全に運用するための実務的な知見がQiitaで共有された。テーマは「trust_remote_code=True」が読み込むコードの固定だ。このフラグはモデルリポジトリ内のコードをその場で実行するためのもの。読み込み先をブランチ名（mainなど）のままにしておくと、同じ起動コマンドでも翌週には異なるコードが実行されている恐れがある。

記事では、重みをダウンロードする前にコミットハッシュなどで読み込み先を固定し、何が実行されるかを監査しておくことを推奨している。サプライチェーンセキュリティの観点では基本的な作法だが、オープンウェイトモデルの利用が広がる今、日本語圏でも意識されて然るべき話題だろう。