【蒸留祭りは終わらない】Claudeが賢くなるほど中国オープンAIも強くなる。次の主戦場は「単一モデル」ではなくルーティングだ

AI企業にとって、最先端モデルは巨額の計算資源と研究費を投じて作った知的財産である。

しかし、消費者の判断は残酷なほど単純だ。

性能が高く、安く、用途に合えば使う。

そのモデルが米国製なのか、中国製なのか。数兆円を投じて事前学習したのか、他社モデルの出力を利用して性能を引き上げたのか。安全保障や機密情報を扱う場合を除けば、多くの利用者にとっては二次的な問題でしかない。

そして今、ClaudeやGPTのような高価なフロンティアモデルが進化するたび、その能力を教師として利用する「蒸留」の価値も上がっている。

教師が賢くなるほど、生徒を安く賢くできる。

だからAIの蒸留祭りは終わらない。

この記事の要約

蒸留とは、大型の教師モデルが生成した回答や推論データを使い、より小さく安価な生徒モデルへ能力を移す手法である。

フロンティアモデルをゼロから開発するより、既存モデルから大量の合成データを生成して学習させる方が、特定能力を低コストで伸ばしやすい。

OpenAIやAnthropicは競合モデルを作る目的での蒸留を禁止し、検知と遮断を強化している。しかし経済的な動機が消えない以上、蒸留そのものを完全に止めるのは難しい。

中国製のオープンウェイトモデルでも、第三者の推論サーバーやローカル環境から利用できる。モデルの開発国と、入力データを扱う事業者は分けて考えるべきだ。

次の競争軸は、一つの巨大モデルの性能ではない。複数モデルを選択・再帰実行・検証するルーティングとオーケストレーションである。

そもそも「蒸留」とは何なのか

蒸留とは、巨大で高性能な「教師モデル」の知識や出力傾向を、より小さな「生徒モデル」へ移す手法だ。

古典的な知識蒸留では、教師モデルが出した確率分布や中間表現を使って生徒を学習させる。現在のLLMでは、教師モデルに大量の問題を解かせ、その回答、コード、推論過程、批評、修正例などを合成学習データとして利用する方法も広く「蒸留」と呼ばれている。厳密にはモデル抽出や合成データ学習まで混ざった広い用法だが、現在のAI業界ではこちらの意味で使われることが多い。

たとえばDeepSeekは、DeepSeek-R1が生成したデータを使い、QwenやLlamaを基盤とする1.5Bから70Bまでの蒸留モデルを公開した。

重要なのは、これらの小型モデルをゼロから事前学習したわけではないことだ。

すでに言語能力を持つQwenやLlamaへ、R1が生成した約80万件の合成データを与えることで、R1型の推論能力を移している。教師と同じ能力を完全に複製したわけではないが、小さなモデルの推論性能を効率よく引き上げられることを実証した。

AI企業から見れば、これは極めて魅力的だ。

巨大な計算基盤を用意し、何兆トークンものデータを集め、基盤モデルを最初から育てるより、すでに賢いモデルへ良質な問題を大量に解かせ、その回答で既存のオープンモデルを鍛えた方が早い。

高価なClaudeを教師にしても、基盤モデルを一から作るより安い

Claude Fable 5のAPI価格は、100万トークン当たり入力10ドル、出力50ドルである。確かに安くない。特に長い推論データやコードを大量生成すれば、請求額は簡単に膨らむ。

それでも、フロンティアモデルを一から学習する費用と比べれば話は別だ。

数十万件から数百万件の厳選した課題について、

教師モデルに回答させる
別モデルやテストコードで正誤を検証する
不正解や低品質な回答を捨てる
生徒モデルへ教師あり学習を行う
必要に応じて選好学習や強化学習を加える

という工程を組めば、基盤モデル全体を作り直さなくても、コーディング、数学、推論、ツール利用など狙った能力を伸ばせる。

もちろん、Claudeへ質問を投げ続ければ自動的に同等モデルが完成するほど甘くはない。

教師が回答した範囲しか学べず、データの選び方が悪ければ能力も偏る。教師の誤答まで学習する危険もあり、データの検証、重複除去、難易度調整、生徒モデルの追加学習には相応の計算資源が必要だ。研究でも、同じ正解データでも教師モデルや推論の質によって、蒸留後の性能が大きく変わることが確認されている。

それでも、経済合理性は消えない。

数兆円規模の研究開発で作られた教師へAPI料金を払い、その能力の一部を数十分の一のモデルへ移せるなら、試さない理由がない。

問題は「蒸留そのもの」ではなく、無断で競合モデルを作ること

蒸留は違法技術でも、不正技術でもない。

自社モデルから小型モデルを作る。利用許諾を得た教師モデルを使う。オープンウェイトモデルから合成データを作る。こうした用途は一般的なモデル開発手法である。

問題になるのは、閉じた商用モデルの出力を大量取得し、その提供会社と競合するモデルを無断で作る場合だ。

OpenAIの利用規約は、出力を使ってOpenAIと競合するモデルを開発することや、出力を自動的・大量に抽出する行為を禁止している。

OpenAIは2026年2月、DeepSeekを含む中国企業によるものだとする大規模な蒸留活動を米議会へ報告した。第三者ルーターなどを利用してアクセス元を隠し、複数段階の合成データ生成、データ洗浄、選好最適化を組み合わせる手法が確認されたと主張している。

ただし、これはOpenAI側の調査と主張であり、司法判断によって不正行為が確定したという話ではない。記事で扱うなら、事実と企業側の主張を混ぜてはいけない。

Anthropicも、Claudeの能力を競合モデルへ移す大規模な蒸留を検知しているとしている。DeepSeek、MiniMax、Moonshot AIが関与したとされる約2万4000件の不正アカウントが、1600万件を超えるやり取りを生成していたと報告している。Fable 5では、蒸留目的と判断したリクエストを旧世代のOpus 4.8へ切り替える仕組みまで導入した。

つまり、すでに蒸留は技術論だけではない。

教師モデル側が検知し、遮断する。蒸留側はデータ生成方法を変える。教師側はさらに検知精度を上げる。

AI業界で、新しいいたちごっこが始まっている。

それでも蒸留祭りが終わらない理由

OpenAIやAnthropicが利用規約を厳しくし、アカウント停止や出力制限を強化しても、蒸留の需要そのものは消えない。

理由は単純だ。

最先端モデルのAPIは高い
自社運用できない
突然価格や利用条件が変わる
輸出規制や地域制限を受ける
安全分類器によって処理が拒否される
特定用途では、巨大な汎用モデルより小さな専用モデルの方が安い

企業は毎回Fable 5へ50ドル相当の出力料金を払い続けるより、よく使う処理だけでも小型モデルへ移したい。

さらに、教師はClaudeだけではない。

GPT、Gemini、DeepSeek、Qwen、GLM、それぞれ得意分野が違う。複数の教師から良質な回答を集め、テストや別モデルで検証し、最も優れた例だけを学習させることもできる。

研究でも、複数の教師モデルの出力を組み合わせることで、単一の教師モデルを上回る蒸留結果が得られることが報告されている。

フロンティアモデルが進化すればするほど、蒸留に使えるデータの品質も上がる。

Claudeが賢くなれば、Claudeを教師として利用する生徒も賢くなる。

教師側にとって、実に迷惑な構造である。

中国製モデルが不安なら、「モデル」と「推論サーバー」を分けて考えろ

中国製AIについては、性能とは別にプライバシーやデータ管理の不安がある。

この懸念は妄想ではない。

DeepSeekの公式プライバシーポリシーには、入力したプロンプトやアップロードしたファイルなどを収集し、機械学習モデルやアルゴリズムの訓練・改善に利用すると書かれている。収集した個人情報は中国国内のサーバーへ保存される。機密コードや顧客データを何も考えず本家チャットへ投入するのは避けるべきだ。

だが、ここで混同されやすいことがある。

モデルの開発元と、そのモデルを実行するサーバーの運営者は同じとは限らない。

DeepSeekやGLMのようなオープンウェイトモデルは、自分のPCや自社サーバーへ置いて実行できる。第三者のクラウド事業者が同じ重みをホストすることもできる。

モデルの重みに政治的な偏りや学習データ由来の問題が残る可能性はあるが、入力した社内コードが中国企業のサーバーへ送られるかどうかは、どの推論環境を選ぶかで変わる。

OpenRouterでは、モデルごとに複数の推論事業者を選択できる。Zero Data Retentionを有効にすれば、入力と出力を保存しない事業者だけへルーティングでき、保存しない事業者はそのデータを学習にも利用できない。OpenRouter自身も、通常はプロンプトと生成結果を保存せず、モデル学習には使わないとしている。

ただし、「OpenRouterを通せば絶対安全」ではない。

Web検索や外部ツールには別の保存規約があり、利用する推論事業者によっても条件が違う。機密情報を扱うなら、ZDRだけでなく「学習利用なし」「保存なし」「利用地域」「外部ツールの有無」まで確認する必要がある。

安全性はモデル名ではなく、実際にデータを受け取るエンドポイントの規約で判断すべきだ。

中国オープンモデルの躍進を完全に止めるのは難しい

2026年6月に公開されたGLM-5.2は、1Mトークンのコンテキストを持ち、Z.aiの公表値ではTerminal-Bench 2.1で81.0、SWE-bench Proで62.1を記録している。Terminal-BenchではClaude Opus 4.8の85.0へ数ポイント差まで近づいたとしている。

もちろん、メーカー公表ベンチマークをそのまま絶対評価にしてはいけない。しかし、オープン系モデルが閉じたフロンティアモデルへ接近している流れ自体は無視できない。

一度モデルの重みが公開されれば、開発元の公式サーバーを止めても世界中の事業者や個人が推論を続けられる。

輸出規制によって最新GPUの調達を難しくすることはできる。米国企業のAPIから蒸留する行為も規約と検知システムで妨害できる。

だが、すでに公開されたモデルを消すことはできない。

そのモデルをさらに別モデルの教師として使うこともできる。

だから、中国のオープンAI開発を「止められるか」という議論自体が少しずれている。

現実的にできるのは、進歩を遅らせること、開発コストを上げること、重要技術へのアクセスを制限することだ。

能力の拡散を完全に止めることではない。

次の主戦場は「最強の単一モデル」ではない

ここまでは、教師の能力を一つの生徒モデルへ移す話だった。

しかし次の段階では、そもそも能力を一つのモデルへ押し込む必要すらなくなる。

複数のモデルを同時に使えばいい。

OpenRouterのFusionは、一つの質問を複数モデルへ並列に投げ、それぞれの回答を判定モデルへ渡す。判定モデルは多数決を取るだけではなく、合意点、矛盾、見落とし、個別モデルだけが発見した論点を整理し、その分析を使って最終回答を作る。

Sakana AIのFuguは、さらに一歩進んでいる。

Fugu自体がルーター兼指揮役として動き、問題ごとに参加させるモデルを選び、Thinker、Worker、Verifierなどの役割を割り当てる。必要に応じて自分自身を再帰的に呼び出し、複数ターンにわたって処理する。Sakana AIは、Fugu Ultraが複数の工学・科学・推論ベンチマークでFable 5級の性能に達したとしている。

しかも、Fugu Ultraの公開価格は100万トークン当たり入力5ドル、出力30ドル。Fable 5の入力10ドル、出力50ドルより低い。内部で複数モデルを動かすため、単純な一回推論との比較はできないが、「単一の最高級モデルを直接呼ぶことだけが最高性能への道ではない」ことを示す例としては十分に面白い。

ただし、複数モデルなら絶対に賢くなるわけではない

複数モデルを呼べば、常に最高の単一モデルを超えられるわけではない。

弱いモデルがもっともらしい誤答を出し、正しいモデルを説得してしまうことがある。複数エージェントの議論が進むほど、正解していたモデルが多数派の誤答へ引きずられ、精度が低下する現象も報告されている。

さらに、モデルを何体も呼べば、

API料金が増える
応答時間が伸びる
コンテキストが膨張する
判定モデル自体が間違える
同じ学習データを持つモデル同士では誤りも似る

という問題が起きる。

「全質問を5モデルへ投げて多数決」では、金と時間を燃やすだけになりかねない。

重要なのはモデルの数ではなく、どの問題で、誰を、何回呼ぶかを決めるルーティング能力である。

未来は「安いモデルで始め、必要なときだけ再帰する」

今後のAIシステムは、おそらく次のような動きになる。

まず軽量なルーターが、質問の難易度と分野を判定する。簡単な処理は安い小型モデルだけで完了する。コードならコーディング特化、数学なら推論特化モデルへ振り分ける。不確実性が高い場合だけ、別モデルへ検証させる。回答が衝突したときだけ、上位モデルや複数エージェントを呼ぶ。必要なら再帰的に修正・実行・テストを繰り返す。品質が基準を超えた段階で処理を止める。

毎回Fable 5へ丸投げするのではない。

GLM、DeepSeek、Qwenの安いモデルで大部分を処理し、設計判断や最終検証だけClaudeやGPTへ渡す。機密性の高い処理はローカルモデルへ回し、公開情報の調査だけクラウドモデルへ依頼する。

性能、価格、速度、プライバシーを一つのモデルへ全部求めるのではなく、各モデルを部品として使い分ける。

この方が合理的だ。