8月20日、The Decoderが「Frontier Radar #4: China has caught up, so what's left of the Western AI lead?」と題した記事を公開した。「APIで販売した能力はすべて競合に移転する」――この逆説的な結論が、西側AI企業のビジネスモデルそのものへの疑問として突きつけられている。中国モデルが全体トップに並んだ今、西側に残るリードの実態とは何か。蒸留疑惑と合わせて詳報する。
約1年半前、DeepSeek R1がOpenAIのo1と競合すると判明し、市場は動揺した。当時は「特定のベンチマークで勝つが、全体では劣る」という構図だった。その評価が今、崩れつつある。
中国モデルが「全体トップ」に並んだ
Moonshot の Kimi K3、AlibabaのQwen3-Max（※元記事ではQwen3-Maxと表記。Qwen3-235B-A22Bとも呼ばれる）、ZhipuAIのGLM-5.3という3つのオープンウェイトモデルが相次いでリリースされ、状況が一変した。
Artificial AnalysisのIntelligence Indexでは、K3は57ポイントで3位につけ、当時トップだったGPT-5.5とOpus 4.8のすぐ後ろに位置した。エージェント型タスクを評価するAutomationBench-AAでは一時1位も記録している。500日間の仮想スタートアップ経営をシミュレートするCEO-Benchでは、K3が2,215万ドルという最高スコアの単独ランを記録した（前身のK2.7はこうした長期タスクで繰り返し失敗していた）。
Anthropicは近く予定するIPOに際し、投資家から中国モデルとの競合について厳しい質問を受けていると伝えられており、「最前線では依然としてリードがある」と説明しているが、その下の層は安価な中国製オープンモデルに席巻されつつある。
西側に残る3つのリード
では西側のアドバンテージは完全に消えたのか。記事は3つの領域を挙げている。
1. 抽象的な特殊テスト
AnthropicがOpus 5をリリースし、61ポイントでK3（57ポイント）を上回りトップを奪還した。抽象的なパターン認識を測るARC-AGI-2では、K3が60.4%に対しAnthropicのFable 5が89.2%と大きな差がある。
ここで補足が必要だ。記事中にはFable 5・Mythos 5・Opus 5という複数のAnthropicモデル名が登場するが、これらは同一ファミリー内の異なる用途・展開形態向けの別モデルとして登場する（Fable 5は公開API版、Mythos 5はサイバーセキュリティ特化版、Opus 5は汎用最前線版）。元記事でも明示的な整理はされておらず、文脈から読み取る形になっている点には注意されたい。
なおARC-AGIは日常タスクとかけ離れた抽象問題を測るベンチマークであり、実際のビジネス価値との相関は不明だ。
2. 信頼性（Reliability）
8月12日にローンチされたAA-AnalystAgentベンチマークは、実際の表やドキュメントを使ったデータ分析エージェントを評価するもので、5回中5回すべて正解した場合のみ「解決」とカウントする（pass^5）。Opus 5が**54%でトップ、GPT-5.5が50%、K3はオープンモデル最高の39%**だ。
興味深いのは、「少なくとも1回は正解する」割合ではK3が73%でOpus 5の74%とほぼ同等な点だ。差は繰り返しの安定性にある。エージェントとしての実用上、1回だけ正しくても意味は薄く、この信頼性ギャップは商業的に重くのしかかる。なお、GPT-5.6 Solが自身の前世代GPT-5.5より信頼性で劣るケースも見られており、このランキングは流動的だ。
3. サイバーセキュリティ
最も差が明確な領域。英国AISI・米国CAISIの共同評価によれば、エクスプロイト開発テスト（ExploitBench）でK3は**32%、米国トップモデルは平均76%**。コード実行を要する41タスクすべてでK3は失敗し、米国リーダーは平均20タスクを解いた。
ただしこの差も急速に縮まっている。8月14日公開のGLM-5.3はZ.ai自身の計測でExploitBench**54.4%**を記録し、前世代GLM-5.2から倍以上に伸びた。脆弱性の発見・検証（CyberGym）では西側トップモデルを上回る結果も出ている。
さらに重要な点として、西側の最強サイバーモデルはそもそも市場に出ていない。AnthropicのMythos 5はExploitBenchで78%を記録するが、Project Glasswing（Anthropicが設けた高リスクAI能力向けの管理・限定提供プログラム）という管理された環境でのみ提供される。公開版Fable 5は410テストのうち407エピソードが上流の安全フィルターに遮断され、実質的に旧Opus 4.8水準（40%）に抑えられている。OpenAIも同様の管理体制を敷いており、次世代モデル「Astra」については自社基準の「Critical」レベルを超える可能性を初めて認め、一部の内部作業を停止している。
蒸留（Distillation）問題：追い上げの原動力か
中国ラボが西側モデルをAPIで大量に叩き、その出力を自社モデルの学習データに使う「蒸留」疑惑は具体性を帯びてきた。
Anthropicの報告によれば、DeepSeek・Moonshot・MiniMaxに起因するキャンペーンが約2万4,000の不正アカウントを通じて1,600万件超のインタラクションをClaudeに流した。Moonshotに帰属するキャンペーンだけで340万件超が、エージェント推論・ツール使用・コーディング・推論トレースを対象にしていた。
Together AIの分析では、K3とFable 5のタスクレベル成功率の相関係数が0.72に達することが確認されており、スタイル分析（Typebulb）でもK3はFable 5に最も近い特徴を示している。
蒸留が機能するメカニズムはプリトレーニング・ミッドトレーニング・後処理（ファインチューニング・強化学習）のほぼ全段階に及ぶ。特に強化学習では、西側モデルを評価基準（報酬モデル）として機能させることが可能で、AnthropicはDeepSeekに帰属するキャンペーンでClaudeが事実上「報酬モデルとして使われた」と報告している。
ただしAPIアクセスには構造的な限界がある。モデルの重み・内部評価・推論プロセスは見えない。OpenAIは思考の連鎖をサマリーのみ公開し、AnthropicはExtended Thinkingを制限付きで開示、xAIは推論を暗号化して送信する。いずれも蒸留の対象範囲を意図的に絞る対策だ。
記事の結論は辛辣だ。「仮に蒸留が事実なら、APIで販売したすべての能力はいずれ競合に移転する。事実でないなら、中国は独力で追いついたことになり、西側のリードはさらに価値が低かったことになる」――どちらの解釈でも、モデル単体のリードをビジネスの根拠にすることへの疑問は消えない。
モデルではなく「システム」へ
記事が提示する核心的な命題は、競争優位はモデル単体から、それを作り続けるシステム全体へ移行しつつあるというものだ。コーディング・リサーチ・エージェント作業といった商業価値の高い能力はAPIで提供し続けなければビジネスにならず、そこに差があっても数カ月で縮まる。差が残るのは「そもそも売っていない」危険な能力の領域だけだ。
詳細はFrontier Radar #4: China has caught up, so what's left of the Western AI lead?を参照していただきたい。
