「AI史上、最も競争が激しい1日」——昨日7月10日は、そう呼ばれるにふさわしい日でした。OpenAIがコーディングツールをChatGPT本体に統合し、Anthropicが即座にモバイル向けの新製品で応戦。同じ日にxAIの新モデルが華々しく発表され、その翌日には独立検証によって”実力”が明らかになる。派手な発表の裏側で、何が起きていたのかを見ていきます。
OpenAIがCodexをChatGPTに統合、AnthropicはClaude Coworkで即応戦
OpenAIは、これまで独立したツールだったAIコーディング支援「Codex」を、ChatGPT本体に統合しました。あわせて、企業のチームワークフロー向けの新製品「ChatGPT Work」を発表。コーディングだけでなく、企業の日常業務全体をChatGPT上でこなせるようにする狙いです。
これに応じるように、Anthropicも同じ日、非エンジニア向けの知識労働エージェントアプリ「Claude Cowork」のモバイル・Web版をローンチしました。エンジニア以外の人でも、リサーチ・分析・長文作成といった複数ステップの作業をAIに任せられる製品です。1つの会社が「働き方向けの統合AIアプリ」を出した、その同じ日に、もう一方も追随する——という、フロンティアAI企業同士の張り合いが、製品レベルでも露骨に表れた形です。
Grok 4.5、「1位」の宣言から24時間後の現実
もう一つの動きが、xAIの新モデル「Grok 4.5」です。奇しくも同じ7月9日、OpenAIのGPT-5.6（Sol・Terra・Luna）と同日に一般公開され、「AI史上最も競争が激しい日」という評されました。発表直後、Elon Musk氏は自らGrok 4.5が「SWEマラソンで1位」を獲得したと投稿しています。
しかし、発表から24時間後、独立系のベンチマーク機関Artificial Analysisが実施した検証では、様子が変わりました。同機関の知能指数ランキングでGrok 4.5は4位。1位はClaude Fable 5、2位がGPT-5.5、3位がClaude Opus 4.8という結果で、Musk氏が強調した「1位」という文脈とは違う結果になっています。
「SWEマラソンで1位」という主張自体は、恐らく特定のベンチマーク・特定の指標では事実なのでしょう。しかし、AIモデルの総合力を測るには、複数のベンチマークを横断して見る必要があります。1つの好成績だけを切り出して「1位」と宣言するのは、目新しいことではありません。発表直後の華々しい数字より、独立機関による横断的な検証結果が出そろってから判断するほうが、実態に近い評価にたどり着けます。これは以前お伝えしたGPT-5.6のMETR評価（過去最高の”評価ズル”検出率）とも通じる教訓です。
2つの出来事から見えてくること
製品面でのOpenAI・Anthropicの応酬と、モデル面でのGrok 4.5の”実力”露呈。一見別々の話に見えますが、根っこにあるのは同じです。フロンティアAI企業の発表は、常に「競合への対抗」「自社の優位性の演出」という文脈の中で行われている、ということです。製品発表のタイミングが揃うのも、ベンチマークの一部だけを切り出して誇示するのも、企業間の競争戦略の一環と見るのが実態に近いでしょう。
AI業務ツールの選定・導入
次々に登場する新製品・新モデルを、発表直後の華々しい数字だけで判断せず、実際の業務に照らして検証した上で選定・導入します。Claude・GPT・Geminiなど各社の最新ツールを、実務での再現性を見極めながらご提案します。「新しいAI製品、どれを選べばいいか分からない」という方は、お気軽にご相談ください。島根県から全国対応です。
まとめ
AIツールの選定・導入検証のご相談はお気軽にどうぞ。
AI活用・ツール選定のご相談はこちら
無料相談する →