00:00:00今朝Xでこの投稿を見かけました。Anthropicがどうやら
00:00:09ProプランからCloud Codeプラグインを外し、より高価な
00:00:17サブスクリプションプランでないとCloud Codeを使えなくしたという話です。
00:00:22これに対し、Anthropicはすぐにコメントを出しました。
00:00:27これは新規Prosumer登録者のわずか2%を対象とした小さなテストだと述べています。
00:00:32このようなテストを行うのは少し奇妙ですし、Anthropicは
00:00:40こうしたテストがどのような波紋を呼ぶか、事前に予測できたはずです。
00:00:47企業のイメージやユーザーの反応を考えれば、これは明らかに
00:00:53私たちが最近感じている流れ、つまりサブスクの利用価値が低下し、
00:00:59制限が厳しくなり、モデルの性能も低下しているという
00:01:08ここ数週間の状況に合致するからです。Anthropicは
00:01:14Cloud Code以外でのサブスク利用にも厳しく制限をかけてきました。
00:01:21例えばOpen Cloudでの利用を制限したことなど、全体像がはっきりと見えてきます。
00:01:28そして、その流れを裏付けるように、GitHubが数日前に
00:01:37GitHub Copilot Pro、Pro Plus、Studentプランの新規受付を一時停止し、
00:01:43個人プランの利用制限を強化するというニュースを発表しました。
00:01:49最も重要なのは、ProプランでOpusモデルが利用不可になった点です。
00:01:56当然の流れとも言えますが、何が起きているのかその経済的背景を
00:02:02深く掘り下げて理解する必要があります。今後、私たちにどう影響するのか。
00:02:07無制限の利用や手厚い補助の時代は明らかに終わりを迎えています。
00:02:17これを理解するには、サブスクリプションとトークン利用の
00:02:25経済性を知らなければなりません。Anthropic、
00:02:34OpenAI、GitHubが提供するサブスクリプションモデルは、
00:02:43大多数のユーザーが利用上限まで使い切らないという前提で成り立っています。
00:02:49これはAIに限った話ではありません。例えばNetflixを
00:02:5624時間365日見続けるユーザーは、収益性の高い顧客とは言えませんが、
00:03:02大半の人はそうではありません。それがサブスクの収益モデルです。
00:03:10今や、AIリクエストの真の価格に近いものが見えています。
00:03:19各社のAPI料金ページを見るとそれがわかります。例えば
00:03:26Anthropicの最新モデルClaude Opus 4.7は、入力トークンが
00:03:35100万トークンあたり5ドル、出力トークンが25ドルです。
00:03:42これを他のモデルや、
00:03:47OpenAIのモデルと比較してみましょう。例えばGPT 5.4は
00:03:54入力料金が100万トークンあたり2.5ドルで、Opus 4.7の半分です。
00:04:03出力料金は22.5ドルで、Opusより少し安くなっています。
00:04:11これらのAPI価格は、各社が損益分岐点あるいは
00:04:20わずかな粗利を確保できる水準だと考えていいでしょう。
00:04:29推論コストだけを見れば、API経由での利用で利益が出ているはずです。
00:04:36ここで重要なのは、AIモデルの実行コストが
00:04:43主にトレーニングと推論の2つの要素で決まるということです。
00:04:53この2つの要因がAI企業の収益に直結します。
00:04:59トレーニング費用は一度きりのコストです。
00:05:06モデルの学習は非常に高額ですが、一度完了すれば終わりです。
00:05:12もちろん次々と新しいモデルを学習させるので費用はかさみますが、
00:05:18一度完成したモデル自体には、ファインチューニングなどを除けば
00:05:25継続的なトレーニングコストは発生しません。しかし推論は違います。
00:05:33これはリクエストごとの継続的なコストです。
00:05:41推論とは、送信されたプロンプトに対して具体的な出力を生成するプロセスであり、
00:05:48Cloud CodeやCodex、あるいは
00:05:53ChatGPTなど、あらゆる利用シーンで絶えず発生するものです。
00:05:58ここがAPI料金設定で少なくとも損益分岐を目指したい領域です。
00:06:07リクエストごとに赤字を出すわけにはいきません。市場シェア拡大のため
00:06:13一時的にそうすることはあっても、長期的に見れば
00:06:19事業が立ち行かなくなります。
00:06:25もちろん、トレーニング費用もどこかで回収しなければなりません。
00:06:34推論コストで十分な粗利を稼ぎ出し、
00:06:41人件費やトレーニング費用をカバーする必要があります。これが
00:06:48AIモデル運営の経済学です。前述した通り、
00:06:57API価格は各社が大きく損をしないラインですが、
00:07:02消費者の立場から見れば、Opusを従量課金で
00:07:10Cloud Codeに使い続ければ、サブスクプランよりもはるかに高額になります。
00:07:18例えば200ドルのMaxサブスクリプションなら、
00:07:26数百万トークンもの膨大な利用が可能です。
00:07:34出力トークンの通常価格を見ると、
00:07:39入力トークンを無視したとしても（本来は無視できませんが）、
00:07:44200ドルでは1000万トークン分も利用できません。なぜなら、
00:07:51100万トークンで25ドルかかるため、わずか800万トークン分です。
00:07:56入力トークンを含めればさらに少なくなります。Cloud Codeで
00:08:02長時間セッションを1週間ほど続ければ、トークン消費量は
00:08:08確実にその上限を超えてしまいます。企業がサブスクの利用に
00:08:14制限をかけようとする理由は明らかです。
00:08:19近い将来、間違いなくサブスク料金の値上げがあるでしょう。
00:08:25しかし、企業にとって単純な値上げは簡単ではありません。
00:08:30市場シェアを重視しているからです。各社は積極的に
00:08:37シェアを奪い合っています。コーディングエージェントの標準になれば、
00:08:45多くの企業が将来的に高い料金を払ってくれるようになるからです。
00:08:51早すぎる値上げで顧客を競合に奪われたくはありません。
00:08:57一方で、会社を倒産させるわけにもいきません。
00:09:02例えばOpenAIは最近1220億ドルを調達しましたが、
00:09:09これは次世代AI開発への投資です。
00:09:17この資金での運営期間（ランウェイ）は約18か月でしょう。
00:09:26補助金を出し続けることは不可能です。倒産すれば顧客は競合へ流れるだけですから。
00:09:32そこには難しいトレードオフが存在します。
00:09:39それが現在の各社の経済状況です。ゲーマーの方なら
00:09:44ご存知かもしれませんが、現在AIブームにより
00:09:52深刻な計算資源の不足と高コスト化に直面しています。
00:10:01メモリからデータセンター関連まで、すべてが不足しています。
00:10:08推論には大容量のメモリが必要であり、
00:10:13ローカルで実行しようとすればそれがよく分かります。
00:10:19メモリだけでなく、ネットワーク機器も同様です。トレーニングと
00:10:25推論を単一のチップではなく、巨大なクラスターで行うため、
00:10:31チップ間をつなぐ高速な接続が必要です。
00:10:36巨大GPUのようなシステムを作るためのネットワーク機器は高額です。
00:10:43さらに電力とデータセンターの問題もあります。
00:10:52データセンター建設が進む一方で、電力が足りません。
00:10:58既存の電力網では対応できず、供給能力が全く不足しています。
00:11:05そのため、新しいデータセンターは電力網に頼らない
00:11:12オフグリッド解決策へ移行しています。ガス発電や
00:11:21原子力など、敷地内で直接発電する形です。しかし、これには
00:11:28時間と部品が必要です。発電所を建設できる企業や
00:11:35必要な部品も限られています。そのすべてが、推論や
00:11:42トレーニングに回せる計算資源を制限しています。
00:11:481～2年前までは、計算資源のほとんどをトレーニングに
00:11:54投入するのが当然でした。モデル性能こそがAI競争の肝だったからです。
00:12:00今でもその重要性は変わりませんが、
00:12:07現在では「推論」の重要性がさらに高まっています。
00:12:14推論こそが顧客を獲得し、市場で存在感を示す手段だからです。
00:12:19優れたモデルがあっても、誰も使えなければ市場シェアは取れません。
00:12:25企業は限られた計算資源とデータセンター容量を、
00:12:30トレーニングと推論に奪い合わせなければなりません。
00:12:38特に今年に入ってからのユーザーの利用行動の変化も大きいです。
00:12:45GitHubの記事にある通り、エージェントワークフローが
00:12:51Copilotの計算需要を根本から変えてしまいました。
00:12:57長時間続く複雑な処理が、かつてのプラン構造を大きく上回る資源を消費します。
00:13:04AnthropicやOpenAIでも同じです。ほんの1年前までは、
00:13:10基本的には時々チャットを行うのがメインでした。
00:13:20ユーザーは必要な時に質問し、
00:13:27簡単なやり取りをするだけで、
00:13:33今のエージェント型ワークフローに比べれば消費トークンはわずかでした。
00:13:39しかしコーディング等のエージェントワークフローでは、
00:13:44何百万トークンもの消費があっという間に発生します。
00:13:51かつてのチャット利用とは桁が違います。
00:13:58しかも、最近のモデルは「思考するモデル」なので、
00:14:05プロセスで消費されるトークン量も増えています。
00:14:12最終的な回答に見えなくても、内部で多くのトークンが使われます。
00:14:17結果として、1、2年前とは比較にならないほどトークン消費が激化しました。
00:14:24推論の重要性が高まっているのは、生成されるトークン量が増え、
00:14:29それをさばくための膨大な推論パワーが必要だからです。
00:14:37API経由で利用すると高額になる理由もそこにあります。
00:14:43それ以上にサブスクモデルが危機的な理由もです。
00:14:49かつて設定された料金体系の時より、トークン消費量が激増しているのです。
00:14:56同じ料金で、当時よりはるかに多くの資源を使われているのが現状です。
00:15:03Anthropicは特に厳しい状況かもしれません。
00:15:09API価格を見る限り運用コストが高そうなだけでなく、
00:15:16歴史的にビジネス顧客が多いという背景もあります。
00:15:22安定した収益源にはなりますが、
00:15:29OpenAIが消費者（一般ユーザー）中心だったのとは対照的です。
00:15:38もちろんOpenAIもビジネス向けにシフトしていますが、
00:15:43一般ユーザーを多く抱えていたのがOpenAIの歴史です。
00:15:50Anthropicの痛手は、まさにそれらのビジネス顧客こそが
00:15:55エージェント型ワークフローを激しく回す層である点です。
00:16:00一般ユーザーはそんな使い方はしません。
00:16:06しかし企業は使います。Anthropicにとって、
00:16:11一般ユーザーがまだ多いOpenAI以上にサブスクの維持が難しいはずです。
00:16:18彼らも同様に痛みを感じているはずです。
00:16:24Anthropicのテストのような動きは、私たちに何を意味するのか。
00:16:32将来的にさらなる制限強化は避けられないでしょう。
00:16:38いずれ、サブスクに払う価値を感じなくなる時が来るかもしれません。
00:16:42その時が、実質的な値上げのタイミングになると思います。
00:16:48エージェント型のサブスク料金が、将来的に月額数千ドルになっても
00:16:55決して不思議ではありません。今年ではないにしても。
00:17:03企業がサブスクのコストを
00:17:10人件費と比較し始める時が来るからです。決して良いニュースではありません。
00:17:17予測が外れることを願いますが、そうなる可能性は高いです。
00:17:23人件費と比較すれば、値上げの余地は非常に大きいですから。
00:17:30当然、一般ユーザー向けのサブスクは別物になるでしょう。
00:17:35ライトな利用制限のプランが用意されるはずです。
00:17:41一般のチャットには十分でも、エージェントワークフローには足りないような。
00:17:47市場シェアを考慮していつになるかは分かりませんが、
00:17:52最終的にはそうならざるを得ません。
00:17:58OpenAIもAnthropicも運営資金には限りがあります。
00:18:03事業継続のため、1年以内にそういった動きが出るだろうと私は予想します。