この講座もいよいよ最終章。ここでは、いま最前線で何が起きているのかを一気に見渡します。マルチモーダル化・推論モデル・AIエージェント・オープンソース・ロボティクス・AGI――半年で景色が変わる世界の「現在地」を、専門用語ぬきで押さえましょう。数字にはそれぞれ出典と時点を添えています。製品名・モデル名は2026年9月時点のものです。
AIの「今」を5分で俯瞰
AIの進化スピードを実感する
この章を更新している2026年9月、AI業界では「半年前の常識が通用しない」が合言葉になっています。
数字で見ると、その速度感がよくわかります。調査会社CB Insightsによると、民間のAI企業が2025年に調達した資金は過去最大の2,258億ドルで、2024年のほぼ2倍でした[1]。
CB Insights調べ
Gartnerの予測（2025年8月）
MCP公式ブログ（2025年12月）
この1年半で何が起きたのか、大きな出来事を時系列で振り返りましょう。
ここから、特に重要な4つのトレンドを掘り下げます。
マルチモーダルAI ― 五感を持つAI
マルチモーダルAIとは、テキスト・画像・音声・動画など複数の形式を統合的に扱えるAIのこと。初期のLLMは「文字だけ読み書きできる存在」でしたが、いまのAIは写真を見て、声を聞いて、動画を作れます。
マルチモーダルAIでできること
| 分野 | サービス名 | 何ができるか |
|---|---|---|
| 画像生成 | ChatGPTのネイティブ画像生成 | 文字入りの画像を正確に生成。2025年3月の公開直後、GPUが「溶けた」とOpenAIのAltman CEOが表現するほどの需要を集めた |
| 動画生成 | Google Veo 3 | 音声付き動画を生成。Veoを使う動画制作ツールFlowでは、2025年10月までに2億7,500万本以上の動画が作られた（Google発表） |
| 長文理解 | Claude Fable 5.1 | 100万トークン（本1冊分以上）のコンテキストと12.8万トークンの出力に対応（2026年9月時点・Anthropic公式） |
| 音声対話 | ChatGPT音声モード（Advanced Voice） | テキストを介さず、リアルタイムで自然な音声会話。通訳的な使い方も可能 |
一方で、OpenAIは2026年3月に動画生成AI「Sora」のサービス終了を発表し、Web・アプリは4月26日、APIは9月24日に提供を終えました（OpenAI公式ヘルプ）。
💡 実用のヒント：画像の分析（写真→テキスト）は各社ほぼ無料枠で使えます。レシートの読み取り、手書きメモのテキスト化、グラフの数値抽出など、日常的に試してみましょう。
推論モデルの革命 ―「考える」AIの登場
2024年後半から、AIの世界に新しいカテゴリが誕生しました。推論モデルです。
従来のAIは「質問されたら即座に回答」するスタイルでした。推論モデルは違います。回答する前に「考える時間」を取るのです。人間が数学の問題を解くとき、いきなり答えを書くのではなく、メモを取りながら段階的に考えるのと同じです。
なぜ重要なのか
推論モデルの登場で、AIが苦手だった領域 ―― 数学、科学、複雑なプログラミング ―― の性能が劇的に向上しました。
数学オリンピックの予選にあたる問題（AIME 2025）で92.7%を達成。Pythonを使える条件では99.5%（OpenAI発表）。
DeepSeekの技術報告は、土台のV3の最終訓練にかかったGPU代を約558万ドルと試算しています（それ以前の研究や実験の費用は含まない）。R1は2025年1月20日に、OpenAI o1並みの性能をうたってMITライセンスで公開されました[2]。
「思考予算」を開発者が自由に設定できる独自機能。ツールを使いながらも思考を続ける「インターリーブド思考」を実装。
推論は2026年に入って「特別なモード」から「標準装備」へ変わりました。2026年9月1日にはAnthropicが長時間のエージェント作業向けにClaude Fable 5.1を追加し、9月22日にはClaude Opus 5.5を公開しました。Anthropicの公式のモデル概要は「迷ったらほとんどの用途はOpus 5.5から、難しい推論や長時間のエージェント作業はFable 5.1」と案内しています（Anthropic公式）。いまの各社の上位モデルは、どれも「考えてから答える」ことが前提です。2026年10月5日時点の公式ドキュメントでは、Opus 5.5は思考が常にオン、OpenAIのフラッグシップGPT-6 Astra（2026年9月3日発表）とバランス型のGPT-6.1 Solは推論の強さを「low」から「max」までの段階で選ぶ方式（GPT-6.1 Solは推論なしを選べません）、GoogleのGemini 3.8 Flashも標準で思考がオンです[4]。
ただし「新しいほど何でも強い」わけではありません。当サイトのOpus 5の検証記事で整理したとおり、長く自律して動く作業ではOpus 5が伸びる一方、1回のパッチで完結するコーディング課題（DeepSWE v1.1）ではOpus 5が68.8%、GPT-5.6 Solが72.7%と順位が入れ替わります。世代が進んでも得意分野は分かれるので、新しいモデルが出たら自分の作業で確かめてから乗り換えるのが確実です。
⚡ 注目ポイント：推論時間コンピュート
「より多くの時間をかけて考えさせると、より正確な答えが出る」という発見は、AIの進化に新しい軸を加えました。従来の「訓練データを増やす」「モデルを大きくする」に加え、推論時の計算量を増やすことでも性能が向上することが分かったのです。
AIエージェント ―「任せる」時代へ
2026年のいま、最もホットなキーワードがAIエージェントです。
これまでのAIは「質問したら答える」相談相手でした。AIエージェントは違います。目標を伝えると、計画を立て、ツールを使い、自律的にタスクを遂行するのです。秘書やアシスタントに仕事を「任せる」感覚に近いでしょう。仕組みをもっと詳しく知りたい方は「AIエージェントとは」、複数のAIが協調して動く仕組みは「マルチエージェントとは」もあわせてどうぞ。
AIエージェントの具体例
| エージェント | できること | 特徴 |
|---|---|---|
| Claude Code | コードの生成・実行・デバッグを一貫して自律遂行 | 一般公開から約6か月の2025年11月に年換算売上10億ドルに到達（Anthropic発表） |
| ChatGPT Work | 目標を渡すと、Web検索・ファイル・連携ツールを使って資料や分析などレビューできる成果物まで仕上げる | ブラウザ操作の「Operator」（2025年）→「ChatGPTエージェント」（2025年7月）と続いた流れの後継。エージェントは2026年9月時点で提供を終え、公式ヘルプはWorkへの移行を案内 |
| Manus AI | 複雑なタスクをクラウドで非同期に実行 | 2025年に登場。Metaによる約20億ドルの買収に中国当局が差し止めを命じ、利用の一時中断を経て、2026年9月1日に独立運営の再開を発表 |
| Devin | ソフトウェア開発を自律的に遂行するAIエンジニア | 2024年の発表時、SWE-benchの解決率は13.86%（Cognition発表）。2026年9月時点で無料プランと月額20ドルからの有料プランがある（公式料金） |
🛠 コードを書く「相棒」を本格的に使いたいなら、姉妹講座「AIコーディング実践」で Claude Code などの導入から使いこなしまでを解説しています。個人でアプリを作りたい人は「AIで個人開発」もおすすめです。
MCP ― AIエージェントの「共通言語」
エージェントが外部ツールと連携するための標準規格として、Anthropicが開発したMCP（Model Context Protocol）が急速に普及しています。2025年12月にLinux Foundation傘下の新財団（Agentic AI Foundation）へ寄贈され、その時点で月間SDKダウンロード数は9,700万回超。ChatGPT・Claude・Cursor・Gemini・Microsoft Copilot・VS Codeなど主要なAI製品が対応しています（MCP公式ブログ）。
Gartnerは、企業アプリの40%が2026年までにタスク特化型のAIエージェントを組み込むと予測しています（2025年時点では5%未満）[1]。
⚠️ エージェントの課題：エージェントは便利ですが、現時点ではいくつかの重要な制約があります。複雑な判断ミス、セキュリティリスク（勝手に情報を送信するなど）、コスト（自律的にAPI呼び出しを繰り返す）、説明責任の不透明さなどです。「任せきり」ではなく「任せて確認」が鉄則です。
オープンソースAIの台頭
ChatGPTやClaudeのような商用AIだけがすべてではありません。無料で使える・改変できるオープンソースAIがものすごい勢いで進化しています。
いまの代表的なオープンウェイトモデル（2026年10月時点）
| モデル | 開発元 | 特徴 |
|---|---|---|
| Muse Glimmer | Meta | 2026年8月公開。Metaの主力モデルMuse Sparkから蒸留した30Bのモデルで、画像も読める。手元のハードウェアで動かす前提で、重みはApache 2.0（Meta公式・モデルカード） |
| DeepSeek V4.1 Flash | DeepSeek（中国） | 2026年9月10日公開。新しい構造の系列でいちばん小さいモデルだが、それでも総パラメータ552BのMoE。画像も読め、100万トークンの文脈に対応。重みはMITライセンス（DeepSeek発表・モデルカード） |
| Qwen3.8-27B | Alibaba | Qwenが「オープンモデルで最も高性能な世代」とうたうQwen3.8の、27Bの扱いやすいモデル。画像・動画も読み、思考モードは標準でオン。この27BはApache 2.0ライセンス（Qwen公式のモデルカード）。Qwen系列は累計ダウンロード数で2025年9月にLlamaを逆転（ATOM Report） |
2025年にオープンモデルの存在感を一気に高めたMetaのLlama 4やDeepSeek R1も、いまは一つ前の世代です。オープンソースは商用モデルよりさらに入れ替わりが速く、数か月で顔ぶれが変わります。いまどのモデルが強いかは、Hugging Face Modelsのダウンロード数やLM Arenaのリーダーボードで直接確かめるのが確実です。
🖥 自分のPCで動かしてみたい？ オープンソースモデルは手元の環境でも動かせます。始め方は「ローカルLLMの始め方」、どのモデルを選ぶかは「ローカルLLMモデル比較」が参考になります。
なぜオープンソースが重要か
オープンソースAIには5つの意義があります。
モデルの仕組みを検証でき、安全性を評価できる。
自社データで特化型モデルを構築できる。
自前のサーバーで動かせばAPI料金がゼロに。
データを外部に送信せずにAIを利用できる。
少数の大企業によるAI独占を防ぐ。
ATOM Report（2026年）によると、Hugging Faceでのオープンモデルの累計ダウンロード数は、2025年7月下旬に中国発のモデルが米国発のモデルを逆転しました。伸びの大半はAlibabaのQwenによるものです。AI開発の地政学的なバランスが変化しつつあります。
💡 一般ユーザー向けのポイント：オープンソースAIは主に企業・開発者向けですが、その恩恵は間接的に全員に届きます。競争が激しくなることで商用AIの料金は下がり、性能は上がります。実際、DeepSeek R1はo1並みをうたいながら、出力100万トークンあたり2.19ドルという安いAPI料金で公開されました[2]。
これからのAI ― これから数年の展望
最後に、これから数年でAIがどこへ向かうのかを、ロボティクス・AGI・日本のAI戦略という3つの切り口で見ていきます。
Figure 03はBMWの米スパータンバーグ工場で稼働。1X NEOは家庭向けに2万ドル（または月額499ドル）で予約を受け付け、2026年に出荷予定。Teslaはフリーモント工場でOptimusの生産ラインを建設中。日本のAI基本計画もフィジカルAIを「勝ち筋」に挙げています。
Anthropicは強力なAIの登場を「2026年末〜2027年初頭」、Google DeepMindは「2030年までにありうる」と予想し、OpenAIのAltman CEOは「作り方は分かった」と書いています。AI研究者への調査では中央値が2047年。推論時の計算投入という新たな拡張軸も注目されています。
「信頼できるAI」を軸に、フィジカルAIなどを日本の勝ち筋に据える。SoftBankはOpenAIに計300億ドルを出資、NTT tsuzumi 2は国産LLM、デジタル庁「源内」は政府職員向けの生成AI基盤。規制よりイノベーション重視の姿勢が特徴です。
AI × ロボティクス ― 「動くAI」の実用化
LLMの知能とロボットの身体を組み合わせたヒューマノイドロボットが、いよいよ現実の場面で活躍し始めています。
- Figure 03 ― BMWの米スパータンバーグ工場の物流工程で稼働（2026年6月・Figure発表）。Figureは2025年9月に10億ドル超を調達（Figure発表）
- 1X NEO ― 1Xが「世界初の一般消費者向けヒューマノイド」とうたう家庭用ロボット。2万ドル（または月額499ドル）で2025年10月に予約を始め、2026年に出荷予定（1X発表）
- Tesla Optimus ― フリーモント工場で生産ラインを建設中で、2026年内の生産開始を見込む（Teslaの2026年第2四半期決算資料）
日本政府のAI基本計画も、ロボットなど現実世界で動く「フィジカルAI」の開発・導入を、日本の勝ち筋の一つに挙げています[3]。
AGIへの道 ― 専門家たちの予測
AGI（汎用人工知能 ― 人間と同等以上の知能を持つAI）の到来時期について、業界の見方は分かれています。用語の意味は「AGI（汎用人工知能）とは」、AIが人間を超える「技術的特異点」については「技術的特異点（シンギュラリティ）とは」で詳しく解説しています。
| 立場 | 予測 |
|---|---|
| Anthropic | 「2026年末〜2027年初頭」― ほとんどの分野でノーベル賞受賞者に並ぶ知的能力を持つ「強力なAI」が現れると予想（2025年3月・米政府への提言） |
| OpenAI | 「作り方は分かった」― Altman CEOが2025年1月のブログで「従来の意味でのAGIの作り方は分かったと確信している」と書いた。時期は示していない（Altman氏のブログ） |
| Google DeepMind | 「2030年までにありうる」― 時期は非常に不確かだとしつつ、強力なAIが2030年までに開発されることは十分ありうるとする（2025年4月・安全性の論文） |
| AI研究者への調査 | 「2047年」― 2,778人の予測を集計すると、機械があらゆる作業で人間を上回る確率が50%に達するのは2047年（2023年実施・論文） |
「AGIが来る」と言われても、今すぐ生活が激変するわけではありません。ただ、AIにできることの範囲が毎月のように広がっているのは事実です。「AIにはまだ無理だろう」という思い込みは、半年後には古くなっているかもしれません。
日本のAI戦略
2025年12月23日、日本政府は初のAI基本計画を閣議決定し、「世界で最もAIを開発・活用しやすい国」を目指す方針を打ち出しました。2026年7月14日には、AIエージェントの急速な広がりを受けて計画を改定し、現場ごとに特化した「バーティカルAI」とフィジカルAIを日本の勝ち筋に据えています[3]。
- SoftBank × OpenAI ― SoftBankがOpenAIに計300億ドルを出資（ほかの出資者を含む総額は410億ドル・SoftBank発表）。合弁会社「SB OAI Japan」で日本向けAI基盤を構築
- NTT tsuzumi 2 ― NTTがゼロから開発した国産LLM（2025年10月提供開始）。1GPUで動作し、日本語性能は同じサイズ帯のモデルの中で世界トップクラスとNTTは説明（NTT発表）
- デジタル庁「源内」 ― 政府職員向けの生成AI利用環境。2026年5月から全府省庁の約18万人で大規模実証を始め、国産LLMは15件の応募から7件を選定（デジタル庁）、うちNTTデータのtsuzumi 2など5社と契約した（デジタル庁の資料）
日本は「規制よりイノベーション重視」の姿勢で、EUの厳格な規制アプローチとは対照的です。
AIの時代に「今」やるべきこと
無料で使えるAIツールで実際に体験する。百聞は一試にしかず。
AIは道具。あなたの専門性や創造性と組み合わせて価値になる。
半年で常識が変わる時代。好奇心を持ち続けることが最大のスキル。
- AIはマルチモーダル化し、文字だけでなく画像・音声・動画を扱えるようになった。
- 推論モデルで「考える」AIが、AIエージェントで「任せる」AIが現実に。
- オープンソースAIが急伸し、地政学的なバランスも変化しつつある。
- 次の主戦場はロボティクス・AGI・各国戦略。半年で常識が変わる。
- 大切なのは触って慣れる・強みと掛け合わせる・変化を楽しむの3つ。
参考文献
- CB Insights. "State of AI 2025 Report." January 13, 2026. cbinsights.com / Gartner. "Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025." Gartner Newsroom, August 26, 2025. gartner.com
- DeepSeek. "DeepSeek-R1 Release." DeepSeek API Docs, January 20, 2025. api-docs.deepseek.com
- 内閣府「人工知能基本計画 ～「信頼できるAI」による「日本再起」～」2025年12月23日閣議決定／改定版「人工知能基本計画 ～日本AX、より強く、より豊かに～」2026年7月14日閣議決定. www8.cao.go.jp
- Anthropic. "Models overview." Claude Docs, 2026. / Anthropic. "What’s new in Claude Fable 5.1." September 1, 2026. / OpenAI. "Models" / "GPT-6.1 Sol." OpenAI API Docs, 2026. / Google. "Gemini thinking." Gemini API Docs, 2026.
関連リンク：
- Hugging Face Models ― オープンソースAIモデルのハブ
- LM Arena ― AIモデルの性能を比較できるリーダーボード
AIの基礎から最新動向まで、体系的な知識を身につけることができました。AIは日々進化しています。この講座で学んだ基盤をもとに、実際にツールを触りながら、最新情報をキャッチアップし続けていきましょう。さらにコードを書く相棒として使いこなしたい方は、姉妹講座「AIコーディング実践」へ、個人でサービスを作りたい方は「AIで個人開発」へどうぞ。