10²⁵ FLOPsは、今も最先端の基準なのか？

Anthropicが起草した新たな安全法案が、米議会で出回っている。その考え方の一部は、真の最先端企業に限定するなら妥当かもしれない。しかし、現状の文面では、いずれシリコンバレーの大半を対象に取り込み、スタートアップのエコシステムに打撃を与えることになる。

この法案は、10²⁵ FLOPsで学習されたあらゆるモデルを「最先端」と定義している。これは2023年時点のEU基準だ。バイデン大統領の大統領令、カリフォルニア州のSB 53、ニューヨーク州のRAISE法はいずれも10²⁶（10倍）を採用していた。現在、実際に最先端と呼べるのは10²⁷の水準だ（例：GPT-6 Astra）。

報道によると、AstraはGrace Blackwell GPUを10万基以上使って学習された。一方、10²⁵規模のモデルなら、わずか数百基のGB300チップで3か月あれば学習できる。2026年において、これは最先端ではない。

定義は累積的でもある。ファインチューニング、強化学習、その他の重要な変更で使われたFLOPsも加算される。実際には、これによって学習後に行われる重要な作業のほぼすべてが対象となる。そうした作業は、企業で一般的になりつつある。

企業のトレンドは、特定の業務向けに構築された小規模なカスタムモデルを何千個も使う方向へ向かっている。こうしたモデルに最先端のリスクはない。それらを最先端システムとして扱えば、安全性を高めることなく、米企業全体に大きなコンプライアンスコストを課すことになる。

ダリオは、Anthropicが自社のような最先端企業を不利にし、小規模な競合他社を有利にするルールを設計していると主張してきた。この定義はその正反対だ。

時代遅れの2023年基準は、すでに基準をクリアし、コストを負担できる既存企業に有利に働く。Anthropicの価格決定力を脅かすオープンモデルのエコシステムを弱体化させる。

最先端の水準は変化し続ける。リスクを追跡するための定義なら、それに合わせて変化すべきだ。

Anthropicは、10²⁵ FLOPsが本当に最先端を表すと考えているのか、明確にすべきだ。