智谱华章の創業者で最高科学者の唐杰は7月11日に社内文書を1通送った。その手紙は長くはなく、2分ほどで読み終えられるが、内容の重みは軽くない。
簡単に要約すると、智谱は今後2年間で「Touch High（摸高）計画」を立ち上げ、資源を4つのエンジンの中に集中投下する。「長期タスク」「自律型エージェントシステム」「完全な自己訓練」「安全ガバナンス」である。
この4つの方向性は、何となく思いついたものではない。唐杰はこれまでの数年にわたるAIの発展を見て、業界の前進を阻む3つの障壁となる大きな山を見出した。山を越えれば、伝説のAGIがある。しかし3つの大きな山を越えるには、この4つの方向へ進む必要がある。こうして4つの方向性は、智谱を前進させる4つの原動力となった。
4つのエンジンと言ってはいるが、本質的には同じ源を持つ。あなたの中に私がいて、私の中にあなたがいる。
そしてこの手紙が出された2日前、7月9日、智谱はちょうど313.75億香港ドルの新株を配る（増資する）ことを行っていた。公告には、今回集めた資金は2027年末までにすべて使い切ると書かれている。
つまり唐杰の手紙は、実のところ「智谱がその資金をどこに投じるのか」を語っているのだ。
そこでこれから、3つの大きな山と4つのエンジンがそれぞれ何なのかを分析していく。
グーグルは今年6月に57ページのレポートを公開し、タイトルは《From AGI to ASI》。そこでも似たような言い方が出てくる。「AIに、アインシュタイン時代のすべての情報を与えたら、それは独自に一般相対論を導き出せるのか？」
DeepMindのCEOハサビスは「もちろん、今はまだ無理だ。何かが足りない」と認めている。
唐杰が言う「具体的に足りないその“何か”」を、彼は「三つの山」と呼ぶ。それぞれが長期タスク能力、完全に自律した知能体システム、自分で進化すること。
ちょうど「四天王に5人いるように」――この3つの山が会社の研究開発レイヤーに落ちると、**「四大エンジン」**になる。3つの山はそれぞれ1つのエンジンに対応し、4つ目は安全ガバナンスと呼ばれる。
エンジンがもう1つ増えているのは、AIが三つの山を越えて人間の知恵を超えるとき、その発展には必ず制限をかけなければならないからだ。
第1のエンジン、長期タスク。
唐杰は今年5月にXで長文を投稿し、最初の一文が「今年最も突破の可能性が高い方向性は、長期タスクだ」だった。
唐杰によれば、今日の大規模モデルは、知識豊富な“顧問”のようなものだという。聞けば1問1答してくれる。しかし将来のモデルは、独立して働く“社員”のようになる。人間は目標を伝えるだけで、モデルが自分で手順を分解し、ツールを呼び出し、何度も試して、数時間、数週間といった長い間、連続して作業し、最終的に成果を納品する。
唐杰はネットワークセキュリティの例で説明している。ハッカーにソフトウェアの脆弱性を探させるなら、コードを読むだけでなく、環境を構築し、攻撃ルートをいろいろ試し、誤検知を排除して結果を検証する必要がある。
AIは最高のハッカーより才能があるとは限らないが、24時間動き、さらに数千、数万というインスタンスを複製して絶えず試行できる。プロのハッカーの思考を学べば、機械の耐久力と規模がその能力を増幅し、最終的に一部のハッカーやプログラマーの仕事を置き換える可能性がある。
問題は、長期タスクをやらせたいと思っても、それだけではモデルは完遂できないことだ。唐杰は長文の中で、モデルには実行能力に加えて、継続的な学習と自分で判断する能力も必要だと書いており、ここから第2の山が出てくる。
第2のエンジン、自律型エージェントシステム。
長期タスクが「1体のAIが独力で複雑な仕事を最後までやり遂げられるか」を解くのだとすれば、自律型エージェントシステムが解くのは「複数のAIが、会社のように協調して働けるか」という問題だ。
唐杰は、自律型エージェントシステムは、専門性の異なる複数のAgent（エージェント）と役割分担で構成されると考えている。
たとえば非常に複雑なタスクに直面したら、Agentの中で計画を立てる役割を担うものが必要だし、別のAgentが資料を調べ、コードを書き、テスト結果を検証し、脆弱性を探す必要がある。タスクが一定の規模まで複雑になれば、計算リソースを割り当てたり、ほかの知能体の作業をチェックしたりするための専門Agentが必要になる。
それらは24時間稼働し、自主的に議論し、協業し、誤りを修正できる。唐杰は昨年「一人会社（OPC）」の話をしていた。つまり1人の指揮で大量のAIを動かす。しかし彼の見立ては今、より強気になっている。将来「無人会社（NPC）」が出現し、管理から実行まで主要な部分がAIによって行われるかもしれないというのだ。
ただし、これは複数アカウントを増やせば実現できるという話ではない。エージェントが増えるほど、コミュニケーションの混乱、タスクの重複、誤りが互いに増幅し合うリスクも高まる。
本当に自律型エージェントを止めてしまうのは、Agentの数ではなく、組織メカニズムだ。誰が目標を分解するのか？誰が権限を割り当てるのか？誰が結果をチェックするのか？複数のAgentの間で、互いに誤りを強化してしまうことをどう防ぐのか？
そのため唐杰は長文の中で、AIの発展には「自己判断」のメカニズムが必要であり、それによってAIが自己進化できる。これが第3の山だと述べている。
第3のエンジン、完全な自己訓練。
唐杰は「完全な自己訓練」を、最も難しいが、同時に最も魅力的な方向だと位置づけている。
今日大規模モデルを訓練するには、エンジニアを用意し、データを収集し、コードを書き、実験を走らせ、結果を分析する必要がある。
完全な自己訓練でやりたいのは、このプロセスを段階的にAIに引き継がせることだ。AIが自分でコードを書き、データをクリーニングして生成し、学習を開始し、その結果に基づいて次の実験を設計する。
唐杰は、その中でも重要な方法の一つがSelf-Playだと言っている。簡単に言えば、AIに出題もさせ、解答もさせ、さらに別のAIに誤り探しと採点を担当させる。コード、数学、ゲームなど、結果を検証しやすい領域では、この方法で大量の学習素材を作り出せる。
それが計算資源（算力）を大幅に節約できるとは限らず、むしろ算力をより多く使う可能性すらある。しかし、人手を節約できる。エンジニアがすべての工程でAIを見張る必要はなくなり、目標だけ設定すれば、あとは機械が自分で回せばよい。
だが、ここで新たな問題が生まれやすい。AIが人間の統制を超えてしまう恐れだ。学術界には「ダーウィン・ゴーデル機」という構想があり、AIが自分自身をアップグレードする方法によって、モデルの性能を絶えず強化し続ける。だがこの方向が後にあまり研究されなかった主な理由は、AIが制御不能になるのではないかという懸念があるからだ。
そして最後のエンジン、安全ガバナンス。
もしあるAIが前の3つの大きな山を越えたなら、確かに性能はより強くなる。しかしそれがもたらすリスクもより大きくなる。
長期の実行は、モデルが継続的に行動することを意味し、多Agentの協業は誤りが増幅されることを意味し、自己訓練はモデルの意思決定ロジックが開発者ですら理解できない可能性を意味する。
このAIが一度でも誤ると、「モデルがときどき誤った答えを返す」という状態から、「システムが誤りを継続的に実行し、それを増幅してしまう」状態へと性質が格上げされる。
唐杰は2層の防護を提案している。
1層目は訓練段階での価値整合（バリューアライメント）だ。モデルの外側にキーワードフィルタ等の「安全パッチ」を追加することに満足せず、人間の倫理、社会的規範、法律・法規を訓練目標に溶け込ませ、モデルが基層から「何ができて何ができないか」を理解することを望んでいる。
2層目は、100億級の資源を投入して機械可説明性（メカニスティック解釈可能性）を研究し、モデル内部のどのニューロンやメカニズムが、ある判断に至らせたのかを解明しようとする。理解が難しい「ブラックボックス」をより透明にする試みだ。
間違いなく智谱は、中国はもとより世界のAI業界の焦点の一つだ。
2026年6月13日、智谱は主力モデルGLM-5.2を発表した。1Mのコンテキストウィンドウ、MITのオープンソースライセンス。SWE-Bench Pro、Terminal-Benchなどのコード能力ベンチマークで世界トップ3、かつ国内トップ。
6月末、海外メディアがある報道を出した。そこではネットワークセキュリティ企業Semgrepのテストが引用されている。ある脆弱性検知のベンチマークにおいて、GLM-5.2の成績はAnthropicの最強モデルMythosと互角、特定のタスクではClaude Opus 4.8を上回ることさえあるという。
この報道はAI業界で大きな論争を引き起こした。
なぜなら、GLM-5.2はオープンソースモデルであり、MythosとOpus 4.8はいずれもクローズドモデルだからだ。さらにGLM-5.2の価格は、Opusの約10分の1だ。
Databricksの共同創業者アリ・ゴールドシ（Ali Ghodsi）は、このためにわざわざ自社の社員を使った実験も行った。
彼は自社の3000人以上のエンジニアに、GLM-5.2とOpus 4.8で同じ仕事をさせた。その結果、2つのモデルのアウトプットは近い一方で、GLM-5.2は1タスクあたり1.28ドルで済むが、Opusは1.94ドル必要だということが分かった。
なぜ皆がAnthropicを使って智谱と比べたがるのか。AnthropicのCEOアモディ（Amodi）が、彼はずっとオープンソースモデルの強い反対者だからだ。
早くも2023年7月、彼は米国の連邦上院で証言し、「オープンソースAIは非常に危険な道だ」と述べていた。
彼の判断ロジックはこうだ。クローズドモデルで問題が起きれば、会社はすぐに止めて直し、誰が濫用しているかを追跡できる。しかしオープンソースモデルが一度出回ってしまうと、開発者はもはや回収できない。
理由は、オープンソースモデルを誰が使っているか監視できないこと、アクセスを取り消せないこと、そしてすでにオープンにされたモデルに安全パッチを当てられないことにある。
そして2026年6月、GLM-5.2がリリースされた後、アモディは再び公に警告した。「中国のオープンソースAIの拡散（リリース）は非常に好ましくない」とし、最先端の安全能力はオープンソースモデルに握られるべきではない、と。
明らかに、智谱はすでにAnthropicの語り（ナラティブ）に影響を与えている。 しかしモデルがあるだけでは足りない。実際の開発シーンに接続するためのツールも必要だ。AnthropicにClaude Codeがあり、OpenAIにCodexがあるのと同じだ。
智谱もGLM-5.2の発表当日に、自社のツールであるZCode 3.0をリリースした。GLM-5.2に深く適合し、第三者のAgentの適応はもはやメンテナンスしない。つまりZCodeはGLM-5.2専用ツールで、他社は使えない。
開発者は自然言語で要件を伝えるだけでよい。するとZcodeはコードプロジェクト全体を読み取り、ターミナルやブラウザを呼び出し、ファイルを編集し、テストを実行し、Gitの変更を確認し、そのうえでプロジェクトを納品前の状態までそのまま前に進められる。
智谱の技術発展のスピードは非常に速い。資金（燃焼）のスピードも同じく非常に速い。
2026年1月8日、智谱は香港取引所に上場した。発行価格は116.2香港ドル。IPOの純調達額は約48.96億香港ドル。6月30日までに約45.88億香港ドルが使用済みで、使用率は93%超。残りは3.08億香港ドルだ。
7月9日、智谱は1株あたり1588香港ドルで、最大1978万株の新H株を配る（配售する）と発表した。純調達額は約313.75億香港ドル。
智谱は今回、社債の発行ではなく、新株の発行（増資）による資金調達を行う。新株の価格は前日の終値より約13%安い。理論上、この行為は株価にプレッシャーを与えるはずだが、結果は真逆だった。ニュースが公表された当日、智谱の株価は取引時間中に一時20%以上上昇した。
智谱の公告では、この資金は2027年末までにすべて使い切る計画だとされている。投入先は3つの大きな方向である。コア研究開発と計算力（算力）インフラ。商業化の拡張と産業の合併・買収。運転資金の補充と資本構成の最適化。
だから、このようなタイミングで唐杰は、気持ちを固めて確信を得させるために何かをしなければならない。長文を書いて、社外と企業内部の双方に、智谱が次に何をやるのかを明確に示すことが、最も効率的で直接的な選択になる。
Touch highは直訳すると「高みを触る」。では、私たちの“高いところ”とは何か。天空だ。
偶然にも、唐杰が社内文書を出す前に、MiniMaxのCEOである闫俊杰も社内文書を書いている。それは《向天空尽头》という。
7月9日、MiniMaxは上場後初めての大規模なロックアップ解除を迎えた。約1.46億株が解除され、総発行株式の約49%を占める。
当日の株価は急落で約18%下落し、翌日も約10%下落した。時価総額は3月の高値である4100億香港ドルから、800億香港ドル未満まで下がった。
解除による急落が起きたその晩、MiniMaxは上場以来最大規模の再資金調達を開始した。新株の配售に加え、65億香港ドルのゼロクーポン転換社債を合わせて、総調達額は約160億香港ドル。
内訳は、配售の純額が約94.91億、転換社債の純額が約64.66億。80%はAI基盤インフラとモデル研究開発に、10%はHarness製品のグローバルな商業化に、10%は運転資金に使う。
こうした背景のもとで、闫俊杰は手紙の中で3つの約束をした。
第一に、AGIを達成するまで、今日から一切の報酬は受け取らない。第二に、今後4年間で個人名義の株式から総株式の4%に相当する株式を拠出してチームにインセンティブを付与する。第三に、株式の1%を出して特別基金を設け、オープンソースコミュニティを支援する。個人株式の5%に、無報酬。
闫俊杰が書いた内容は唐杰の社内文書ほど具体的ではないが、それでも勢いはより強い。彼は自分の資産を投じて、MiniMaxの長期的価値に賭けている。終点も同じくAGIだ。
上場は終点ではなく、長期投資できる能力を得る始まりである。
お金の話をすると、最近さらに資金を得た“スーパースター”企業がもう一つある。それがDeepSeekだ。
この会社は6月に、500億元人民元の第1ラウンドの資金調達を完了し、さらに6月25日に全社員の大規模採用（全員増員）を開始した。
これまでのDeepSeekは、資金調達も、商業化も、資金集めのためのイベント（ロードショー）も行ってこなかった。梁文鋒は幻方（Hanfang）の量的運用で得た利益をもとにチーム全体を支え、設立から約3年で、外部投資は拒否してきた。
だが今からは、DeepSeekもAGIを狙う。
今回の採用のスローガンは「未踏の領域を探求」。公告には「人類はちょうどAGIの前夜にいる」と直接書かれており、応募者に「AGIの発展プロセスを目撃し、時代の最前列で、新しい時代の誕生を見届けてほしい」と呼びかけている。
33のポジションのうち、特に注目すべきは、今年3月に新設されたAgent Harnessチームだ。
DeepSeekの社内には次の公式がある。Model+Harness=Agent。これは唐杰が語った長期タスクと自律型エージェントと同じ考え方だ。Harnessが、モデルがどんなツールを呼び出し、どんなリソースへアクセスし、どのようにタスクを納品できるかを決める。
だが、さらに面白いのは「AIクロスドメイン人材」と呼ばれる特別ポジションだ。
このポジションは専門バックグラウンドの制限がなく、「AGIの創造と構築に参加したい候補者」を対象にしている。加点項目には「常識にとらわれない」「ある分野で極める」「起業経験あり」と書かれている。
DeepSeekのロジックは、エンジニアリングだけではAGIに到達できず、さらに多くの「参加者」が必要だというものだ。
たとえば認知科学や心理学の人材。AIは本質的に人間の思考プロセスを模倣するものだから、人間がどのように記憶し、学び、判断し、感情を生み出すのかを研究することで、AIの性能向上に役立つかもしれない。
AGIはどれくらい先にあるのか？はっきりとは言えないが、私の感覚では、AGIは本当に遠くない。
1.17M 人気度
230.39K 人気度
72.11K 人気度
768.75K 人気度
188.37K 人気度
中国で最もAnthropicに似ている会社が「三つの大きな山」を移し替えようとしている
智谱华章の創業者で最高科学者の唐杰は7月11日に社内文書を1通送った。その手紙は長くはなく、2分ほどで読み終えられるが、内容の重みは軽くない。
簡単に要約すると、智谱は今後2年間で「Touch High（摸高）計画」を立ち上げ、資源を4つのエンジンの中に集中投下する。「長期タスク」「自律型エージェントシステム」「完全な自己訓練」「安全ガバナンス」である。
この4つの方向性は、何となく思いついたものではない。唐杰はこれまでの数年にわたるAIの発展を見て、業界の前進を阻む3つの障壁となる大きな山を見出した。山を越えれば、伝説のAGIがある。しかし3つの大きな山を越えるには、この4つの方向へ進む必要がある。こうして4つの方向性は、智谱を前進させる4つの原動力となった。
4つのエンジンと言ってはいるが、本質的には同じ源を持つ。あなたの中に私がいて、私の中にあなたがいる。
そしてこの手紙が出された2日前、7月9日、智谱はちょうど313.75億香港ドルの新株を配る（増資する）ことを行っていた。公告には、今回集めた資金は2027年末までにすべて使い切ると書かれている。
つまり唐杰の手紙は、実のところ「智谱がその資金をどこに投じるのか」を語っているのだ。
そこでこれから、3つの大きな山と4つのエンジンがそれぞれ何なのかを分析していく。
「三つの大きな山」から「四大エンジン」へ
グーグルは今年6月に57ページのレポートを公開し、タイトルは《From AGI to ASI》。そこでも似たような言い方が出てくる。「AIに、アインシュタイン時代のすべての情報を与えたら、それは独自に一般相対論を導き出せるのか？」
DeepMindのCEOハサビスは「もちろん、今はまだ無理だ。何かが足りない」と認めている。
唐杰が言う「具体的に足りないその“何か”」を、彼は「三つの山」と呼ぶ。それぞれが長期タスク能力、完全に自律した知能体システム、自分で進化すること。
ちょうど「四天王に5人いるように」――この3つの山が会社の研究開発レイヤーに落ちると、**「四大エンジン」**になる。3つの山はそれぞれ1つのエンジンに対応し、4つ目は安全ガバナンスと呼ばれる。
エンジンがもう1つ増えているのは、AIが三つの山を越えて人間の知恵を超えるとき、その発展には必ず制限をかけなければならないからだ。
第1のエンジン、長期タスク。
唐杰は今年5月にXで長文を投稿し、最初の一文が「今年最も突破の可能性が高い方向性は、長期タスクだ」だった。
唐杰によれば、今日の大規模モデルは、知識豊富な“顧問”のようなものだという。聞けば1問1答してくれる。しかし将来のモデルは、独立して働く“社員”のようになる。人間は目標を伝えるだけで、モデルが自分で手順を分解し、ツールを呼び出し、何度も試して、数時間、数週間といった長い間、連続して作業し、最終的に成果を納品する。
唐杰はネットワークセキュリティの例で説明している。ハッカーにソフトウェアの脆弱性を探させるなら、コードを読むだけでなく、環境を構築し、攻撃ルートをいろいろ試し、誤検知を排除して結果を検証する必要がある。
AIは最高のハッカーより才能があるとは限らないが、24時間動き、さらに数千、数万というインスタンスを複製して絶えず試行できる。プロのハッカーの思考を学べば、機械の耐久力と規模がその能力を増幅し、最終的に一部のハッカーやプログラマーの仕事を置き換える可能性がある。
問題は、長期タスクをやらせたいと思っても、それだけではモデルは完遂できないことだ。唐杰は長文の中で、モデルには実行能力に加えて、継続的な学習と自分で判断する能力も必要だと書いており、ここから第2の山が出てくる。
第2のエンジン、自律型エージェントシステム。
長期タスクが「1体のAIが独力で複雑な仕事を最後までやり遂げられるか」を解くのだとすれば、自律型エージェントシステムが解くのは「複数のAIが、会社のように協調して働けるか」という問題だ。
唐杰は、自律型エージェントシステムは、専門性の異なる複数のAgent（エージェント）と役割分担で構成されると考えている。
たとえば非常に複雑なタスクに直面したら、Agentの中で計画を立てる役割を担うものが必要だし、別のAgentが資料を調べ、コードを書き、テスト結果を検証し、脆弱性を探す必要がある。タスクが一定の規模まで複雑になれば、計算リソースを割り当てたり、ほかの知能体の作業をチェックしたりするための専門Agentが必要になる。
それらは24時間稼働し、自主的に議論し、協業し、誤りを修正できる。唐杰は昨年「一人会社（OPC）」の話をしていた。つまり1人の指揮で大量のAIを動かす。しかし彼の見立ては今、より強気になっている。将来「無人会社（NPC）」が出現し、管理から実行まで主要な部分がAIによって行われるかもしれないというのだ。
ただし、これは複数アカウントを増やせば実現できるという話ではない。エージェントが増えるほど、コミュニケーションの混乱、タスクの重複、誤りが互いに増幅し合うリスクも高まる。
本当に自律型エージェントを止めてしまうのは、Agentの数ではなく、組織メカニズムだ。誰が目標を分解するのか？誰が権限を割り当てるのか？誰が結果をチェックするのか？複数のAgentの間で、互いに誤りを強化してしまうことをどう防ぐのか？
そのため唐杰は長文の中で、AIの発展には「自己判断」のメカニズムが必要であり、それによってAIが自己進化できる。これが第3の山だと述べている。
第3のエンジン、完全な自己訓練。
唐杰は「完全な自己訓練」を、最も難しいが、同時に最も魅力的な方向だと位置づけている。
今日大規模モデルを訓練するには、エンジニアを用意し、データを収集し、コードを書き、実験を走らせ、結果を分析する必要がある。
完全な自己訓練でやりたいのは、このプロセスを段階的にAIに引き継がせることだ。AIが自分でコードを書き、データをクリーニングして生成し、学習を開始し、その結果に基づいて次の実験を設計する。
唐杰は、その中でも重要な方法の一つがSelf-Playだと言っている。簡単に言えば、AIに出題もさせ、解答もさせ、さらに別のAIに誤り探しと採点を担当させる。コード、数学、ゲームなど、結果を検証しやすい領域では、この方法で大量の学習素材を作り出せる。
それが計算資源（算力）を大幅に節約できるとは限らず、むしろ算力をより多く使う可能性すらある。しかし、人手を節約できる。エンジニアがすべての工程でAIを見張る必要はなくなり、目標だけ設定すれば、あとは機械が自分で回せばよい。
だが、ここで新たな問題が生まれやすい。AIが人間の統制を超えてしまう恐れだ。学術界には「ダーウィン・ゴーデル機」という構想があり、AIが自分自身をアップグレードする方法によって、モデルの性能を絶えず強化し続ける。だがこの方向が後にあまり研究されなかった主な理由は、AIが制御不能になるのではないかという懸念があるからだ。
そして最後のエンジン、安全ガバナンス。
もしあるAIが前の3つの大きな山を越えたなら、確かに性能はより強くなる。しかしそれがもたらすリスクもより大きくなる。
長期の実行は、モデルが継続的に行動することを意味し、多Agentの協業は誤りが増幅されることを意味し、自己訓練はモデルの意思決定ロジックが開発者ですら理解できない可能性を意味する。
このAIが一度でも誤ると、「モデルがときどき誤った答えを返す」という状態から、「システムが誤りを継続的に実行し、それを増幅してしまう」状態へと性質が格上げされる。
唐杰は2層の防護を提案している。
1層目は訓練段階での価値整合（バリューアライメント）だ。モデルの外側にキーワードフィルタ等の「安全パッチ」を追加することに満足せず、人間の倫理、社会的規範、法律・法規を訓練目標に溶け込ませ、モデルが基層から「何ができて何ができないか」を理解することを望んでいる。
2層目は、100億級の資源を投入して機械可説明性（メカニスティック解釈可能性）を研究し、モデル内部のどのニューロンやメカニズムが、ある判断に至らせたのかを解明しようとする。理解が難しい「ブラックボックス」をより透明にする試みだ。
なぜ智谱で、なぜ今
間違いなく智谱は、中国はもとより世界のAI業界の焦点の一つだ。
2026年6月13日、智谱は主力モデルGLM-5.2を発表した。1Mのコンテキストウィンドウ、MITのオープンソースライセンス。SWE-Bench Pro、Terminal-Benchなどのコード能力ベンチマークで世界トップ3、かつ国内トップ。
6月末、海外メディアがある報道を出した。そこではネットワークセキュリティ企業Semgrepのテストが引用されている。ある脆弱性検知のベンチマークにおいて、GLM-5.2の成績はAnthropicの最強モデルMythosと互角、特定のタスクではClaude Opus 4.8を上回ることさえあるという。
この報道はAI業界で大きな論争を引き起こした。
なぜなら、GLM-5.2はオープンソースモデルであり、MythosとOpus 4.8はいずれもクローズドモデルだからだ。さらにGLM-5.2の価格は、Opusの約10分の1だ。
Databricksの共同創業者アリ・ゴールドシ（Ali Ghodsi）は、このためにわざわざ自社の社員を使った実験も行った。
彼は自社の3000人以上のエンジニアに、GLM-5.2とOpus 4.8で同じ仕事をさせた。その結果、2つのモデルのアウトプットは近い一方で、GLM-5.2は1タスクあたり1.28ドルで済むが、Opusは1.94ドル必要だということが分かった。
なぜ皆がAnthropicを使って智谱と比べたがるのか。AnthropicのCEOアモディ（Amodi）が、彼はずっとオープンソースモデルの強い反対者だからだ。
早くも2023年7月、彼は米国の連邦上院で証言し、「オープンソースAIは非常に危険な道だ」と述べていた。
彼の判断ロジックはこうだ。クローズドモデルで問題が起きれば、会社はすぐに止めて直し、誰が濫用しているかを追跡できる。しかしオープンソースモデルが一度出回ってしまうと、開発者はもはや回収できない。
理由は、オープンソースモデルを誰が使っているか監視できないこと、アクセスを取り消せないこと、そしてすでにオープンにされたモデルに安全パッチを当てられないことにある。
そして2026年6月、GLM-5.2がリリースされた後、アモディは再び公に警告した。「中国のオープンソースAIの拡散（リリース）は非常に好ましくない」とし、最先端の安全能力はオープンソースモデルに握られるべきではない、と。
明らかに、智谱はすでにAnthropicの語り（ナラティブ）に影響を与えている。 しかしモデルがあるだけでは足りない。実際の開発シーンに接続するためのツールも必要だ。AnthropicにClaude Codeがあり、OpenAIにCodexがあるのと同じだ。
智谱もGLM-5.2の発表当日に、自社のツールであるZCode 3.0をリリースした。GLM-5.2に深く適合し、第三者のAgentの適応はもはやメンテナンスしない。つまりZCodeはGLM-5.2専用ツールで、他社は使えない。
開発者は自然言語で要件を伝えるだけでよい。するとZcodeはコードプロジェクト全体を読み取り、ターミナルやブラウザを呼び出し、ファイルを編集し、テストを実行し、Gitの変更を確認し、そのうえでプロジェクトを納品前の状態までそのまま前に進められる。
智谱の技術発展のスピードは非常に速い。資金（燃焼）のスピードも同じく非常に速い。
2026年1月8日、智谱は香港取引所に上場した。発行価格は116.2香港ドル。IPOの純調達額は約48.96億香港ドル。6月30日までに約45.88億香港ドルが使用済みで、使用率は93%超。残りは3.08億香港ドルだ。
7月9日、智谱は1株あたり1588香港ドルで、最大1978万株の新H株を配る（配售する）と発表した。純調達額は約313.75億香港ドル。
智谱は今回、社債の発行ではなく、新株の発行（増資）による資金調達を行う。新株の価格は前日の終値より約13%安い。理論上、この行為は株価にプレッシャーを与えるはずだが、結果は真逆だった。ニュースが公表された当日、智谱の株価は取引時間中に一時20%以上上昇した。
智谱の公告では、この資金は2027年末までにすべて使い切る計画だとされている。投入先は3つの大きな方向である。コア研究開発と計算力（算力）インフラ。商業化の拡張と産業の合併・買収。運転資金の補充と資本構成の最適化。
だから、このようなタイミングで唐杰は、気持ちを固めて確信を得させるために何かをしなければならない。長文を書いて、社外と企業内部の双方に、智谱が次に何をやるのかを明確に示すことが、最も効率的で直接的な選択になる。
業界がAGI決戦の前夜へ
Touch highは直訳すると「高みを触る」。では、私たちの“高いところ”とは何か。天空だ。
偶然にも、唐杰が社内文書を出す前に、MiniMaxのCEOである闫俊杰も社内文書を書いている。それは《向天空尽头》という。
7月9日、MiniMaxは上場後初めての大規模なロックアップ解除を迎えた。約1.46億株が解除され、総発行株式の約49%を占める。
当日の株価は急落で約18%下落し、翌日も約10%下落した。時価総額は3月の高値である4100億香港ドルから、800億香港ドル未満まで下がった。
解除による急落が起きたその晩、MiniMaxは上場以来最大規模の再資金調達を開始した。新株の配售に加え、65億香港ドルのゼロクーポン転換社債を合わせて、総調達額は約160億香港ドル。
内訳は、配售の純額が約94.91億、転換社債の純額が約64.66億。80%はAI基盤インフラとモデル研究開発に、10%はHarness製品のグローバルな商業化に、10%は運転資金に使う。
こうした背景のもとで、闫俊杰は手紙の中で3つの約束をした。
第一に、AGIを達成するまで、今日から一切の報酬は受け取らない。第二に、今後4年間で個人名義の株式から総株式の4%に相当する株式を拠出してチームにインセンティブを付与する。第三に、株式の1%を出して特別基金を設け、オープンソースコミュニティを支援する。個人株式の5%に、無報酬。
闫俊杰が書いた内容は唐杰の社内文書ほど具体的ではないが、それでも勢いはより強い。彼は自分の資産を投じて、MiniMaxの長期的価値に賭けている。終点も同じくAGIだ。
上場は終点ではなく、長期投資できる能力を得る始まりである。
お金の話をすると、最近さらに資金を得た“スーパースター”企業がもう一つある。それがDeepSeekだ。
この会社は6月に、500億元人民元の第1ラウンドの資金調達を完了し、さらに6月25日に全社員の大規模採用（全員増員）を開始した。
これまでのDeepSeekは、資金調達も、商業化も、資金集めのためのイベント（ロードショー）も行ってこなかった。梁文鋒は幻方（Hanfang）の量的運用で得た利益をもとにチーム全体を支え、設立から約3年で、外部投資は拒否してきた。
だが今からは、DeepSeekもAGIを狙う。
今回の採用のスローガンは「未踏の領域を探求」。公告には「人類はちょうどAGIの前夜にいる」と直接書かれており、応募者に「AGIの発展プロセスを目撃し、時代の最前列で、新しい時代の誕生を見届けてほしい」と呼びかけている。
33のポジションのうち、特に注目すべきは、今年3月に新設されたAgent Harnessチームだ。
DeepSeekの社内には次の公式がある。Model+Harness=Agent。これは唐杰が語った長期タスクと自律型エージェントと同じ考え方だ。Harnessが、モデルがどんなツールを呼び出し、どんなリソースへアクセスし、どのようにタスクを納品できるかを決める。
だが、さらに面白いのは「AIクロスドメイン人材」と呼ばれる特別ポジションだ。
このポジションは専門バックグラウンドの制限がなく、「AGIの創造と構築に参加したい候補者」を対象にしている。加点項目には「常識にとらわれない」「ある分野で極める」「起業経験あり」と書かれている。
DeepSeekのロジックは、エンジニアリングだけではAGIに到達できず、さらに多くの「参加者」が必要だというものだ。
たとえば認知科学や心理学の人材。AIは本質的に人間の思考プロセスを模倣するものだから、人間がどのように記憶し、学び、判断し、感情を生み出すのかを研究することで、AIの性能向上に役立つかもしれない。
AGIはどれくらい先にあるのか？はっきりとは言えないが、私の感覚では、AGIは本当に遠くない。