アリババが11月16日に発表した新旗艦AIモデル「Qwen4-Max」が、Artificial Analysisのインテリジェンス指数(Intelligence Index)で43点にとどまり、Anthropicの最上位モデル「Claude Fable 5.2」を22点下回った。
Fable 5.2は65点、「Claude Opus 5.5」は59点で、Qwen4-MaxはOpus 5.5にも16点及ばなかった。
AI情報アカウントのChubby(@kimmonismus、約16万フォロワー)は16日、Xに投稿した。主要な性能試験の数字上はOpus 5.5と同等に見えるが、指数では全く異なる結果になったという。同アカウントは、Qwenが蒸留の手段を断たれていることがこの結果を物語っているとの見方を示した。ただし、この見方について結論は出ていない。
Anthropicは、モデルが回答に至るまでの内部の推論過程を、段階的に利用者から見えなくしてきた。2月以降、「Claude Code」の画面で推論を表示しなくなった。当時の説明は、遅延の低減と画面の変更にとどまっていた。7月には「Claude Fable 5」のウェブ版とアプリ版で思考の要約表示をやめたが、理由は説明しなかった。
10月12日に公表した防御策の文書で、同社は蒸留対策が目的だと明言した。推論の記録は、蒸留に最も価値のあるデータだとしている。
同社は、完全な推論で訓練したモデルがソフトウェア開発の性能試験「SWE-bench Verified」で80.4%を記録し、要約だけで訓練すると71.8%に下がると説明している。新たな防護策により、盗まれ得る推論は約90〜99%減ったという。「Claude Fable 5.1」とOpus 5.5には、思考を保持する「preserved thinking」も導入した。8月31日以降に新規開設したAPIアカウントでは、Claudeの過去の文脈を書き換えられない。
アリババは、Anthropicが蒸留の問題で名指しした企業の一つだ。Anthropicは6月10日付の上院議員宛て書簡で、アリババが約2万5000の偽アカウントを使い、約2880万回の対話を行ったと主張した。9月の脅威インテリジェンス報告では、5〜7月に約1億5100万回に上ると主張した。アリババは公には反応していない。10月の防御策の文書には、アリババの名は出てこない。
アリババは、Qwen4-Maxに先立つ「Qwen4-Max-Preview」をToken Plan限定でプレビュー版として提供している。プレビュー期間は日本時間11月26日午前1時までだ。