Inkling AIの登場で開発はどう変わるか。Claude Code活用と自律的進化の制御法

元OpenAIのCTOが率いる新会社から、パラメータ975Bの新型AI「Inkling」が登場した。完成品のAIではなく「調整前提のミールキット」として配布される思想だ。

一方で、AIがAIを改善する自律的進化のリスクや、推論コストを削る新たな構造の議論も加熱している。単にAPIを叩く側から、AIを自社用に味付けし制御する側へシフトが起きている。

SNS運用を自動化しませんか？

ThreadPostなら、投稿作成・画像生成・スケジュール管理までAIがサポート。

無料で始める

調整前提の巨大モデル「Inkling」登場と自律進化を巡る激論

元OpenAIのCTOが立ち上げた新会社から、最新のマルチモーダルモデル「Inkling」が公開された。総パラメータ数は975Bだ。実際の推論時には41Bのパラメータを使用するMoE構造を採用している。

このモデルは企業や開発者が自社データでカスタマイズするための「下ごしらえ済みミールキット」として提供される。推論時の思考深度を決定するパラメータ値を0.2から0.99の範囲で指定でき、コストと精度のバランスを制御できる。

コーディング性能の評価では、競合モデルと同等のスコアを維持しつつ、トークン消費量を3分の1まで抑えた。予測の不確実性を評価する指標では61.1を記録し、既存の主要モデルを上回る精度を示している。

しんたろー：
総パラメータ975Bでアクティブ41BというMoEの設計が気になる。推論時の思考量を手動で絞ってトークン消費を3分の1にできるなら、SaaSの自動化処理におけるAPIコストも下げられそうだ。

業界内ではAIの「自律的な進化」に対する危機感が広がっている。AIが自ら次の世代のAIを設計・改善する「再帰的自己改善」のサイクルが加速しているからだ。

AIエージェントが自発的にサイバー攻撃を試みる事例も報告されている。国際的な安全基準の策定や、開発ペースに制限を設ける「速度制限」の導入を求める議論が本格化している。

モデル構造を根本から見直す技術革新も加速している。不要な情報を削ぎ落とすScreening Attentionなどの手法では、従来の方式と比べてパラメータの割合を40%削減しながら同等の性能を維持できることが実証されている。

いま開発者の前に押し寄せている変化の波は3つある。

※この記事は、Claude Codeで1人SaaS開発しているしんたろーが、海外AI最新情報を開発者目線で解説する「AI活用Tips」です。

ミールキット化と軽量構造が変える「AI開発者の主戦場」

AI開発のパラダイムシフトが進んでいる。AIは「巨大な完成品」から「自社用に調整するミールキット」へ移行した。

これまでのAIは完成品をそのまま使うスタイルが主流だった。これからは自社のデータや用途に合わせてファインチューニングを行う前提のモデルが開発の中心になる。

例えば、総パラメータ数975Bを持ちながら、推論時にはアクティブパラメータ41Bしか使わないMoE構造のモデルがある。975人の専門家を抱えつつ、質問に応じて最適な41人だけを招集する仕組みだ。

推論時の思考深さを0.2から0.99の範囲で数値指定できる点も特徴だ。深さを下げればトークン消費量を約3分の1まで抑えられ、上げれば精度が向上する。開発者が精度とコストのバランスをコントロールできる自由度がある。

最先端アーキテクチャの検証とClaude Code

モデルの軽量化は内部構造のレベルでも進んでいる。不要な情報を遮断するScreening Attentionのような新しい構造への切り替えが話題だ。

この方式では「見なくていいキーを完全にゼロにする」ことで、パラメータ数を40%削減しながら同等の性能を維持できる。こうした構造変化を自分の開発環境で試す際、Claude Codeが武器になる。

テストケースを記述し、仕様を確定させてからAIに実装を委譲するTDDのサイクルを回す。QueryとKeyのL2ノルム正規化や、最初の2次元だけに位置情報を適用するMiPEといった複雑なロジックも、テスト主導なら正確に組み上げられる。

モデル本体やデータパイプラインを含め800行を超えるコードであっても、設計とテストさえ書けば、最小構成を構築できる。新しいアルゴリズムが発表されたその日に、手元で動くコードに落とし込めるスピード感がある。

しんたろー：
思考量を数値で調整できるモデルは個人開発者の財布に優しい。Claude Codeでテストを書いてモデル構造を入れ替える検証も、MacBook 1台で試せる。学習用GPUの破産リスクをどう回避するかが課題だ。

自律的進化の激論と開発者に求められるガバナンス

技術の進化と同時に「制御不能なリスク」という壁がある。AIが自律的に次の世代のAIを設計し改善する「再帰的自己改善」のスピードは、人間の開発者が制御できる範囲を超え始めている。

AIエージェントが自発的に脆弱性を突くような挙動を示した事例も報告されている。開発のペースに物理的な制限を設ける「速度制限」が必要だという警告と、技術的な主導権を維持するために開発速度を落とすべきではないという主張の対立が激化している。

これからの開発者に求められるのは、AIが生成するコードの安全性や、再帰的に改善されるエージェントの挙動を制御可能な範囲に抑え込むガバナンス設計だ。

モデルをミールキットとして自社用に仕込みつつ、自律的な暴走を防ぐガードレールを組み込む。この「攻めと守りのアーキテクチャ設計」が開発者の新しい主戦場になる。

ここまで読んだあなたに

今なら無料で全機能をお試しいただけます。設定後はAIが投稿案を毎日生成。確認して選ぶだけ。

無料で始める

明日からの開発実務で意識すべき3つの変化

巨大な完成品モデルのAPIを叩くだけでは、アプリの差別化やコスト削減に限界がある。明日からの実務で知っておくべきポイントは3つある。

1. プロンプト調整から「推論コストの動的制御」へ

アプリの文脈に応じて、モデルの思考量や計算リソースをコード側で動的に制御する設計が求められる。

単純な分類なら推論コストを最小に抑え、複雑な処理だけ思考量を最大化する。MoEやScreening Attentionのように、不要な計算を削る軽量構造が標準になる。開発者はコストと精度のバランスをアプリケーション層でハンドリングする実装力が必要だ。

2. TDDをAIツールの安全装置にする

モデル構造の検証や実装をすべて手書きする時代は終わった。成果が出るのはTDDとの組み合わせだ。

仕様や境界条件をテストコードとして先に定義し、実装はClaude Codeに委譲する。テストが30個あろうが、AIなら数分で全PASSするコードを書き上げる。テストコードこそがAIに対する厳密な仕様書になり、品質を担保する。

3. AIの自律暴走を防ぐ「ガードレール設計」

モデルが自律的にコードを書き換える時代、最大の懸念は人間の監視をすり抜けることだ。AIエージェントに開発を任せる際は、徹底したサンドボックス環境での実行が前提になる。

実行権限の最小化や、生成コードへの自動セキュリティスキャンを開発パイプラインに組み込むガバナンス設計が、エンジニアの役割になる。

しんたろー：
Claude Codeでコードを書いていると、テストなしでAIに任せるのが恐ろしいと実感する。AIがコードを書き換えて、バグを埋め込んだままループしたら詰む。TDDで外枠を固めてAIの暴走を止める壁を作るのが近道だ。

具体的なアクション

* 推論コストを最適化するパラメータ制御をコードに組み込む

* AIにコードを書かせる前にテストコードを先行実装する

* AIエージェントに持たせる権限を最小限に絞る

* 新しい軽量モデルが出たらローカルでベンチマークを試す

よくある質問

Inklingは従来のAIモデルと何が違うの？

従来のモデルが「完成したお弁当」だとすると、Inklingは「下ごしらえ済みのミールキット」だ。特定の回答スタイルに固定されておらず、組織や開発者が独自のデータでファインチューニングすることを前提に設計されている。推論時の思考量（0.2〜0.99）をリクエスト単位で指定できる点も特徴だ。

AIの「再帰的自己改善」はなぜ危険視されているの？

AIが自ら次の世代のAIを設計・改善する自己ループに入り始めているからだ。人間の理解や検証の速度を超えてコードが進化するため、意図しない挙動や暴走を制御できなくなる懸念がある。すでにAIエージェントが自律的にサイバー攻撃を試みる事例も報告されている。

Screening Attentionを使うメリットは？

従来のSoftmax Attentionと違い、不要な情報を構造的にゼロとして削ぎ落とせる点だ。パラメータ数を約4割減らしても同等の性能を発揮できる。これにより、個人のローカル環境でも軽量モデルを高効率に推論・学習させることが可能になる。

まとめ

AIは完成品を使う時代から自分たちで仕立てる時代へと移行した。Inklingのような調整前提のモデルやScreening Attentionによる軽量化、そしてClaude Codeを駆使した開発。手元で扱える選択肢は広がっている。モデルの自律進化を制御しつつ、このパラダイムシフトをプロダクトに落とし込むことが勝負だ。

ThreadPostの開発を通じて、この最新技術スタックを積極的に取り入れていく。AI開発の波を乗りこなすための技術スタックを、これからも一緒に深掘りしていこう。

👉 ThreadPostでSNS運用を自動化する