Frontier AI Models

フロンティアAIモデルとは、ある時点で最も高い能力を持つ汎用AIモデルです。通常は大規模なマルチモーダル基盤モデルで、言語、コーディング、推論、画像理解のすべてにおいて、他のシステムと同等以上の性能を発揮します。フロンティアは常に動く境界です。2年前にフロンティアを定義したモデルも、より小規模で低コストの後継モデルに日常的に上回られます。この用語が政策に登場したのは2023年です。同年11月のAI Safety Summitに向けて、英国政府はフロンティアAIを、多種多様なタスクをこなし、当時の最先端モデルの能力に匹敵するか、それを上回る高性能な汎用AIモデルと定義しました。同年にAnthropic、Google、Microsoft、OpenAIが設立し、その後AmazonとMetaも参加した業界団体Frontier Model Forumは、少なくとも1年間広くデプロイされているすべてのモデルを上回る汎用モデルを、フロンティアモデルとみなしています。

モデルがフロンティアに位置付けられる条件#

フロンティアモデルであることを示す単一のスコアはありません。フロンティアモデルは、同世代の中で最大級の計算資源を使い、何万台ものアクセラレーターで学習されます。スケーリング則のもとで、能力は計算量、データ、パラメーター数と密接に連動してきたためです。狭い範囲のモデルでは完了できない、複数ステップにわたるツール利用や長時間のAIエージェントタスクなど、多くの領域で高い性能を発揮します。また、以前のシステムを上回るように設計されたベンチマークでも最高スコアを記録します。たとえば、大学院レベルの科学問題を扱うGPQAや、専門家が作成した問題を扱うHumanity's Last Examが該当します。

モデルの能力にはばらつきがあります。研究レベルの数学問題を解く同じモデルが、画像内の物体を数え間違えたり、簡単な空間パズルに失敗したりすることがあります。このパターンはギザギザした知能として知られています。そのため、ベンチマークでの優位性は、特定のタスクにおける信頼性をほとんど示しません。

実用システムにおけるフロンティアモデル#

最先端の能力には、レイテンシ、価格、ハードウェアのコストが伴います。最先端モデルはリモートのデータセンターで動作し、応答ごとに数秒かかるため、多くのリアルタイムやエッジAIのワークロードには適しません。そのため、本番システムでは、自由形式の推論には最先端モデルを使い、反復的な処理には高速な小型の特化モデルを組み合わせる、いわゆる複合AIシステムのパターンを採用するか、モデルルーティングを使って各リクエストを処理可能な最も低コストのモデルに送ります。また、最先端モデルを教師として利用し、ラベルや学習例を生成して、知識蒸留によってコンパクトなモデルに圧縮するチームもあります。Ultralytics Platformでは、クラスプロンプト型のスマートアノテーションを使い、ワークスペース独自のプロバイダーキーで、OpenAI、Anthropic、Googleなどのプロバイダーが提供する有料のビジョンモデルにデータセット画像を送信し、検出結果を編集可能なボックスとして追加します。これにより、最先端モデルで物体検出データセットにラベルを付け、そのデータセットでコンパクトなYOLO26モデルを学習できます。VLM Leaderboardでは、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argonなどのモデルが、より小型のオープンモデルと比べて、実世界の検出データセットにどれほど正確にラベルを付けるかを比較します。

テストと安全対策#

主要な開発者は、AnthropicのResponsible Scaling Policy、OpenAIのPreparedness Framework、Google DeepMindのFrontier Safety Frameworkなどの安全性フレームワークを公開しています。各フレームワークでは、新しいモデルに危険な能力がないかをテストすることを約束しています。対象には、生物兵器や攻撃的なサイバー作戦への実質的な支援や、AI研究を自動化する能力が含まれます。また、定義済みのしきい値をモデルが超えた場合は、セーフガードの追加やリリースの延期を約束しています。テストでは、自動評価に加え、社内チーム、外部の専門家、英国のAI Security Instituteや米国のCenter for AI Standards and Innovation（CAISI）などの政府機関によるAIレッドチーミングを行います。こうした機関は、リリース前にフロンティアモデルを評価することがよくあります。評価担当者は、モデルが能力テストで意図的に低い性能を示すサンドバッギングも調べます。開発者は結果をモデルカードやシステムカードで報告します。

法律におけるフロンティアの定義#

能力を法律に明記するのは難しいため、AIガバナンスの制度ではトレーニング時の計算量を代理指標として使用します。EU AI法では、トレーニングに10²⁵を超える浮動小数点演算を使用した場合、汎用AIモデルはシステミックリスクを有すると推定されます。また、欧州委員会は能力と影響範囲に基づき、この基準を下回るモデルも指定できます。これらのモデルのプロバイダーは、敵対的テストを含む評価、システミックリスクの評価と軽減、重大インシデントの報告、モデルのサイバーセキュリティ保護を行う必要があります。義務は2025年8月2日から適用されており、2026年8月2日以降、欧州委員会は全世界の年間売上高の3%または1,500万ユーロのいずれか高い方を上限とする罰金を科して執行できます。

カリフォルニア州のFrontier Artificial Intelligence Act（SB 53）は2026年1月1日に施行され、後続のファインチューニングや強化学習も含め、10²⁶を超える演算を使用してトレーニングされたモデルをフロンティアモデルと定義しています。年間売上高が5億ドルを超える大規模フロンティア開発者には、フロンティアAIの枠組みの公開を義務付け、フロンティア開発者には重大な安全インシデントを州の緊急サービス局に15日以内に報告するよう義務付けています。アルゴリズムやハードウェアの進歩により、より小規模なトレーニングでも以前のフロンティア能力に到達できるため、計算量のしきい値は大まかな指標にすぎず、両法とも定義の見直しを規定しています。ニューヨーク州のRAISE Actは、2026年3月に改正され、5億ドルの売上高要件を含む大規模フロンティア開発者の定義がSB 53に合わせられました。同法は2027年1月1日に施行され、開発者は重大な安全インシデントを72時間以内に報告する必要があります。