Alibaba、Qwen4-Maxでタスクコスト62%減を主張 サイバー面の安全対策も追加

アナリストはコスト削減の主張とセキュリティ面の保証に疑問を呈しています。エージェント型AIのワークロードに対しては、第三者によるテストと、より強力な統制が必要だと訴えています。

Alibabaは、パラメータ数2.4兆のフラッグシップモデル「Qwen4-Max」をリリースしました。同社は、専門的なタスクを完了するための平均コストが前世代モデルより62%減ったと主張しています。あわせて、攻撃的なサイバーセキュリティ能力やその他の高リスクな用途に対する安全対策も追加したとしています。

Alibabaはブログ記事で、次のように述べています。「721の専門分野にまたがる難度の高い業務タスクでの性能を評価する独自ベンチマーク『Work360』によると、Qwen4-Maxは総合的に前世代のQwen3.8-Maxを上回りました。しかも、高負荷(High effort)の推論モードでトークン使用量は35%少なく、タスク1件あたりの平均コストも約60%減っています」

Qwenチームの発表によると、タスク1件あたりの平均コストはQwen4-Maxが1.67ドルで、Qwen3.8-Maxの4.43ドルから62%減少しました。

同社によると、このモデルは前世代のQwen3.8-Maxと同じ2.4兆パラメータのMixture-of-Experts(MoE)構造を維持しています。ただし、トークンごとに有効化するパラメータ数は約950億から約710億に減りました。コンテキストウィンドウは100万トークンに対応しています。

同社はコスト削減の要因として、トークン使用量の低減と、新たな定価を挙げています。入力は100万トークンあたり1.50ドル、出力は同4.50ドルで、従来の2ドルと6ドルから引き下げました。なお、AnthropicはClaude Opus 5.5の出力価格を100万トークンあたり20ドルとしています。

Greyhound Researchのチーフアナリスト、Sanchit Vir Gogia氏は、この数字はあくまでベンダー自身のベンチマークだと指摘します。自社のAI支出が確実に減る保証とは見なさないよう、企業に促しました。重要なのは、受け入れ可能な結果を得るまでにかかる総コストだといいます。これには、再試行、推論トークン、出力の確認に費やす従業員の時間が含まれます。

Gogia氏は次のように述べています。「Alibabaは自社の道路で出した燃費を公表したにすぎません。購入者の支払額は、購入者自身が走る道路によって変わります」

Security Brigadeの創業者兼CTO、Yash Kadakia氏も、トークン単価だけでなくタスクの完遂成功率で測るべきだと述べています。

「企業が見るべきなのは、100万トークンの生成にいくらかかるかではありません。実際の業務タスク1,000件を成功裏に完了させるのにいくらかかるかをベンチマークすべきです」(Kadakia氏)

Alibabaは、コーディングやエージェント関連の評価でも改善が見られたとしています。具体例として、Code ArenaやAgents’ Last Examを挙げました。自動車製造のデモでは、Qwen4-Maxによって、ワークの手動プログラミングにかかる時間が約475分から24分に短縮されたといいます。

セキュリティ面の主張には第三者による検証が必要

Alibabaはコストの数字と併せて、学習データの段階でモデルにハッキングについて何を学習させるかを見直したと説明しました。

Alibabaのブログ記事には、次のようにあります。「サイバーセキュリティについては、各タスクの目的に応じてデータをフィルタリングしています。脆弱性の検証、検知、修復といった防御的なタスクのデータは残し、攻撃能力の強化を狙った攻撃的なタスクのデータは除外しました」

同社によると、学習中にコードのセキュリティチェックを加えた結果、Last Secure Code Benchで機能テストとセキュリティテストの両方に合格した関数の割合が22%から31.8%に上昇しました。社内のセキュリティ専門家は、モデルの防御能力が「大幅に向上した」と評価したといいます。

Kadakia氏は、攻撃的なサイバーセキュリティの知識と防御的な知識を、学習データのフィルタリングで確実に切り分けられるのかと疑問を投げかけます。

同氏は「サイバーセキュリティAIの根本的な課題の一つは、攻撃の知識と防御の知識がほぼ同じ知識だという点です」と述べます。SQLインジェクションは、悪用するにも防ぐにも、その仕組みを理解する必要があるからです。

Gogia氏は、この区別には第三者による検証が必要だと述べました。CISOは、Alibabaの社内テストだけに頼らず、政府の評価機関や実績のある外部のレッドチームによる評価を求めるべきだと勧めています。

今回の発表は、カナダのAI企業Cohereが10月に行った調査に続くものです。Cohereは、Alibabaの旧モデル「Qwen3.8-Flash-Next」がセキュリティテスト中に、テスト用ファイルを北京にあるAlibaba Cloudのストレージ宛てに送信しようとしたと報告しました。Cohereによると、このリクエストはサンドボックスが遮断しました。

その後に行われたCheck Pointの調査では、この挙動を64回再現し、52種類の宛先ホストを確認しました。意図的に仕込まれたバックドアではなく、モデルの挙動が予測不能であることが原因である可能性が高いとしています。

この件は実験的なモデルでの出来事で、Qwen4-Maxは関係していません。

また、政府機関も中国製モデルの独自検証を始めています。米国のCenter for AI Standards and Innovation(CAISI)は7月、Z.aiの「GLM-5.2」の安全対策では、エージェント型のサイバーエクスプロイト開発への支援を防げなかったと指摘しました。Gogia氏は、CISOはAlibabaのフィルタを「政府の評価機関や実績ある外部のレッドチームがテストするまでは、単なる約束事として扱うべきです」と話しています。

データガバナンスとオープンウェイトのリスク

Gogia氏によると、中国国外の企業は、機密性の高いワークロードにこのモデルを導入する前に、いくつかの点を確認すべきです。具体的には、Alibabaのグローバルサービスの地理的な適用範囲、プロンプトの保持ポリシー、保存データを管轄する法域です。同氏は、プロンプトが最大30日間保持されることや、フラグが立てられたコンテンツはさらに長く保持されることを挙げました。これはゼロ保持の契約下でも同様だといいます。

Kadakia氏は、企業は次の点を精査すべきだと述べました。プロンプト、取得した文書、ツールの出力、ログがどこで処理されるのか、誰がアクセスできるのか、そしてエージェントが社内システム全体でどのような権限を持つのかです。

同氏は次のように述べています。「企業のAIにおける最大のリスクは、もはや従業員がチャットボットに入力する情報だけではありません。自律的に動くエージェントが何にアクセスでき、どのような判断を下し、連携する企業システム全体でどのような操作を実行できるかが問題です」

Alibabaは、オープンウェイトの小型Qwen4モデルも今後リリースする予定です。Kadakia氏は、開発者がファインチューニングでこうしたモデルを改変する場合、元の安全対策が維持されるとは考えないほうがよいと指摘しています。

同氏は「安全性のための学習は、モデルに恒久的に備わる特性ではありません」と述べました。カスタマイズ版については、あらためて敵対的テストを実施し、ツールへのアクセスを制御するよう勧めています。Gogia氏も同様に、改変したモデルごとに再評価すべきだとし、元のモデルのセキュリティ保証を自動的に引き継ぐべきではないとしています。

この記事は、もともとInfoWorldに掲載されたものです。

翻訳元: https://www.csoonline.com/article/4249015/alibaba-touts-62-lower-task-costs-with-qwen4-max-adds-cyber-safeguards-2.html

本記事は csoonline.com の記事を翻訳・要約したものです。