記憶はモデルの仕事ではない

文章を書く人工知能のことを、大規模言語モデルという。英語で large language model、その頭文字をとって LLM とも書く。オープンAIの GPT、グーグルの Gemini、アンソロピックの Claude が、それにあたる。以下ではモデルと呼ぶ。

このモデルは、何も覚えていない。覚えているように見えるのは、外側が毎回詰め直しているからである。

そもそも、モデルはそれだけでは使えない。文字列を渡すと文字列が返る、という部品でしかないからである。人が使える形にするには、周りにプログラムが要る。画面を出す。打った文を受け取る。会話の履歴をためておく。毎回、何をモデルに渡すかを決める。検索やファイル操作の道具を繋いで、モデルの求めに応じて実行する。

この外回りのプログラムのことを、ハーネスという。もとは馬具のことで、馬そのものではなく、馬の力を取り出すために付ける道具を指す。

いちばん身近な例が ChatGPT である。GPT がモデルで、ChatGPT はその外回りの方だ。名前が似ているので同じものに見えるが、層が違う。プログラムを書かせる道具でいえば、Claude Code や Cursor がそれにあたる。呼んでいるモデルが同じでも、外回りが違えば別の道具になる。

ハーネスがやっていること

ハーネスの仕事を並べると、こうなる。

何を窓に入れるかを決める。溢れたら何を捨てるかを決める。道具の一覧を渡して、モデルが出した「この道具を使え」という文字列を受け取り、実際に実行する。結果を文字列にして送り返す。次の呼び出しの束を組み直す。過去の記録から、いま関係のありそうなものを引っ張ってきて混ぜる。

つまり、記憶と呼ばれているものは、全部この側にある。

ここが分かると、評価の軸が変わる。物覚えが悪い、前に言ったことを守らない、長い作業で迷子になる。こういう不満は、モデルの賢さの話に見えて、実際にはハーネスの設計の話であることが多い。同じモデルでも、外側が違えば挙動が変わる。

モデルが下で、ハーネスが上にある

面白いのは、この二層の関係が、慣れた形と逆向きに見えることだ。

スマートフォンでいえば、下にハードウェアがあって、上にOSが乗る。ハードは取り替えがきかないが、OSは載せ替えられる。だから力関係は下が強い、という感覚がある。

人工知能では、置き方が逆になっている。土台にあるのはモデルの方で、それを包むハーネスが外側にいる。そして、使い勝手を決めているのは外側である。

そう見ると、大きな会社がモデルとハーネスの両方を自前で持ちたがるのも分かる。片方だけでは、体験が決まらないからだ。

そして、モデルには、それに合ったハーネスが必ず存在する。癖も、窓の広さも、道具の使い方の上手さもモデルごとに違うので、噛み合わせが効く。

個人が作った枠が、二百万人に使われている

オープンクローという枠がある。モデルに自分の仕事を任せるための道具立てで、中身が全部公開されていて、誰でも読めるし、直して使ってよい。そういう配り方をオープンソースという。

ペーター・シュタインベルガーという人が、個人で作った。以前は書類を扱うソフトの部品を長く作っていた人で、それを手放したあと、自分の身の回りを整理するために人工知能の道具をいじっていて、その流れで出てきたものだという。

二〇二六年四月の時点で、GitHub での星が三十万を超えた。GitHub はプログラムを置いて公開する場所で、星は、それを見た人が付ける印である。使っている人は週に二百万人いる。二〇二六年二月、オープンAIがこの人を雇い入れた。枠そのものは、財団の下でオープンソースのまま続くことになっている。

大きな会社がモデルを競って作っている横で、一人が作った外側の枠に、それだけの人が集まった。そして、その一人を、モデルを作っている側が迎えに行った。

見るべきは、外側である

囲い込みが効く場所が、モデルからハーネスへ移りつつあるように見える。

モデルの性能は、追いつかれる。数か月で並ばれるし、値段も下がる。だが、外側の道具立ては、人の作業のやり方そのものに食い込む。一度そこで仕事が回るようになったものは、簡単には取り替えられない。

だから、モデルの点数を比べる前に、ハーネスを見る。何を窓に入れるのか。溢れたら何を捨てるのか。過去をどう引っ張ってくるのか。道具に何を許すのか。

そこが、使いこなせるかどうかの分かれ目になっている。