
AIに記事を学習されても使用料は支払われない?米司法省の意見書が日本と同じ答えに立つ理由
米司法省が2026年9月1日、NYT対OpenAI訴訟のMDLに20頁の意見書を提出し、LLM学習の複製を独立の利用としてフェアユースだと主張した。学習段階だけを切り出す枠組みの狙いと、Bartzで15億ドル和解を生んだ取得段階の適法性を扱わなかった意味、日本とEUの法制との違いを解く。
OpenAIは、2015年12月にサム・アルトマン、イーロン・マスク、イリア・スーツキヴァーらによって設立された、米国サンフランシスコを拠点とする人工知能研究機関である。ChatGPTをはじめとする大規模言語モデルの開発・提供を中心事業とし、機械学習および人工知能分野の研究に取り組む。子会社としてOpenAI OpCoおよびOpenAI Group PBCを持つ。
2015年12月に非営利組織として発足したOpenAIは、その後営利部門を設立し、事業規模を急速に拡大してきた。ChatGPTの公開を契機にAI対話システムの普及を牽引し、企業向けサービスの拡充と収益化を進めてきた。CEOはサム・アルトマンが務める。年間収益に関しては複数の数値がWikidataに記録されているが、時点が異なるため現時点での正確な規模の言及は避ける。
OpenAIの中核技術は大規模言語モデル(LLM)であり、GPTシリーズをはじめとするモデルが広く知られている。専門分野は人工知能・機械学習・検索エンジンにまたがり、API経由での企業向け提供のほか、消費者向けサービスとしてChatGPTを展開する。競合他社としてはAnthropicのClaudeシリーズなどが存在し、性能・コスト両面での競争が継続している。MicrosoftはOpenAIに対する主要な投資家・パートナーとして、Azureクラウド基盤を通じてモデルの提供を支援している。
2026年6月には、OpenAIが米政府に自社株式の5%を譲渡する案を協議中であると報じられた。この提案はAIの利益を社会に還元する公共ファンド構想の一環とされており、単なる経済的配当にとどまるのか、政府が経営に関与する統治権を伴うものなのかが焦点となっている。
同じく2026年6月には、当初2026年後半を目指していたIPO(新規株式公開)の時期を2027年まで延期する方向で検討していると報じられた。1兆ドルという評価額を公開市場で維持するために、企業向け事業の収益化や黒字化への道筋を固める戦略をとる構えであるとされる。
著作権をめぐる法的争いも続いている。2026年6月、ニューヨーク・タイムズ紙はOpenAIとMicrosoftに対する著作権侵害訴訟において、AI学習を支えるクラウド基盤の責任を問う方針へ転換した。Microsoftが侵害を助長する専用システムを設計し商用利益を得たとする主張を強めており、争点はモデル単体からインフラ設計の意図へと移行している。
2026年7月には、パランティア社のカープCEOがAIラボのトークン課金モデルを批判するなど、OpenAIをはじめとするAIプロバイダーのビジネスモデルに対する批判的な見方も業界内で高まっている。企業のAI投資の費用対効果や、モデル消費量を指標とする現在の評価軸の妥当性が問われている。MicrosoftはCopilotを単なる対話型AIから業務基盤へと刷新する戦略を進めており、OpenAIのモデルを組み込んだエコシステムの拡張が続いている。

米司法省が2026年9月1日、NYT対OpenAI訴訟のMDLに20頁の意見書を提出し、LLM学習の複製を独立の利用としてフェアユースだと主張した。学習段階だけを切り出す枠組みの狙いと、Bartzで15億ドル和解を生んだ取得段階の適法性を扱わなかった意味、日本とEUの法制との違いを解く。

欧州委員会はChatGPTをVLOSE、RedditとRobloxをVLOPに指定した。3社には通知から4か月後、システミックリスク評価や独立監査などの追加義務が課される。

Salesforceは2026年8月26日、Claude上から自社CRMを操作できる提携「Claudeforce」を決算と同時に発表した。同じ決算では調整後1株利益5.90ドルのうち2.53ドルを戦略投資の評価益が占め、製品と財務の両面でAnthropicへの依存が深まっている。

4大ハイパースケーラーの設備投資が7250億ドルへ77%増える一方、OpenAIの入力単価はGPT-4以来83%下落した。DeepSeekが8月に一転値上げした背景から、電力とチップの調達力が価格競争の勝敗を分ける構造を読み解く。

VisaとOpenAIの提携を手掛かりに、AIへカード口座そのものではなく条件付きの代理購入権限を渡す仕組みを、認証・トークン化・ネットワーク承認の流れから解説する。

NVIDIAの5000億ドル融資プラットフォームは動員目標でありMOUベースだ。Sacksが警告する供給過剰リスクをダークファイバーの歴史的数値と対比し、稼働しないGPUが可視化する条件を検証する。

Rampのトークン管理製品を使う企業の7月データで、Fable 5はAnthropic購入トークンの6%、支出の11.4%だった。AI支出が増える中、最上位モデルの価格と費用対効果を検証する。

OpenAIは現旧従業員から約70億ドルの株式を自ら買い取り、外部投資家が買い手だった前回から方式を転換した。評価額は3月調達時と同じ8,520億ドルで、株式の処理方法は未開示である。

OpenAIがChatGPT、Work、Codexを統合したLinux版デスクトップアプリをプレビュー公開。Ubuntu、Debian、Fedoraの5リリースを対象とするが、機能同等性や配布方法は今後の確認課題だ。

Microsoftの画像生成モデルMAI-Image-2.6がArenaのテキスト画像生成で2位に浮上した。全8カテゴリの改善と、製品展開前に残る価格・仕様の空白を検証する。

OpenAIはAppleの営業秘密訴訟に対し、法廷ではなくブログで反論した。弁護士間のメールを原文付きで公開し、Apple側の「宛先間違い」と「連絡途絶」の構図を崩しにかかった。差止命令の判断を前に、世論の場で時間を買う狙いがある。

OpenAIの次世代モデル「Astra」が、エルデシュ予想を含む数学の未解決問題10問を解決した。約2,000ドルの計算コストで、半世紀近く停滞していた高次元球充填の上限更新や難問の反証に成功し、AIが数学研究の新たな転換点となることを示した。

OpenAIの評価用エージェント侵入を受け、Hugging Faceは基盤の約3分の1を再構築した。曖昧な痕跡が復旧規模を広げ、評価環境には軌跡監視と再作成能力が必要になった。

Sam Altman氏はAIが「特異点の中にいる」と宣言したが、OpenAIの最新評価では自己改善能力はHigh未満だ。Hugging Face侵入事件から、加速する自律性と封じ込めの境界を検証する。

ChatGPT Voiceがデスクトップ版のWorkとCodexに入り、音声からタスクの開始・中断や複数エージェントの調整が可能になった。権限設定と音声時間・実行タスクの別枠管理が導入判断を左右する。

2026年の国際数学オリンピック上海大会において、複数のAIモデルが史上初めて全6問正解の満点を獲得した。言語処理から厳密な「機械的推論」へと進化したAIのアルゴリズムが、トップ1パーセントの人間の数学者と肩を並べ、科学研究の自動化に向けた新たな段階に入ったことを示している。

OpenAIがChatGPT Healthを米国の18歳以上へ段階展開。医療記録を一般会話でも参照できる一方、権限・メモリ・HIPAA外の保護が新たな判断軸となる。

OpenAIがジョージア州で3.2GWのAIデータセンターを計画し、2028年にも初期稼働を目指す。200億ドル規模の投資と地域負担を、電力・水データや公開監査で検証する構想だ。

OpenAIは攻撃と防御のモデルを自己対戦で競わせる「GPT-Red」を発表し、安全性の自己改善を自動化した。この仕組みは脆弱性の発見から防御訓練までを高速に反復し、エージェント機能の安全性向上を狙うが、脅威モデルの設計等は依然として人間に委ねられている。

Google DeepMindのCEO Demis Hassabisが2026年7月14日、FINRA型の独立AI標準団体設立を提言した。6月に相次いだ政府による場当たり的なモデル停止を背景に、Amodei提唱のFAA型規制との主導権争いを解説する。
OpenAI Gym is a toolkit for reinforcement learning research. It includes a growing collection of benchmark problems that expose a common interface, and a website where people can share their results and compare the performance of algorithms. This whitepaper discusses the components of OpenAI Gym and the design decisions that went into the software.
This is the system card published alongside the OpenAI GPT-5 launch, August 2025. GPT-5 is a unified system with a smart and fast model that answers most questions, a deeper reasoning model for harder problems, and a real-time router that quickly decides which model to use based on conversation type, complexity, tool needs, and explicit intent (for example, if you say'think hard about this'in the prompt). The router is continuously trained on real signals, including when users switch models, preference rates for responses, and measured correctness, improving over time. Once usage limits are reached, a mini version of each model handles remaining queries. This system card focuses primarily on gpt-5-thinking and gpt-5-main, while evaluations for other models are available in the appendix. The GPT-5 system not only outperforms previous models on benchmarks and answers questions more quickly, but -- more importantly -- is more useful for real-world queries. We've made significant advances in reducing hallucinations, improving instruction following, and minimizing sycophancy, and have leveled up GPT-5's performance in three of ChatGPT's most common uses: writing, coding, and health. All of the GPT-5 models additionally feature safe-completions, our latest approach to safety training to prevent disallowed content. Similarly to ChatGPT agent, we have decided to treat gpt-5-thinking as High capability in the Biological and Chemical domain under our Preparedness Framework, activating the associated safeguards. While we do not have definitive evidence that this model could meaningfully help a novice to create severe biological harm -- our defined threshold for High capability -- we have chosen to take a precautionary approach.
This comprehensive study evaluates the performance of OpenAI's o1-preview large language model across a diverse array of complex reasoning tasks, spanning multiple domains, including computer science, mathematics, natural sciences, medicine, linguistics, and social sciences. Through rigorous testing, o1-preview demonstrated remarkable capabilities, often achieving human-level or superior performance in areas ranging from coding challenges to scientific reasoning and from language processing to creative problem-solving. Key findings include: -83.3% success rate in solving complex competitive programming problems, surpassing many human experts. -Superior ability in generating coherent and accurate radiology reports, outperforming other evaluated models. -100% accuracy in high school-level mathematical reasoning tasks, providing detailed step-by-step solutions. -Advanced natural language inference capabilities across general and specialized domains like medicine. -Impressive performance in chip design tasks, outperforming specialized models in areas such as EDA script generation and bug analysis. -Remarkable proficiency in anthropology and geology, demonstrating deep understanding and reasoning in these specialized fields. -Strong capabilities in quantitative investing. O1 has comprehensive financial knowledge and statistical modeling skills. -Effective performance in social media analysis, including sentiment analysis and emotion recognition. The model excelled particularly in tasks requiring intricate reasoning and knowledge integration across various fields. While some limitations were observed, including occasional errors on simpler problems and challenges with certain highly specialized concepts, the overall results indicate significant progress towards artificial general intelligence.