AI技術の進化は、サイバーセキュリティの領域において新たな局面を迎えました。
大手AI開発企業であるOpenAIとAnthropicが、それぞれ独自のセキュリティ特化型AIプラットフォームを発表し、市場の主導権を争っています。
特に注目すべきは、モデル自体の性能差が消失しつつあり、各社がどのような「アクセス権限」と「パートナーシップ」を構築するかに焦点が移っている点です。
本記事では、最新のベンチマーク結果と両社の戦略的な違いを詳細に分析します。
OpenAI「Daybreak」とAnthropic「Project Glasswing」の全貌
OpenAIは、最新のフラッグシップモデルであるGPT-5.5を基盤としたサイバーセキュリティ・イニシアチブ「Daybreak」をローンチしました。
このプロジェクトは、AIを活用した脆弱性診断やパッチ適用の自動化を目的とした包括的なフレームワークです。
一方、Anthropicは「Claude Mythos Preview」という強力なモデルを核に据えた業界コンソーシアム「Project Glasswing」を展開しています。
両プロジェクトは、マシン・スピードでの脆弱性特定と、攻撃者が悪用する前の迅速な防御を共通の目標として掲げています。
しかし、そのアプローチの根幹には、オープンな信頼構築と限定的なコンソーシアムという対照的な哲学が存在します。
拮抗するベンチマークスコアが示す「モデルの汎用化」
イギリスのAIセキュリティ研究所(AISI)が実施した最新の評価結果によれば、両社の最新モデルの性能は極めて近い数値を示しています。
エキスパートレベルのCapture The Flag(CTF)タスクにおいて、GPT-5.5は71.4%という高い平均合格率を記録しました。
対するAnthropicのMythos Previewは68.6%を達成しており、その差は統計的な誤差の範囲内に収まっています。
わずか半年前の時点では、いかなるモデルも完遂できなかった高度なシミュレーションを、両モデルともにクリアしています。 AISIは、サイバーセキュリティ能力が特定のモデル独自の機能ではなく、大規模言語モデルの一般的な自律性と推論能力の向上に伴う「副産物」になりつつあると指摘しています。
AISIによる主要モデルのサイバー能力比較
| モデル名 | エキスパートタスク合格率 | 高度シミュレーション成功数 (10回中) |
|---|---|---|
| OpenAI GPT-5.5 (Daybreak) | 71.4% | 2回 |
| Anthropic Mythos Preview | 68.6% | 3回 |
| OpenAI GPT-5.4 | 52.4% | 0回 |
| Anthropic Claude Opus 4.7 | 48.6% | 0回 |
「アクセス戦略」の分断：信頼の階層化 vs 閉鎖的コンソーシアム
モデルの性能が同等である今、真の差別化要因は「誰が、どのようにそのモデルを使えるか」というアクセスモデルに移っています。
OpenAIは、検証済みの防御者に対して段階的にアクセスを許可する「階層型信頼フレームワーク」を採用しました。
具体的には、標準的な安全策を備えたGPT-5.5から、認可されたレッドチーム専用の「GPT-5.5-Cyber」まで、用途に応じた3つのバリアントを提供しています。
この戦略は、信頼できる組織であれば広範囲に最新技術をスケールさせることを意図しています。
対照的に、Anthropicは極めて厳格な「ウォールド・ガーデン (閉鎖的な庭)」を構築する道を選びました。
Project Glasswingは、AWSやMicrosoft、Apple、Nvidiaといったわずか12社の主要パートナーと、約40の重要インフラ組織に限定されています。
Mythos Preview自体も一般公開される予定はなく、利用料は入力100万トークンあたり25ドル、出力100万トークンあたり125ドルと、極めて高価に設定されています。
Anthropicは、モデルを広く配布するリスクを最小限に抑えつつ、少数のパートナーと深く統合することに賭けているのです。
セキュリティベンダーが選んだ「二刀流」戦略の背景
今回の発表で最も注目に値するのは、パートナー企業の重複です。
Cisco、CrowdStrike、Palo Alto Networksの3社は、OpenAIとAnthropicの両方のプラットフォームに参加しています。 これらの主要セキュリティベンダーは、どちらか一方を選択するのではなく、両方のAIスタックを並行して運用する戦略を採っています。
セキュリティプラットフォームにおいて、どのモデルが覇権を握るかを予測することは極めて困難です。
そのため、特定のベンダーのロードマップや価格政策に依存しないよう、モデルに依存しない「モデル・アグノスティック」な層を構築することが不可欠となっています。
次世代の防御基盤を支える「AIハーネス」の重要性
モデルがコモディティ化する中で、真の付加価値はモデルを外部ツールやリポジトリと連携させる「ハーネス (制御基盤)」に移行しています。
OpenAIが提供するCodex Securityは、コードリポジトリのスコープ設定やパッチ生成、CI/CDパイプラインとの統合に特化したエージェント機能を備えています。
以下に、Codex Securityを利用した自動脆弱性スキャンの実装イメージを記述します。
import openai_daybreak
# Codex Securityエージェントの初期化
agent = openai_daybreak.SecurityAgent(
model="gpt-5.5-cyber",
harness="codex-security-v2",
permissions=["repo_read", "patch_write"]
)
# 特定のリポジトリにおける脆弱性の特定とパッチ生成の実行
def analyze_and_fix(repo_url):
print(f"Scanning repository: {repo_url}")
# 脆弱性の特定
vulns = agent.scan_vulnerabilities(repo_url)
for vuln in vulns:
if vuln.severity == "critical":
# 推奨される修正案の生成
patch = agent.generate_patch(vuln.id)
print(f"Critical vuln found: {vuln.description}")
print(f"Proposed patch generated for {vuln.file_path}")
# 認可された環境での検証
if agent.validate_patch(patch, sandbox="trusted-defender-node"):
print("Patch validated successfully.")
analyze_and_fix("https://github.com/example/secure-app")Scanning repository: https://github.com/example/secure-app
Critical vuln found: Remote Code Execution in user profile component
Proposed patch generated for src/auth/profile.js
Patch validated successfully.まとめ
OpenAIのDaybreakとAnthropicのProject Glasswingの競争は、AIモデル自体の性能を競う段階を終え、エコシステムと信頼構築の競争へと進化しました。
モデル性能が拮抗している現状では、企業の選択基準は「どちらのモデルが賢いか」ではなく、「どちらのプラットフォームが自社の運用フローに適しており、信頼できるパートナーシップを提供しているか」にシフトしています。
特に、CiscoやCrowdStrikeといった主要ベンダーが両社のスタックを採用している事実は、AIが交換可能な「エンジン」となり、その周りの「車体」であるアクセス管理や統合環境こそが製品の本質であることを示唆しています。
開発者やセキュリティ担当者は、モデルの入れ替えが容易なアーキテクチャを設計しつつ、各社が提供する独自の防御ワークフローを最大限に活用する柔軟性が求められるでしょう。
今後、Googleやオープンソース陣営がこの競争にどのように参入してくるかによって、サイバーセキュリティAIの標準化はさらに加速していくと考えられます。