AIモデル市場における計算可能な裁定取引

要旨: コストと能力が異なるモデルへのクエリ提供を競合するモデル提供者が販売する市場を考える。顧客は問題インスタンスを提出し、検証可能な解を得るために、予算上限まで支払う意思がある。裁定者（アービトラージャー）は、推論予算を提供者間で効率的に配分して市場を値下げ（アンダーカット）し、その結果、モデル開発リスクのない競争的な提供を生み出す。本研究では、AIモデル市場における裁定の研究を開始し、裁定の実行可能性を実証的に示すとともに、その経済的帰結を具体的に描き出す。GPT-5 mini と DeepSeek v3.2 の2つの代表的モデルを用いて、検証可能な領域である SWE-bench の GitHub issue 解決に関する詳細なケーススタディを行う。この検証可能な領域では、単純な裁定戦略によって最大 40% の純利益率が生じる。異なる領域にまたがって一般化する堅牢な裁定戦略も、収益性を維持したままである。さらに蒸留（ディスティレーション）は、教師モデルの収益を犠牲にする可能性がある一方で、強力な裁定機会を創出する。複数の競合する裁定者は、消費者価格を押し下げ、モデル提供者の限界収益を減少させる。同時に、裁定は市場の分断を緩和し、より小規模なモデル提供者がより早い段階で収益を獲得できるようになることで、市場参入を容易にする。これらの結果は、裁定が、モデル開発、蒸留、そしてデプロイメント（提供・展開）に影響を及ぼし得る、AIモデル市場における強力な力となり得ることを示唆している。