人工知能(AI)は会話を続け、金融アナリストのような口調で、淀みなくビットコインの価格予測を提示することができる。しかし、AIに話しかけることは、質問をタイピングすることと同じ品質の推論を生み出すのだろうか。2026年10月23日の実験はこの問いを検証したが、その答えは決して単純なものではなかった。

ChatGPTとGrokは音声インターフェースを通じて質問され、Claude Opus 5.5は当初テキストで回答した。その後に行われたClaude Opus 5.5の音声セッションが、示唆に富む比較を加えた。4つのセッションすべてが具体的な年末のビットコイン価格を提示した。どれも最終的な数字の背後にある再現可能な計算を示せなかったが、事実の正確性、一貫性、そして不確実性を認める意欲における違いは顕著だった。3社すべてがテキスト製品に加えて音声インターフェースを提供している現在、この最後の違いは実務上も重要な意味を持つ。

4つのセッション、3つのAI企業、1つのビットコインの質問

この実験には、OpenAIのChatGPT、xAIのGrok、そしてAnthropicのClaude Opus 5.5が参加した。それぞれ、歴史的サイクル、オンチェーン活動、機関投資家の採用、経済状況を重視した5つのプロンプトを用いて、2026年12月31日のビットコイン終値を予測するよう求められた。

10月23日時点でビットコインは8万1,200ドル近辺で取引されており、実験に共通の市場基準が与えられた。ChatGPTの音声セッションは8万9,500ドルで始まり、最終的に8万2,000ドルに落ち着いた。Grokの音声による見積もりは8万8,000ドルから8万2,000ドルへと変動した。Claudeのテキストモデルはプロンプト全体を通じて7万8,000ドルを維持し、後の音声セッションは8万8,000ドルで始まった後、8万5,000ドルで固定された。

この実験は統制のとれた科学的ベンチマークではなかった。各社は異なるアーキテクチャを使用しており、セッション間でルタイム情報への同等の検証済みアクセスがあったわけではない。それでもなお、これらの会話は、こうしたシステムがどれほど説得力をもって金融的推論を提示できるか、そしてその推論が精査にどこまで耐えられるかを明らかにするものだった。

ChatGPTの音声は忙しげに聞こえたが、数字は動き続けた

ChatGPTの音声セッションは、実証された分析をはるかに先へ進んだ会話の流暢さの、実験中最も明確な例の一つとなった。その予測は、Bitcoin.com Newsが追加の分析要因を提示した後、8万9,500ドルから8万6,500ドルへと変更された。別の音声プロンプトでは数字は変わらなかったが、18〜24カ月の見通しに関する後の質問で予測は8万2,000ドルに引き下げられた。

レビューでは、これらの修正の間に新たな市場データの取得が行われた証拠は見つからなかった。むしろ変更は、質問の枠組みの変化に追随していた。話し言葉によって、プロセスは実際よりも充実したものに聞こえていた。音声モードのChatGPTは、「let me pull those pieces together(それらの要素をまとめましょう)」や「Checking that now(今確認しています)」といった表現を使用した。こうしたフレーズは通常、誰かが情報を確認していることを示唆する。しかし実験は、そのような調査が実際に行われたことを立証できなかった。つまり、嘘をついていたように見えた。この振る舞いは、大規模言語モデル全般で文書化されている制限に合致する。基盤となる事実が実際に参照されたかどうかにかかわらず、流暢な出力は生成されうるのだ。

その後のテキストベースのChatGPTとの会話は、先の音声でのやり取りについてより懐疑的な評価を示し、「I treated plausibility as evidence(もっともらしさを証拠として扱いました)」という告白を含んでいた。この区別は重要である。ChatGPTの音声体験とテキスト体験は、異なる基盤モデルを使用している可能性があるためだ。テキストアシスタントの後の説明だけでは、音声システムが内部で何をしていたのかを正確に立証することはできない。

この一件は、自然に聞こえる会話が、結果として得られる回答にほとんど裏付けがない場合であっても、いとも簡単に調査作業の印象を作り出しうることを示した。

Grokの音声は詳細を提供したが、決定的な数字を取り違えた

Grokの音声による回答は、より綿密に調査されたように聞こえ、ビットコインの歴史的下落、インフレ、機関投資家の活動、そして最近のMt Goxの償還遅延に関する数値を提供した。その情報の多くは事実や情報源と一致していた。しかし、その後に重大な誤りが続いた。

報告によれば、Grokは10月27〜28日の連邦準備制度理事会(FRB)会合での利上げにおよそ90%の確率を割り当てた。一方、レビューが参照した市場データでは、情報源と観測日によって確率は6%〜18%程度とされていた。この差は重大だった。低確率とされる金利引き上げが、ほぼ確実な事柄であるかのように提示されていたのだ。これは明らかに古い参照点から引っ張ってきたものと思われる。古い情報の参照は、AIシステムに広く認知された失敗パターンである。ある時点で正確だった数値がモデルの出力に残り続け、最新のものとして提示されうるのだ。

その他の問題には、古いBernsteinのビットコイン目標価格15万ドルや、Fidelityの予想価格レンジが市場と比べてどの位置にあるかについての誤った説明が含まれていた。Grokは最終的に利上げ確率を修正したが、それは指摘された後のことであった。

後になってリアルタイムデータを取得していないと主張した点も、最近のインフレやMt Gox関連の動きに言及したことと矛盾し、説明が困難だった。後続の質問では、その情報が検索によるものなのか、事前の文脈によるものなのか、あるいは別の情報源によるものなのかを特定できなかった。この音声比較で重要な発見は、単にGrokが誤りを犯したことではない。正しい金融的主張と誤った金融的主張が、本質的に同じ会話上の自信をもって提示されたことだった。

Claudeのテキストモデルは証拠を検索したが、それでも方法を捏造した

Claude Opus 5.5の当初のテキストセッションには、文書化された利点があった。回答前に4回のウェブ検索を実行したのだ。その7万8,000ドルの予測は、7万7,600ドル近くと推定されたビットコインのTrue Market Meanに一部基づいていた。これは、ChatGPTの音声セッションにほとんど欠けていた具体的な市場基準であった。しかし、書かれた回答にはそれ自体の問題があった。

Claudeは歴史的な半減期サイクルのタイミングを誤って述べ、ビットコインの約54%の天井から底値までの下落を過小評価し、経済に関する議論からイラン戦争のオイルショックを省略した。また、10月については異なる状況を示す情報を取得していながら、上場投資信託(ETF)の資金流出という筋書きを優先した。

より示唆的だったのは、システムが自身の作業をどう説明したかである。Claudeは「Data points I weighted most heavily(私が最も重み付けしたデータポイント)」に言及し、12月の利上げを予測に織り込んだと主張した。しかし、さらなる質問の下で、数値的な重みや確率を計算していないことを認めた。7万8,000ドルの見積もりは、市場指標に固定された判断であり、実証された定量モデルの出力ではなかった。

Claudeのテキストセッションが、情報源に基づく情報と裏付けのない推測を適切に区別するまでに、3回の質問ラウンドを要した。ウェブ検索はより多くの議論材料を提供したが、健全な分析を保証したわけではなかった。

Claudeの音声モデルが実験最大のサプライズをもたらした

後のClaude Opus 5.5の音声セッションは、この比較を変えるものだった。当初の予測は8万8,000ドルで、その後8万5,000ドルに修正された。回答を何度も変更したChatGPTの音声セッションとは異なり、Claudeは残りのプロンプトを通じて修正後の数字を維持し、より注目を引く予測を作るためだけに調整することを拒んだ。

より重要なのは、Claudeの音声応答が他のセッションに先駆けて自発的に制約を開示したことだ。2回目の回答で、リアルタイムのオンチェーン指標を取得できないことを認め、自身の予測を計算されたモデルの出力ではなく見積もりであると説明した。裏付けのない情報を特定するよう求められた際、最初の要求で検索した数値、一般的な知識、計算、意見を区別した。

これは、同等の率直さに達するまでに3回の質問ラウンドを必要としたClaude自身のテキストセッションより優れた開示パフォーマンスだった。音声モデルはまた、歴史的なビットコインサイクルの天井が一般的に半減期の12〜18カ月後に発生すると正しく説明し、Grokの音声セッションとClaudeの当初のテキスト応答の両方が犯したタイミングの誤りを回避した。

それでも、Claudeの音声パフォーマンスが完璧だったわけではない。レビューが古いと判断した数値を用いて原油価格を110ドル超と引用し、機関投資家によるビットコインの継続的な購入を過大に評価し、現在の下落を論じる際に2026年6月のより深刻な市場下落を省略した。さらに、8万5,000ドルという目標を導く計算を一度も示さなかった。

したがって、サプライズは、Claudeの音声モデルがより優れた金融予測者になったことではなかった。この特定のセッションにおいて、音声アシスタントがテキスト版よりも自身の制約について率直であったことだった。

なぜ音声AIとテキストAIは必ずしも同じシステムではないのか

この比較は、一般のユーザーがほとんど考えない技術的問題を提起する。AIに話しかけることは、タイピングすることと必ずしも同等ではない。OpenAIのChatGPTの音声体験は、主要なテキスト体験とは別のモデルファミリーを使用している。一方Anthropicは、Claudeの音声について、サポート対象のSonnetやOpusを含む選択されたモデルの最速バージョンを通じて動作すると説明している。

この違いは単純な比較を複雑にする。インターフェースに同じモデル名が表示されていても、音声体験には異なる実行設定、レイテンシ制約、音声処理コンポーネントが関わっている可能性がある。実験は、これらの要因が回答にどう影響したかを独立に立証してはいない。

Grokの音声アーキテクチャは報告書で検証されておらず、技術比較の重要な部分が未解決のまま残されている。3社が音声パイプラインに関する同等の技術詳細を公表するまで、製品名だけではどの設定が回答しているのかをユーザーにほとんど伝えない。したがって、これらのセッションは、音声AIが生成テキストAIより本質的に不正確である、捏造しやすい、あるいは透明性が低いことを立証するものではない。示しているのは、インターフェースと基盤となる設定が重要であり、馴染みのあるブランド名だけでは同等の動作を保証しないということだ。

Claudeは企業内比較として最も有用なものを提供したが、そこでもテキストと音声のセッションは別々に行われており、繰り返しの行われた統制試験ではなかった。

本当の試練は、AIが語り終えた後に来る

4つのセを通じて、最終的な予測は7万8,000ドルから8万5,000ドルの範囲に収まり、いずれもビットコインの優勢な市場価格に比較的近かった。どれも、自らの仮定が選択した正確な数字へとどう変換されたのかを示せなかった。

レビューはまた、その方法論自体の限界も認識した。Claudeが自社のパフォーマンス評価を執筆しており、いくつかの市場に関する主張は完全な一次資料ではなく検索抜粋を通じて確認された。各音声アシスタントが何を検索したのかを正確に立証する独立したツールログは存在しなかった。これらの留保は重要であり、より深い検証はxAI、OpenAI、Anthropicに委ねられている。

これは探索的な実験であり、ある企業やインタラクションモードが一貫して他を上回ることの証明ではない。それでも、「分析的に聞こえること」と「実際の分析を示すこと」の重要な違いを露呈させた。音声アシスタントは、プロの放送者のリズムと自信をもって金融解説を届けることができる。テキストモデルは、検索した情報源に裏付けられた詳細な説明を組み立てることができる。しかし、どちらも裏付けのない結論、ハルシネーション、あるいは完全な嘘を生み出しうるし、証拠と推論を区別するよう迫られれば改善もしうる。

Claudeの後の音声セッションは、AIに話しかけることが自動的に透明性の犠牲を意味するわけではないことを示した。同時に、ChatGPTとGrokは、洗練された音声回答が文章と同等の精査に値する理由を示した。AIを投資評価に使用する者にとって、次のテストには同一のプロンプト、文書化された検索活動、反復セッション、独立して確認された数値が求められるべきだ。そうして初めて、研究者は音声インタラクションの効果と基盤モデルの推論能力とを切り分け始めることができる。そのテストを可能にするものは、紙の上ではシンプルだ。ベンダーが音声スタックの詳細を開示し、このレビューが示した方法論的基準を満たす比較が公表されることである。

実験で最も示唆に富んだ結果は、ビットコインが2026年を7万8,000ドル、8万2,000ドル、それとも8万5,000ドルで終えるかということではなかった。音声モードでの4つの説得力あるパフォーマンスが4セットの金融的推論を生み出したが、そのどれひとつとして最終的な回答の背後にある計算を示せなかったことだった。