#74 小さなAIが巨大モデルに勝つ「やり抜く力」の正体

最近のAIは、ただ質問に答えるだけでなく、自分で計画を立て、ツールを使い、途中経過を検証しながら作業を進める「エージェント（自律的に動く助手）」へと進化しています。ソフト開発や科学研究のような現場では、AIは情報を集め、課題を分解し、何時間もかけて試行錯誤を続ける必要があります。

こうした「長い道のり（long-horizon）」をこなす力を高める方法は、これまで主に「モデルそのものを巨大化する」ことでした。しかしこの方法は、莫大な計算資源とデータがなければ再現できず、限られた組織しか追随できません。そこでこの研究は「モデルを大きくせず、作業を最後までやり抜く力そのものを鍛える」という別ルートに挑みました。

核心は2つです。

ひとつは「知識・行動インフラ（Knowledge-Action Graph）」の構築。普通のAI学習は完成した文章だけを教材にしますが、これでは「どう調べ、どう試し、どこで失敗し、どう直したか」という過程が学べません。そこで研究チームは、証拠・行動・観察結果・検証結果を一つの地図のようにつなぎ、成功も失敗も丸ごと記録した教材を作りました。平均4万5千トークン（おおよそ原稿用紙100枚分以上）という長い作業記録です。

もうひとつは「複数の専門家先生から学ぶ蒸留」。検索、科学、工学、指示の遵守など分野ごとに得意なAI（教師モデル）を別々に育て、その知恵を1つの「生徒モデル」に集約します。ここで巧みなのは、分野ごとに考え方のクセが違うため衝突が起きる問題を、​分野ごとに担当の先生を割り当て、各分野を平等に扱うことで解消した点です。

Agents-A1（350億パラメータ）は、Kimi-K2.6やDeepSeek-V4-proといった約30倍規模の1兆パラメータ級モデルを複数の指標で上回りました。たとえば検索系のSEAL-0で56.4点（1兆級は42〜55点）、指示遵守のIFBenchで80.6点（同71〜76点）、物理オリンピック級のHiPhOで46.4点、科学オリンピックのFrontierScience-Olympiadで79.0点と、いずれもトップ級です。

さらに実応用として、機械学習の最適化タスクを12時間自走させた実験では、AUC（精度指標）を0.58から0.9935まで自力で改善し、Kaggleコンペで金メダル相当に到達しました。一方、長期記憶が必要な工学タスクではGPT-5.5（72.7点）に対し43.9点と差が残るなど、限界も率直に示されています。

この研究が示すのは「賢いAIを使うのに、必ずしも超巨大モデルは要らない」という現実的な道筋です。1兆パラメータ級モデルは運用コストも莫大ですが、350億パラメータなら導入や運用のハードルが大きく下がります。コスト面でAI導入をためらってきた企業にとって、これは大きな朗報といえるでしょう。

特に注目すべきは「長い作業をやり抜く力」を鍛えた点です。実務でAIに本当に任せたいのは、一問一答ではなく、調査・分析・試行錯誤を伴う数時間がかりの仕事です。本研究のAIは、台風の進路を実データから自力で再構築し図表とレポートまで仕上げる、機械学習モデルを半日かけて改良し金メダル級に到達する、といった一連の業務を自走でこなしました。

つまり、適切な「学び方」を設計すれば、中型モデルでも実務級のエージェントが作れる。これは、AI活用を一部の巨大企業だけの特権から、より多くの組織へ開放する可能性を示しています。