パラメータ量競争への挑戦！350億モデルで1兆パラメータ級に並ぶ超高性能AIエージェント「Agents-A1」完全解説ガイド

AIエージェント
この記事は約12分で読めます。

超高性能AIエージェント「Agents-A1」のPodcast

下記のPodcastは、Geminiで作成しました。

はじめに：AIの「巨大化トレンド」とAgents-A1が起こした静かな革命

近年、人工知能の世界では「パラメータ数（AIの頭脳の大きさ）を増やせば増やすほど性能が上がる」という考え方が主流となっていました。数百億、数千億、さらには1兆パラメータを超える超大型AIモデルの開発が相次ぎ、莫大なGPUインフラと電力、膨大なコストを投入する規模の競争が繰り広げられております。

しかし、モデルが巨大化することは、個人の開発者や研究機関、中小企業にとって利用のハードルが高くなることを意味します。高価な専用サーバーが必要となり、普及の妨げとなる側面も無視できません。

こうした課題に対して画期的なソリューションを提示したのが、InternScienceチーム（上海人工知能研究所の研究者ら）によって開発されたオープンソースAIモデル「Agents-A1」です。Agents-A1は、わずか350億（35B）パラメータという扱いやすいサイズでありながら、1兆（1T）パラメータ級の最新最先端AI（GPT-5.5、DeepSeek-V4-pro、Kimi-K2.6など）と同等、あるいはそれを凌駕するパフォーマンスを達成いたしました。

本稿では、AIの専門的な予備知識がない方でも分かりやすいよう、Agents-A1の基本的な概念から革新的な仕組み、驚きの実験結果、そして具体的な導入方法までを丁寧に紐解いてまいります。

従来のチャットボットと何が違う？AIエージェントの基本概念と「ホライズン拡張」

従来のAIチャットボットと、Agents-A1のような「AIエージェント」の最大の違いは、問題解決に至る「アプローチの深さ」にあります。

一般的な対話型AIは、ユーザーから入力された質問に対して「手持ちの知識から即座に回答を生成する」という一発回答型の動作を得意としております。一方で、実際のビジネスや学術研究におけるタスクは、一度の回答で完結することはほとんどありません。目標を設定し、必要な情報を収集し、プログラムを実行し、エラーが出たら原因を分析して修正する、という連続的なプロセスが必要です。

この「目標達成までに必要な思考・道具利用・試行錯誤のプロセス全体の長さ」のことを、AI分野では「エージェント・ホライズン（Agent Horizon）」と呼びます。

Agents-A1の開発チームは、モデル本体を無理に大きくするのではなく、このエージェント・ホライズンを大幅に拡張するという新しい戦略を採用しました。Agents-A1がタスクを完了するまでにたどる試行錯誤のプロセス履歴は、平均して約45,000トークン（文庫本1冊分に相当する文字量）にも達します。AI自身に「じっくり考え、道具を使いこなし、結果を確認してやり直す」という粘り強い作業習慣を身につけさせることで、コンパクトなモデルサイズであっても超大型モデルを超える成果を出すことが可能となりました。

Agents-A1を支える4つの核となる能力（推論・道具利用・長文記憶・指示追従）

Agents-A1が高度な長時間のタスクをこなせる背景には、互いに連携し合う4つのコア能力が存在いたします。

自律的な計画と高度な推論（Agentic Reasoning）

複雑で曖昧な指示を受けた場合でも、最終ゴールから逆算して「いま何をすべきか」を判断し、実行可能な複数のサブタスクへ自律的に分解いたします。作業途中で想定外のエラーが発生した場合は、その観察結果を分析し、自ら計画を書き換えて行動を継続する柔軟性を備えています。

ネイティブなツール活用能力（Native Tool Use）

モデル内部の記憶だけに依存せず、外部環境とスムーズにやり取りを行うことができます。Web検索エンジンを用いた最新情報の集積、Pythonコードの自動作成およびコード実行環境（コードインタプリタ）でのテスト、外部APIの呼び出しなどを自律的に組み合わせて活用いたします。

262Kトークンの超長文文脈理解（Long-Context Understanding）

Agents-A1は最大262,144トークン（約262K）という極めて広大なコンテキストウィンドウをサポートしています。長時間にわたる複雑な議論や、大量の技術文書・論文を一度に読み込ませた場合でも、過去の記憶を喪失することなく高い一貫性と文脈の把握力を維持できます。

複雑な制約の厳密な指示追従（Instruction Following）

「特定の出力フォーマットを守る」「指定した手順を必ず踏む」といった、複数の制約条件が絡み合う複雑な命令に対しても脱線することなく正確に従う能力を持っています。

なぜ小さなモデルで賢くなれるのか？独自の「3段階トレーニングレシピ」と技術構造

一般的なAIモデルに多様なタスクを学ばせようとすると、「検索が得意になるとプログラミングが下手になる」といった領域間の衝突（ナレッジの競合）が発生しやすくなります。Agents-A1はこの課題を克服するため、専門の知識行動インフラ（Knowledge-Action Infrastructure）を構築した上で、以下の独自の「3段階トレーニングレシピ」を実施いたしました。

各ステージにおける役割と工夫の詳細は以下の通りです。

  • ステージ1：全ドメイン事前微調整（Full-Domain SFT） 検索、エンジニアリング、科学研究、ツール利用、指示追従など、多領域の高品質な長文作業軌跡データを用いてベースモデルを学習させます。学習時には複数サンプルを結合するサンプルパッキングとアテンションマスク技術を活用し、GPUの計算効率を最大化しながら基本動作を定着させます。
  • ステージ2：ドメイン別専門講師モデルの育成（Domain-Level Teacher Models） 領域ごとの能力を極限まで高めるため、「検索のプロ」「科学のプロ」「コードのプロ」といった単一分野に特化したティーチャーモデル（先生AI）を個別にトレーニングいたします。
  • ステージ3：多教師オンポリシー蒸留（Multi-Teacher On-Policy Distillation） 個別に育成した先生AIたちの専門ノウハウを、生徒モデルであるAgents-A1へ効率的に引き継がせます。この際、「Salient Vocabulary Alignment（顕著な語彙整列）」と呼ばれる最適化手法を適用することで、異分野間の思考パターンの相克を防ぎ、6つの異種ドメインの知識を1頭の35B MoEモデルへ綺麗に集約することに成功しました。

超大型AIモデルとの対決！各種ベンチマークテストの総合評価と分析

Agents-A1の実力を評価するため、国際的な主要AIベンチマークを用いた包括的な比較検証が行われました。比較対象には、同等の35B規模のモデルだけでなく、業界をリードする1兆パラメータ級の最先端大型AIモデルが含まれています。

評価結果の概要を以下の比較表にまとめました。

ベンチマーク指標評価対象となるタスク領域Agents-A1 (35B)Step-3.5-FlashKimi-K2.6 (1T級)DeepSeek-V4-pro (1T級)gpt-5.5 (xhigh)
SEAL-0長時間Web検索・調査能力56.436.950.555.042.3
FrontierScience-Research先端科学研究・仮説検証40.06.717.913.326.7
FrontierScience-Olympiadオリンピック級科学問題解決79.061.073.076.078.0
HiPhO高度物理学推論タスク46.438.341.138.743.3
IFBench複合的な指示追従精度80.664.671.873.575.9
IFEval厳密なフォーマット遵守率94.893.594.593.393.3
BrowseComp自律ブラウジング総合性能75.569.083.283.484.4
SciCode科学計算プログラミング44.340.453.550.056.1
MolBench-Bind分子生物学・結合予測56.846.021.637.862.2

※各スコアは公式発表および標準評価環境における数値を記載しております。

検証データから明らかなように、Agents-A1は長時間Web検索（SEAL-0）、先端科学研究（FrontierScience-Research）、複雑な指示追従（IFBench/IFEval）の各項目において、1兆パラメータ級の超大型モデルを抑えて世界最高レベルの性能（SOTA）を記録いたしました。

同じ35Bクラスの競合モデル（Qwen3.6-35B等）と比較した場合、ほぼ全項目で優位に立っており、プログラミング領域（SciCode）においても同サイズ帯で最高のパフォーマンスを示しています。単に記憶した知識を出力するのではなく、ツールと推論を連携させて解決策を自ら模索するエージェント的アプローチの有効性が、定量的に証明された結果と言えます。

12時間連続でプログラミングを自動改善した「クジラの声検出タスク」の実例

Agents-A1の真骨頂は、理論的なベンチマーク数値だけでなく、現実世界の極めて長期的な課題解決において発揮されます。それを顕著に示す実例が、海洋データ分析における「クジラの鳴き声検出（Whale call detection）」タスクです。

本実験において、Agents-A1には「音声データからクジラの鳴き声を識別する機械学習モデルを自律的に開発し、その精度を限界まで高めよ」という指示が与えられ、12時間連続での自動運用が行われました。

Agents-A1がとった行動の推移は以下の通りです。

  1. 初期構築（スタート時点） 最初にシンプルな畳み込みニューラルネットワーク（CNN）のベースラインコードを生成して実行しました。この時点での識別精度を表す指標（AUC）は 0.58 であり、まだ実用には耐えないレベルでした。
  2. 評価と試行錯誤の反復（途中経過） モデルは実行結果と検証ログを自ら分析し、ハイパーパラメータの調整にとどまらず、データ前処理の改善やニューラルネットワーク構造の刷新を繰り返し行いました。エラーが発生した場合は即座にコードをデバッグし、修正版を再実行いたしました。
  3. 成果の達成（12時間後） 12時間に及ぶ絶え間ない改善ループを経て、最終的な検証セットでのAUCスコアは 0.9935（ほぼ完璧な検出精度）にまで達しました。

途中で人間の介入を受けることなく、半日近くにわたって自ら課題を分析し、コードの書き換えと検証を繰り返して解を導き出したこの事例は、Agents-A1が長時間のタスクをやり遂げる実用的な能力を備えていることを明確に示しています。

開発者・利用者のための動作環境構築とデプロイメント（vLLM/SGLang/軽量版4B）

Agents-A1はオープンソースコミュニティへの貢献として無償公開（Apache-2.0ライセンス）されており、ローカル環境や各種クラウドインフラ上で迅速に構築することが可能です。

推奨サンプリングパラメータの設定

モデルの生成品質と推論能力を最大限に引き出すため、以下のパラメータ設定が公式リポジトリより推奨されています。

  • temperature: 0.85
  • top_p: 0.95
  • top_k: 20
  • min_p: 0.0
  • presence_penalty: 1.1
  • repetition_penalty: 1.0

サービング用コマンドの実行例

Agents-A1は標準的なLLM推論ランタイムに対応しており、vLLM または SGLang を使用してOpenAI互換のAPIエンドポイント（http://localhost:8000/v1）を即座に立ち上げることができます。

以下は、vLLMを用いた単一GPU環境での起動用シェルコマンドです。

Bash

vllm serve InternScience/Agents-A1 \
  --port 8000 \
  --tensor-parallel-size 1 \
  --max-model-len 262144 \
  --reasoning-parser qwen3 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder

また、リソースが限られた環境向けには、GGUF形式（Q4_K_MやQ8_0）やFP8形式に量子化されたモデルウェイトが提供されているほか、コミュニティからの要望を受けて開発された軽量ローカルモデル「Agents-A1-4B」も利用可能となっており、幅広いハードウェア環境で動作させることができます。

まとめと今後の展望：高効率エージェントAIが切り拓く新たな未来

本稿では、パラメータ量の巨大化に頼らず「エージェント・ホライズン（思考と行動の継続性）」を拡張することで、1兆パラメータ級の超大型AIに匹敵する知性を実現した「Agents-A1」の全貌を解説いたしました。

Agents-A1が示した成果は、単に1つの高性能モデルが誕生したというニュースにとどまりません。AI開発のパラダイムを「単なる規模の拡大」から「質の高い長期間の行動設計」へとシフトさせ、より少ない計算リソースとエネルギーで高度な知能を実現できる可能性を提示いたしました。

参考資料

  1. Agents-A1 公式ホームページ、https://internscience.github.io/Agents-A1/
  2. InternScience/Agents-A1 GitHubリポジトリ、https://github.com/InternScience/Agents-A1
  3. BenchLM Agents-A1 モデル評価プロファイル、https://benchlm.ai/models/agents-a1
  4. arXiv:2606.30616 論文アブストラクト、https://arxiv.org/abs/2606.30616
  5. arXiv:2606.30616v1 技術報告書HTML全文、https://arxiv.org/html/2606.30616v1
  6. Agents-A1 プロジェクト概要ページ、https://internscience.github.io/Agents-A1/
  7. arXiv:2606.30616v1 論文テキスト本文、https://arxiv.org/html/2606.30616v1
  8. Medium: Agents-A1: How a 35B AI Model is Challenging Trillion-Parameter AI Agents、https://medium.com/data-science-in-your-pocket/agents-a1-how-a-35b-ai-model-is-challenging-trillion-parameter-ai-agents-08641f2de39a
  9. BenchLM パブリックリーダーボード、https://benchlm.ai/models/agents-a1
  10. note: Agents-A1-4B Local AI Assistant解説、https://note.com/ai_driven/n/n5a34dd25befd?hl=en
  11. Medium: Deep-Dive into Agents-A1 Architecture and Benchmarks、https://medium.com/data-science-in-your-pocket/agents-a1-how-a-35b-ai-model-is-challenging-trillion-parameter-ai-agents-08641f2de39a
  12. arXiv:2606.30616 論文詳細情報、https://arxiv.org/abs/2606.30616
  13. 36Kr: MoEAgent Models Agents-A1 35B Parameter Analysis、https://eu.36kr.com/en/p/3877948838244353
  14. GitHub README Agents-A1 リポジトリおよび導入ガイド、https://github.com/InternScience/Agents-A1

コメント

タイトルとURLをコピーしました