Occamy-1.0、35B級モデルで協働エージェントのコスト効率を追求

導入

実務で使われるエージェントに必要なのは、難しい質問へ一度で答える能力だけではありません。情報を探し、ツールを呼び出し、コードを書き、ファイルを編集し、途中の状態を維持しながら、エラーが起きた場合には作業を復旧して最後まで進める必要があります。モデルの呼び出しが積み重なるほど、遅延と費用も増えるため、実用性は最高性能だけでなく、一連の処理をどれだけ安定かつ効率的に完了できるかで決まります。

arXivで発表されたOccamy-1.0は、この課題を主眼に置く35B級モデルです。後学習済みQwen3.6-35B-A3Bチェックポイントをさらに訓練し、単発の推論能力を拡大するよりも、ツールを介した長い業務フローの実行能力を高める方向に設計されています。

主なポイント

• 最終回答だけでなく実行過程を学習。 研究チームは、実行に根ざしたデータと環境を構築し、複数のハーネスで再生可能な長期軌跡を収集しました。これにより、ツールとのやり取り、作業の進行、失敗後の復旧なども学習対象になります。
• 段階的な後学習を採用。 論文によれば、状態追跡、協調、復旧、タスクのフォローアップといった相互補完的な能力を段階的に育成し、統合しています。日常業務では重要ですが、短いプロンプトでは見えにくい能力です。
• エピソード全体のコストを評価。 幅広い協働エージェント向けベンチマークで、同程度の規模のモデルの中でも強い結果を示したとされています。論文が定めた評価・価格設定の下では、4つの代表的ベンチマークの総合結果が、観測されたコスト性能Paretoフロンティアの低コスト側の屈曲点付近に位置しました。一部のタスクでは、かなり大きなフロンティアモデルとも競合すると報告されています。
• 用途を限定しない補助評価。 ツール呼び出し、コーディング、指示追従の評価も行われ、実行特化によって広いエージェント能力が失われていないことを確認しようとしています。
• 重みと一部データを公開。 モデル重みと訓練データの一部を公開し、実用的な協働エージェントやエージェント向け後学習の研究を支援します。

意義と留意点

Occamy-1.0が示すのは、エージェントの競争軸が「最も賢いモデル」から「長い仕事を許容できる費用で安定して終えられるモデル」へ広がっていることです。多数の呼び出しを必要とする自動化では、状態管理、ツール操作、エラー復旧、作業の完了が、単一の難しい推論よりも導入効果を左右する場合があります。中規模のオープンモデルを実行向けに特化する考え方は、研究用途や社内自動化にとって現実的な選択肢になり得ます。

一方、提供された素材には、各ベンチマークの具体的なスコア、遅延、価格、競合モデルとの詳細比較は含まれていません。「低コスト側の屈曲点」という評価は、論文のプロトコルに基づく結果として読むべきで、あらゆる環境にそのまま適用できる結論ではありません。公開される重みやデータが一部に限られる点も踏まえ、今後は独立再現と実際のツールチェーンでの長期検証が必要です。

arXiv