
何が起きたか
中国の研究機関AllSparkが、Qwenモデルを基に構築した350億パラメータと3970億パラメータの検索エージェントIris-miniとIris-proを公開した。
なぜ重要か
Iris-miniは4つのベンチマークのうち3つで首位に立ち、BrowseCompではXYZ-Aquila-miniを3.4ポイント上回った。
注目点
重みはHugging Face、コードはGitHubで公開されているが、データ構築とトレーニングのパイプラインは後日公開予定。再現性のギャップが埋まるかが注目される。
誰に効くかオープンウェイト検索エージェントを評価する企業チームは、4つの公開ベンチマークでIris-miniとIris-proを比較できるようになったが、それらを再現するために必要なトレーニングパイプラインはまだ利用できない。
こういう要約が、毎朝あなたのメールに届きます。
AllSparkのリリースが際立つのはベンチマークスコアだけでなく、トレーニングデータの構築方法にある。既存データセットから質問を集めるのではなく、チームはウェブページのリンク構造から多段階の質問を逆算し、最終回答以外のすべての用語を言い換えることで、単純なテキスト検索では手がかりを解決できないようにした。その後、参照モデルがツールを必要とする質問を選別し、タスクを難しく検証可能に保った。
論文は評価についても鋭い指摘をしている。チームは、一般的なベンチマークでの実行時コンテキスト管理が、報告されているシステム間の差よりも大きな違いを生むことが多いと判明した。Iris-miniでは、コンテキスト管理によりBrowseCompのスコアが最大21.2ポイント向上した。これはトークン予算が小さいからではなく、小さいモデルの方がコンテキストを速く消費し、制限に達する頻度が高いためだ。これは、報告されるモデル間のベンチマーク差が、モデル品質だけでなく足回りの違いを部分的に反映している可能性を示唆する。
検索にとどまらず、著者らは生成されたトレーニングデータと特化モデルの両方が、訓練されていないタスク——一般的なツール使用やオフィス作業を含む——の性能を向上させたと報告している。これは検索が狭い専門分野ではなく基盤的なスキルであることを示す。主な未解決の問いは、チームが計画しているデータ構築とトレーニングパイプラインの公開により、他者がこれらの結果を検証し発展させられるかどうかだ。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
Reson8は5億パラメータの音声認識モデルRumble-2-FlashをApache 2.0ライセンスの無償オープンウェイトとして公開した
Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた
