Databricks新モデル、Claude Sonnet 5の2倍速

Databricksの今回の発表は、従来の検索拡張生成を改善するためにユーザー指示や例、データソーススキーマを検索および応答生成プロセスに組み込んだInstructed-Retriever-1のリリースに続くもの。そのアーキテクチャは、エンタープライズQ&Aテストで従来のRAGと比較し、性能が70%以上向上したとされる。新モデルはこの一連の作業を拡張し、マルチステップ検索の遅延とコスト問題に取り組む。このタスクでは通常、エージェントが証拠を収集するにつれてクエリを調整する必要があり、各ステップが応答時間と計算コストを増加させる。

Databricksが説明したテストでは、Adaptive Instructed-Retrieverは、企業が2022年度の損益計算書にリストラ費用を明示しなかったことを2つの検索ステップで検証した一方、Claude Sonnet 5は3ステップ、GPT-5.6 Lunaは4ステップを要した。同社は合成のエンタープライズ検索環境を使用してモデルをトレーニングし、正確な検索軌道を優先しつつ品質向上につながらない追加ステップにペナルティを課す報酬システムでオンライン強化学習を適用した。またDatabricksは、顧客がAI Runtimeを使用して自社データ向けに小型モデルを特化できると指摘し、タスク固有モデルが追加検索の価値を学習することで最先端システムと競争できることを示唆している。

Databricksとその顧客にとっての課題は、品質と遅延のトレードオフを中心に展開する。モデルのチェックポイント群はこの曲線上の選択肢を提供するが、同社はパラメータ数、価格、利用可能性を開示していない。主張もDatabricks独自のベンチマークに依存しているため、独立した検証が待たれる。実際のエンタープライズ環境での性能が、データエージェントを構築する開発者の間でこのアプローチが受け入れられるかどうかを左右するだろう。