Snowflakeは各タスクに最適な最も安いAIモデルを自動選択する動的ルーティングを発表した。
テストではコーディングでトークン使用量が25%削減、データパイプラインでは3倍の効率化を達成。
何が起きたか
SnowflakeはCortex AI Gatewayで動的モデルルーティングを展開する。これは各タスクを完了できる最も安価なモデルを自動選択するもので、新たなオープンモデルとしてDeepSeek-V4-Flash 0731（プライベートプレビュー）とGLM-5.3（近日提供開始）も追加する。社内テストでは、このルーティング手法によりデータパイプラインのワークロードで最大3倍のトークン効率を達成し、コーディングタスクでは約25%少ないトークンで同じプルリクエスト処理量を維持した。
なぜ重要か
企業はトークン単位でAI料金を支払うが、単純なタスクでも高額なフロンティアモデルを既定で使うケースがほとんどだ。Snowflakeのルーティングは各タスクに最適なサイズのモデルを選び、新モデルの登場に応じて調整するため、アプリケーションを再構築したりモデルをハードコードしたりせずにAI支出を削減できる。ルーティング層はすべての判断を記録し、既存のガバナンス規則を尊重するため、データコンプライアンスも維持される。国内のデータ基盤利用企業では、AI利用コスト削減の手段としてモデル自動選択が普及する可能性がある。
注目点
DeepSeek-V4-Flash 0731はSnowflakeのデータエンジニアリングベンチマークADE-benchで74.4%を獲得し、テストした主要なプロプライエタリモデルを上回った。GLM-5.2は同じベンチマークで66%を獲得し、トークン使用量は全モデル中最低だった。オープンソースモデルがデータチーム向けにコストと品質の両面で競争力を持つようになったことを示している。
AI予算は増加しているが、ビジネスリターンが必ずしも追いついていない。Snowflakeはこれをモデル能力とタスクニーズのミスマッチと位置づける。ほとんどの組織は、要約生成のような単純なタスクでも、最も高性能（かつ最も高価）なモデルにすべてのリクエストを送っている。Snowflakeの対応は、インテリジェントなルーティングとオープンモデルの拡充という2つの手段でこの無駄を狙う。
動的モデルルーティングはCortex AI Gateway内に位置し、既存のガバナンス規則（ロールベースのアクセス制御、データ所在地、監査ログ）を尊重し、コンプライアンスと可視性を確保する。初期の結果は具体的だ。データパイプラインのワークロードでは、常にフロンティアモデルを使用した場合と比べてトークン効率が3倍向上し、コーディングワークロードでは処理量を維持しながらトークン使用量を約25%削減した。重要なのは、新モデルの登場や既存モデルの改善に応じてルーティングが適応するため、組織がアプリケーションを書き換える必要がない点だ。
能力の高いオープンモデルの追加、特にデータエンジニアリングタスクでテストしたプロプライエタリ基準を上回ったDeepSeek-V4-Flashと、ベンチマークで最小のトークン使用量を記録したGLM-5.2は、ルーターが選択できる実用的な選択肢を広げる。このシステムは複合的に効果を発揮する。モデルの選択肢が増えればルーティングのコスト効率の高い分岐が増え、実際の使用データが蓄積されるにつれてルーティング判断はより正確になる。時間の経過とともに、より多くのワークロードが成果を損なうことなく効率的なモデルに移行できるようになる。
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できます
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
トムソン・ロイターは1日、初の独自大規模言語モデル「Thomson」を発表した
小米（Xiaomi）が、折りたたみスマートフォン向けに加え、AIアクセラレーションと自動運転向けの3つのXringプロセッサを発表した
アマゾンは投資家に対し、2026年の設備投資額が従来計画より200億ドル多い2200億ドルになるとの見通しを表明した
BMOキャピタルがAMDのカバレッジを新規開始し、アウトパフォーム評価と550ドルの目標株価を設定
今年に入り、500社以上のシード段階またはベンチャー出資を受けた非公開企業が、同じくベンチャー出資を受けた他の非公開企業に売却された
CerebrasはAIアクセラレータ「CS-4」を発表した
