Sakana AIがFugu Maxをリリース：巨大モデルの終焉、安価なエージェント・オーケストレーションの時代へ

分散型インテリジェンスへの回帰

10年間、AI業界は、より大規模で高価なモノリシックなモデルを構築するという、基本的に1つの戦略を通じてパフォーマンスを最適化しようとしてきた。Sakana AIは、Fugu MaxとFugu Ultra v2のリリースにより、このシナリオを根底から覆そうとしている。孤立した巨人ではなく、互いに協調することを学ぶエコシステムに賭けたのだ。

創業者たちによれば、人類自体が分散システムであり、将来のAIシステムは集合知から恩恵を受けることになるという。新しいFugu Maxは、オープンソースや特化型の小規模なモデルの大規模なプールをオーケストレーションし、現在の市場のリーダーと同等の結果を、トークンコストを劇的に抑えながら達成する。

より安価な導入とインフラの主権

開発チームや企業にとって、これはROIの計算式を変えるものだ。オーケストレーションは、コストとパフォーマンスのどちらかを選択する必要がないことを示している。Fugu Maxは、いわゆるパレートフロンティアを両方向に押し広げる。OpenAIやAnthropicの最も優れているが高価なモデルに依存することなく、複雑なマルチステップタスクを処理する。

その結果、ベンダーロックインのリスクも根本的に軽減される。重要なインフラを単一のプロプライエタリモデルに依存することは危険である。特に、サプライヤーや政府の輸出規制によって一夜にしてアクセスが制限される可能性がある場合はなおさらだ。交換可能なエージェントのオーケストラに基づくアーキテクチャは、1つのモデルが脱落しても、システムが単純に別のモデルに置き換えることを意味する。

バンドを指揮する者がマージンを得る

安価な集合体という約束は魅力的だが、小規模モデルの群れをオーケストレーションすることには独自のオーバーヘッドが伴う。コンテキストの転送と一貫性の維持にリソースを費やすことで、システムはその速度の優位性を失う可能性がある。さらに、ネットワークが理論的には単一の大規模モデルから独立していたとしても、現実には、有能なオープンソース代表の大部分は、依然として同じ一握りのクラウドプラットフォームやMetaから提供されている。

同時に、オーケストレーターが、より複雑なタスクを表層的なパターンマッチングに劣化させることなく、個々の小規模モデルの命令の理解方法における微妙な違いを効果的に抽象化できるかどうかという疑問も生じる。

長期的に安定した価格が試金石となる

成功の鍵となるシグナルは、Fugu Maxが孤立したベンチマークでGPT-4を打ち負かすかどうかではなく、数ヶ月の期間にわたる実際の企業への導入において安定したコストを維持できるかどうかである。

エージェント・オーケストレーションが成功すれば、AI主権は政府にとっての理論上の概念にとどまらず、独占的なサプライヤーにプレミアムを支払う余裕のない日常的な企業アプリケーションにとっての現実的な標準となるだろう。

Lilithの判定

真の独立性は、自分自身の巨大な頭脳を構築することから生まれるのではない。それは、元のドライバーが予期せず値上げしたり、免許を失ったりした瞬間に、ドライバーを安全に交代させる方法を学ぶことから生まれるのだ。