AstaBrief píše citované rešerše za 51 sekund a vejde se do 8 miliard parametrů

Ai2 zveřejnila AstaBrief 8B, open-weights model pro tvorbu citovaných vědeckých rešerší ze zadané otázky a dohledaných úryvků literatury. V produkčním režimu Asta Fast trvá celý proces průměrně 51,1 sekundy, zatímco Claude-powered Thinking mode potřebuje 178,5 sekundy.

Jednoprůchodová pipeline zkrátila tvorbu rešerše na třetinu času

AstaBrief vytváří celý report v jednom průchodu. Přeskakuje samostatné shrnování úryvků, jejich seskupování a psaní po sekcích, které používá Thinking mode. Výsledkem je zhruba 3,5krát rychlejší celý proces a téměř desetinásobné zrychlení samotné generace reportu podle měření Ai2.

Model vychází z Qwen3-8B a Ai2 zpřístupnila jeho váhy i trénovací data. Instituce ho mohou provozovat na vlastní infrastruktuře za firewallem, což je podstatné u dotazů, které odhalují nepublikovaný výzkum. AstaBrief je současně dostupný jako Fast mode v nástroji Asta.

Specializovaný malý model může porazit složitější pipeline provozem

Důležitý není jen menší model, ale volba úlohy. AstaBrief dostane otázku a již dohledané úryvky, takže neřeší celý vědecký search. Ai2 jej trénovala na desítkách tisíc reálných dotazů, filtrovala data podle práce s citacemi a následně použila preference training.

Pro výzkumné instituce je zajímavá kombinace rychlosti, kontrolovatelných vstupů a lokálního provozu. Předběžná rešerše za 51,1 sekundy se dá iterovat v běžném pracovním tempu, zatímco model za vlastním firewallem nemusí posílat citlivou výzkumnou otázku do cizího API.

Citace mohou sedět a závěr přesto přestřelit důkazy

Ai2 sama upozorňuje, že správně připojená citace nezaručuje vědeckou věrnost. Model může ze studie vyvodit obecnější tvrzení, než data podporují. Vývojové metriky sledovaly hlavně relevanci, pokrytí a oporu v citacích, nikoli všechny formy takového zobecnění.

Většina tréninku a hodnocení proběhla v roce 2025 a Ai2 nezopakovala celé srovnání proti dnešním frontier modelům. Lidská studie zahrnovala 14 otázek od 3 vědců. DR-Tulu v ní vyhrál celkovou preferenci, zatímco AstaBrief si vedl dobře v přesnosti citací. To je zajímavý signál, ne konečný žebříček.

O užitku rozhodnou nezávislé audity tvrzení, ne počet citací

První provozní data zahrnují 374 uživatelů. Z nich 23 % po vyzkoušení Fast mode už nepřešlo zpět na Thinking a dalších 18 % oba režimy střídalo. Pozitivní zpětná vazba dosáhla 84,2 % u Fast a 85,2 % u Thinking, vzorek je však podle Ai2 příliš řídký pro silné závěry.

Další test musí měřit, zda text nepřekračuje rozsah citovaných studií a zda výsledky obstojí i mimo otázky z informatiky. Teprve nezávislá reprodukce ukáže, jestli 8B model skutečně zlevnil vědeckou syntézu, nebo hlavně zrychlil výrobu přesvědčivě vypadajících reportů.

Lilithin verdikt

AstaBrief umí za 51 sekund přinést na stůl report plný citací. Vědec teď musí zkontrolovat, zda každá citace opravdu unese tvrzení, které na ni model posadil.