80億パラメータのAstaBrief、引用付き調査レポートを51秒で生成

Ai2は、研究質問と検索済みの文献抜粋から引用付き科学レポートを作るopen-weightsモデル、AstaBrief 8Bを公開した。本番のAsta Fast modeでは処理全体が平均51.1秒で終わり、Claudeを使うThinking modeの178.5秒を大きく下回る。

1回で書き切るpipelineがレポート時間を3分の1未満にした

AstaBriefはレポート全体を1回の生成で書く。Thinking modeが行う、文献抜粋の個別要約、分類、セクションごとの執筆を省く。Ai2の測定ではpipeline全体が約3.5倍速く、レポート生成部分はほぼ10倍速い。

基盤はQwen3-8Bで、Ai2はモデルの重みと訓練データを公開した。未公開研究を含む質問では、自組織のfirewall内で運用できる点が重要になる。AstaBriefはAstaのFast modeとしても利用できる。

特化した小型モデルは運用面で複雑なpipelineを上回れる

重要なのはモデルの小ささだけではなく、課題を絞ったことだ。AstaBriefは質問と検索済みの抜粋を受け取るため、科学文献の探索全体を担わない。Ai2は数万件の実際の質問で訓練し、引用の品質でデータを選別した後、preference trainingを施した。

研究機関にとって、速度、制御できる入力、ローカル運用の組み合わせは実用的だ。51.1秒で予備レポートが出れば通常の作業リズムで反復できる。自組織のfirewall内で動かせば、機密性のある研究質問を外部モデルのAPIへ送らずに済む。

引用が正しくても結論が証拠を越えることはある

Ai2自身も、正しい引用を添えるだけでは科学的な忠実性を保証できないと指摘する。モデルは研究データが支える範囲を越えて一般化できてしまう。開発時の指標は主に関連性、網羅性、引用による裏付けを見ており、過度な一般化のすべてを測ってはいない。

訓練と評価の大半は2025年に行われ、Ai2は現在のfrontier modelsとの完全な比較をやり直していない。人による調査は3人の科学者が出した14問だけだった。総合的な好みではDR-Tuluが勝ち、引用精度ではAstaBriefが良い結果を示した。有用な兆候ではあるが、最終順位ではない。

引用数より独立した主張監査が価値を決める

初期の利用データは374人を対象とする。そのうち23%はFastを試した後にThinkingへ戻らず、18%は両方を使い分けた。肯定的なfeedbackはFastが84.2%、Thinkingが85.2%だったが、Ai2は強い結論を出すにはデータが少なすぎるとしている。

次のテストでは、レポートが引用した研究の範囲を越えていないか、情報科学以外の質問でも結果が保たれるかを測る必要がある。独立した再現によって初めて、80億パラメータのモデルが科学的統合を本当に安くしたのか、説得力のあるレポートを速く量産しただけなのかが分かる。

Lilithの判定

AstaBriefは51秒で引用付きレポートを机に置ける。だが各出典が、モデルの載せた主張の重さに本当に耐えられるかを確かめるのは研究者だ。