アリババの AI 開発チーム Qwen は10月12日、数時間がかりの作業をこなす AI エージェントを鍛えるための仕組み「QwenGyre」を X で発表した。9月27日に公開した論文によれば、自社の最上位モデルにこれを使い、自然言語の要件書から Python のライブラリを丸ごと作る試験の合格率を、52.5%から58.5%へ上げた。訓練は、比べた従来の方式より最大1.85倍速く進んだという。
利用者が直接触る道具ではない。ただ、何時間も任せきりにできる AI がどう作られているかは、手元に届くエージェントに何を頼めるかの見通しに関わる。
1回の試行が数時間、100万語近く
論文が扱うのは、1回の試行が数時間に及び、作業環境と数百回のやりとりを重ね、100万トークン (AI が文章を数える単位) 近くを使う作業だ。AI に実際に作業させ、結果に点を付けて良い振る舞いを伸ばす強化学習で、こうした長い仕事をこなせるように鍛える。
作業が長くなると、二つの無駄が出る。論文によれば、試行ごとにかかる時間の差が大きく、終わらない試行を待つあいだ計算機 (GPU) が遊んでしまう。さらに、途中で枝分かれする作業の記録には同じような道筋が大量に混じり、訓練の手間を膨らませる。
計算機の配分を、止めずに組み替える
QwenGyre の答えは二つある。
- 計算機の配分を動かす — 試行の側と訓練の側のあいだで、需要に合わせて GPU を割り当て直す。走っている試行は止めない
- 作業の記録を整理する — 枝分かれした作業の履歴を組み立て直し、途中までの進み具合にも点を付け、重なった道筋を省く
成果として論文が挙げた数字は次のとおりだ。Qwen が最上位とする「Qwen 3.8 2.4T」で1回の試行に70万トークンを使い、48回の更新で、要件書からライブラリを作る試験 NL2Repo-Bench の合格率が52.5%から58.5%へ6ポイント上がった。訓練の速さは、試行と訓練を同じ計算機に同居させる方式より最大1.85倍、非同期で並べる方式より最大1.78倍だった。
試験の中身と、数字の読み方
NL2Repo-Bench は、AI に要件を書いた文書と空の作業場だけを渡し、インストールして使えるライブラリを一から作らせる試験だ。出来は、用意されたテストに通る割合で測る。2025年12月に公開された試験の論文では、最も強いモデルでも平均の合格率は4割に届かず、途中で作業をやめる、全体の設計を見失う、といった失敗が多かった。
58.5%は、その壁を越えた数字になる。ただし読み方には注意が要る。数字は Qwen の研究者が自ら報告したもので、論文は査読を経ていない。比べたのは訓練の前後と訓練方式どうしで、ほかの会社のモデルとの比較ではない。最上位モデルの Qwen 3.8 2.4T が一般に使えるかどうかも、論文の要旨には書かれていない。
もう一つ、効いている分野が限られる。鍛えて測っているのはプログラミングで、テストで正誤を自動で判定できる仕事だ。正解が一つに決まらない家計の相談や書類の作成で、同じ伸び方をするとは限らない。AI の能力がこうした検証しやすい分野から先に伸びることは、カルパシー氏の投稿を扱った10月12日の記事でも触れた。
何時間も任せる日に備えて
何時間、何日もかかる仕事を目標ごと預ける製品は、すでに出始めている。Google Cloud の Gemini エージェントもその一つで、10月10日の記事で取り上げた。QwenGyre のような訓練の仕組みは、こうした長い仕事を途中で投げ出さないエージェントを、より安く速く作る方向に働く。
使う側に残るのは、確かめる手間だ。数時間かけて仕上がった成果物は、1段落の答えより点検に時間がかかる。テストのように正誤を機械で確かめる手段が無い仕事ほど、任せた結果の良し悪しを見分けるのは自分になる。
確認できる次の一点は、Qwen が Qwen 3.8 を一般に公開するときの発表と性能表だ。Qwen の公式 X とブログに、NL2Repo-Bench のような長い作業の試験の点数が載るか、ほかの会社のモデルと並べた数字が出るかを見たい。
ことば
- 強化学習 — AI に実際に作業させ、結果に点を付けて、良い振る舞いを伸ばしていく学習法。正誤を自動で判定できるプログラミングのような分野ほど鍛えやすい。
- トークン — AI が文章を読み書きするときに数える単位。日本語ではおおむね1文字から数文字にあたる。100万トークン近い作業は、長い本を何冊分も読み書きする量にあたる。
- NL2Repo-Bench — 要件書と空の作業場から、使えるライブラリを一から作らせる AI の試験。数百回の手順を計画して進める力を測り、2025年12月に論文が公開された。
AI に何時間もかかる仕事を預けられるようになったとき、あなたは仕上がりのどこを、どれだけの時間をかけて自分で確かめるだろうか？
