スタックが3種のエージェントに分裂している

エージェントの世界でモデルサイズが主役でなくなってから、数ヶ月が経つ。今重要なのはアーキテクチャ、つまり生の推論とユーザーが実際に触れるものとの間にあるスタックの構造だ。本日の3つの発表は、その分裂を具体的なものにしている。エージェントを本番環境に組み込もうとしている者にとって、これらの発表は、スタックを選ぶ際に自分が実際に何にコミットしようとしているのか、その輪郭をより明確に描き出すものだ。

OpenAIは小さなバイオテクノロジースタートアップであるOrchestra Bioを買収し、そのチームと技術を、ライフサイエンス研究向けの同社のAIモデル「Rosalind」と、研究者が実験を計画し結果を分析するのを支援する「Rosalind Workbench」ツールに統合した [1]。これは水平展開の動きではない。垂直展開だ。モデル、ツール層、ドメイン特化型ワークフローが一つ屋根の下にバンドルされている。この買収は、フロンティアラボが科学者に生のAPIアクセスを販売することに価値を見出しておらず、実験台から洞察までのパイプライン全体を所有することに価値を見出していることを示している。ビルダーにとっての含意は、汎用APIが、真のロックインが存在する完全管理型の垂直特化ソリューションのための、採算度外視の目玉商品になりつつあるということだ。

Mistral AIはVoxtral 3を発表した。これは、音声認識、テキスト読み上げ、音声エージェントSDKを単一のモデルファミリーに統合した、完全な音声エージェントスタックである [3]。50以上の言語をサポートし、エージェントがライブ会話中に外部ツールを呼び出すことを可能にし、自社インフラまたはEUでホストされたAPIを通じて実行できる。これは全く異なる種、すなわち音声ネイティブエージェントだ。テキストモデルに音声を後付けするアーキテクチャとは異なり、Voxtral 3は音声を主要なモダリティとして扱う。実際的な違いはレイテンシと、音声ターン中のツール統合にある。これらは、独立したASRモデルをLLMに連結する場合、後付けの機能のように感じられるものだ。Mistralは、リアルタイム音声エージェントが機能ではなく独立した製品カテゴリであることに賭けており、その賭けを具体的にするためにフルスタックを提供している。

一方、Pulsusは、デバイスの障害復旧時間を20時間から2分に短縮するエージェントを発表し、Androidエンタープライズデバイスとそれを使用する従業員をターゲットにしている [2]。詳細は乏しいが、その構造は見慣れたものだ。人間が介在する復旧プロセスを自動化されたものに置き換える、狭義のオペレーショナルエージェントである。これは第三の種、つまり特定のワークフロー内部に存在し、特定のコストのかかる問題を解決する組み込み型オペレーショナルエージェントだ。汎用的である必要も、音声ネイティブである必要も、研究ワークベンチの一部である必要もない。その狭いドメイン内で高速かつ信頼性が高ければそれでよい。

3つのアーキテクチャ、3つのコミットメント

これら3つの動きは、ビルダーが取り得る3つの異なる賭けに対応している。OpenAIの賭けは垂直統合だ。再現が困難なドメイン特化の能力と引き換えに、マネージドスタックを受け入れる。Mistralの賭けはモダリティネイティブなインフラだ。音声を第一級市民として扱い、セルフホスティングとデータ主権を維持するオプションを備えたスタックの上に構築する。Pulsusの賭けは組み込み型の専門化だ。汎用性を装うことなく、一つのオペレーショナルな問題を極めて上手く解決する。

これらのどれが抽象的に「正しい」アーキテクチャというわけではない。選択は、規制されたドメインでの価値実現までの時間、ツール利用を伴うリアルタイムの音声インタラクション、あるいは特定のエンタープライズワークフローにおける運用コスト削減など、何を最適化するかによって決まる。

現在進行形で開発している者にとっての意味

実際的な教訓は、単一の汎用エージェントスタックの時代は、本格的に始まる前に終わりつつあるということだ。新しいエージェントプロジェクトを始める際、最初の決断はどのLLMを呼び出すかではない。どの種を構築するかだ。もしバイオテクノロジーや同様に深いドメインにいるなら、フロンティアラボがあなたのスタックを狙って来ており、ワークベンチごと持ち込もうとしている。音声エージェントを構築しているなら、インフラは今や統一スタックとして利用可能であり、セルフホスティングのオプションはデータレジデンシーに関する議論を変える。エンタープライズ運用を自動化しているなら、テンプレートは明確だ。20時間かかる障害復旧を見つけ出し、2分に縮めよ。

モデルはもはや最低条件だ。アーキテクチャこそが製品である。