Sakana AI、FuguコンダクターをGemma 4で再構築しQwen版と同等性能に
Sakana AIは、最先端モデル群へリクエストを振り分ける小規模モデルである「Fugu」のコンダクターをGemma 4 E2Bで再学習した。未学習の知識、コード、大学院レベルの科学の各質問セットにおいて、既存のQwenベースのコンダクターと同等の精度とコスト削減を達成したと報告している。今回の移行は、モデル群だけでなくオーケストレーション層もモジュール化可能であることを示している。これにより、国内で事前学習された日本語ベースモデルでコンダクターを学習させる道が開かれ、データ主権要件を抱える顧客も、モデル群を通じて引き続き海外のトップモデルを利用できるようになる。
出典： sakana.ai ↗
指揮者モデル自身のベースモデルの多様性はこれまで担保できていなかった。
Sakana AI
なぜ重要か
- → orchestration layer自体が交換可能であり、1つのfoundation modelに固定されないことを証明する。
- → 国内の日本のbase modelを使って主権に準拠したconductor modelを可能にする。
- → 異なるorchestrator世代間で性能と費用対効果を維持する。
Orchestration、モジュール化へ