Alibaba系、長時間業務向けAI「Occamy-1.0」公開

中国Alibaba Group（中国の大手IT・ECコングロマリット）傘下のAccio Teamは、複数の外部ツールを操作しながら長時間にわたり複数ステップの作業を継続するAIエージェントモデル「Occamy-1.0」をオープンソースとして公開しました。総パラメータ数は350億ですが、推論時に動員するアクティブパラメータを約30億に抑制。モデルウェイトはApache License 2.0で提供され、学習基盤「Dressage」とともに自社インフラへ導入可能な体制を整えています。

350億パラメータ中30億のみ駆動するMoE構成

Occamy-1.0は、Alibabaの「Qwen3.6-35B-A3B」を基盤とするMoE（複数の専門ネットワークを入力に応じて切り替える方式）（混合エキスパート）モデルです。モデル全体に256のエキスパートを備え、トークンごとに8つのルーティングエキスパートと1つの共有エキスパートのみを呼び出します。これにより、全パラメータを毎回演算する方式と比べて計算量を大幅に引き下げています。標準コンテキスト長は26万2144トークンを保持しています。

開発チームが実施したポストトレーニングは3段階で構成されています。

• ​教師ありファインチューニング（SFT）​: 合計1万4998件の実行軌跡（約4億330万トークン）を使用。ツール呼び出しや長期対話、ターミナル操作のデータを網羅。
• 2つの専門チェックポイントの統合​: 少ないステップでの完了を評価する強化学習手法HDPOを施した「Marathon Expert」と、短時間のツール操作を学習した「Sprint Expert」を平均統合。
• ​非同期最適化​: 統合モデルにSAO（Single-Rollout Asynchronous Optimization）を適用し、長時間の協調作業（co-work）向けに最終調整。

さらに、エージェントの操作履歴をトークン単位で追跡・記録する強化学習フレームワーク「Dressage」も公開されました。

基盤モデルとの性能比較と効率改善

Accio Teamが公表したベンチマーク結果によると、Occamy-1.0は基盤モデルであるQwen3.6-35B-A3Bと比較して、作業達成率の向上とリソース消費の削減を同時に達成しています。

評価指標・測定項目	基盤モデル（Qwen3.6-35B-A3B）	Occamy-1.0	改善幅
Claw-Eval（平均スコア）	69.5	82.2	+12.7ポイント
Claw-Eval（Pass³複数試行）	54.8	71.4	+16.6ポイント
WildClawBench（実務評価）	40.4	49.16	+8.76ポイント
タスク軌跡当たりの消費トークン数	基準値（100%）	-19.5%	19.5%削減
ツール呼び出し回数	基準値（100%）	-15.2%	15.2%削減
処理全体の所要時間	基準値（100%）	-46.4%	46.4%短縮
タスクタイムアウト率	9.88%	2.18%	7.70ポイント低下
無効なツール呼び出し率	1.85%	0.86%	0.99ポイント低下

長時間の業務実行では、途中の失敗や不要なツール呼び出しがトークン費用と所要時間を押し上げる要因になります。Occamy-1.0は少ない手順で確実に完了させる行動パターンを学習することで、実行時間の半減に近い効率化を示しました。

自社環境運用の要件と導入前の未確認事項

モデルカードによると、推論基盤としてSGLang 0.5.10以降またはvLLM 0.19.0以降が推奨されています。案内された構成例では8分割テンソル並列を使用し、26万2144トークンのコンテキストに対応します。

導入に際しては、以下の未確認事項や運用制約を考慮する必要があります。

• ​社内環境での実効性​: 公開ベンチマークの数値は開発元による測定であり、自社のCRMや財務会計、コード管理基盤など固有のツール環境において同等の成功率が得られるかは個別検証が必要です。
• ​画面操作の非対応​: ブラウザやデスクトップ画面を直接視覚認識してクリック・入力する操作は、現行の学習インターフェースには含まれていません。
• ​データ来歴に関する申し立て​: 米Anthropicは2026年6月、Alibaba側の運用者がClaudeのアカウントを用いて大規模な蒸留活動を行ったと米議会関係者に申し立てています。Occamy-1.0の学習データに該当データが含まれているかは公開資料から判断できず、組織の調達基準に応じた確認が求められます。

分析と展望：エージェント評価軸の「手数削減」への転換

今回の発表は、AIエージェントの競争軸が「単発の回答精度」から「複数ステップをいかに少ないトークンと所要時間で完遂できるか」という実運用コストの最適化へ明確に移行したことを示しています。

編集部注: 350億パラメータのMoEモデルにおいてアクティブパラメータを約30億に抑えた設計は、オンプレミスやプライベートクラウドでの推論インフラ費用を劇的に抑制する現実的な解といえます。外部APIへのデータ送信を避けたい金融機関や製造業にとって、自社ホスト可能な軽量エージェントモデルの登場は、業務自動化の導入ハードルを大きく下げる要因になるとみられます。

引用元：財経新聞