出典付きレポートを書くAIが、AstaBrief 8Bで手元に降りてくる

1. 出典付きレポートを書く8Bが、公開された

Ai2が、AstaBriefという8Bのモデルをオープンソースにしました。研究の問いと、検索で集まった論文の抜粋を渡すと、出典の付いたレポートを返す。それだけの仕事に絞って訓練された小さなモデルです。重みも学習データもHugging Faceに置かれていて、誰でも落とせます。大きいモデルを借りるのではなく、小さいモデルを持つ。そういう選択肢が、一つ増えました。

01 質問と抜粋を入れると、引用付きで返ってくる

AstaBriefがやることは、はっきりしています。研究上の問いと、検索で取ってきた論文の抜粋。この二つを受け取って、引用の付いたレポートを一本書く。土台はQwen3-8Bで、Ai2はそこから先の学習データと評価、まわりの仕組みづくりに力を注いだと説明しています。

評価では四つのものさしを追いかけています。必要な内容がどれだけ書けているか、段落が問いに沿っているか、引用が主張を支えているか、主張が引用で裏打ちされているか。文章のうまさではなく、根拠とのつながりを測りにいっている。評価の設計に、この道具の性格が出ています。

02 Astaの「Fastモード」として、もう動いている

AstaBriefは論文の中だけの話ではありません。Ai2の研究プラットフォームAstaの「Generate a report」で、Claudeが担うThinkingモードの隣に、Fastモードとしてすでに並んでいます。公開されたモデルが、そのまま本番で使われている。

速さの数字は具体的です。Astaのパイプライン全体で、Fastモードは1本あたり平均51.1秒。Thinkingモードの178.5秒に対して、およそ3.5倍の速さ。Ai2は、追いかけていた商用モデルと比べて生成時間がほぼ一桁縮んだ、とも書いています。

2. 待ち時間が縮むと、使い方が変わる

51.1秒と178.5秒。差は約2分です。ただ、生活者の感覚でいえば、ここは「待つ」と「待たない」の境目でもあります。3分待つと人は席を立つ。1分なら、画面を見たまま次の問いを考えられる。AstaBriefの速さは、スペック表の勝ち負けというより、聞き方そのものを変える速さです。

01 一発で書く、という割り切り

速さの正体は、設計の割り切りにあります。Claudeが動くThinkingモードは、抜粋を要約し、まとめ、節ごとに書いていく。AstaBriefはその段取りを飛ばし、問いと抜粋から最終レポートを1パスで書き切るように訓練されています。

普通なら、工程を省けば質は落ちます。ところがAi2は、そうせずに済んだと報告しています。手順を足すほど賢くなるとはかぎらない。省いても保てるところが、思っていたより多かった。小さいモデルを速くする話は、たいてい何かを諦める話とセットですが、ここでは諦めどころが違ったようです。

02 作り方は、派手ではなく丁寧

訓練の手口も、意外なほど地味です。流行の強化学習は見送り、教師ありの微調整（SFT）と、好みを学ばせるDPOという素直な組み合わせを選んでいます。不安定で高くつくやり方より、直しやすい道を取った。そのぶん、データの質に時間をかけたと書かれています。

実際の利用者の問いから、ボットや短すぎる質問、個人情報を含むものをふるい落として9万件。そこからSFT用に4万7000件、好みの比較用に約6000件。いちばん効いたのは、いちばん素朴なふるいでした。引用がちゃんと付いているレポートだけを残すこと。凝った組み合わせは、そこまで効かなかった。

03 使った人は、戻らなかった

数字より効くのは、人の動きです。Fastモードを試したAstaユーザー374人のうち、29.1%が2日以上使い、1人あたり平均3.67本のレポートスレッドを作っています。

そして23%は、一度Fastモードを使って以降、Thinkingモードに戻っていません。18%は目的によって二つを行き来し、その人たちのスレッドの約40%がFast側でした。好意的な反応の割合も84.2%対85.2%でほぼ並びます。速いほうが雑、という前提が、ここでは崩れています。

3. 手元で動く、ということの重み

オープンウェイトの意味は、無料で使えることだけではありません。自分の機械の中で完結する、ということです。Ai2は、研究の問いそのものが未公開の仕事や機微な情報を映してしまう場面を挙げ、だから各機関が自前のインフラやファイアウォールの内側で動かせることが要る、と書いています。問いを外に出さずに済む。速度と同じくらい、生活に効く話です。

01 自分のPDFから作る例も、一緒に出ている

重みと並んで、自分のPDFからレポートを作るワークフローの例も公開されました。手元の論文や資料を読み込ませて、引用付きのまとめを吐かせる。その出発点が用意されています。箱だけ渡されて途方に暮れる、という定番の落とし穴が、ひとつ減りました。

部屋に自分用の調べもの係を置きたい人にとって、この形はわかりやすい。クラウドのAPIを叩かずに済み、問いが手元から出ていかない。J.A.R.V.I.S.を自作したい人が最初に欲しがるのは、たぶんこういう「読んで、まとめる」部分です。

02 向く人と、まだ向かない人

向くのは、読む材料が手元にあって、引用付きで整理したい人。評価の中心だったSQABench-CS2は、利用者が書いた200問のコンピュータサイエンスの研究質問です。もう一つのDeepScholarBenchは63問。得意分野の輪郭は、そのあたりにあります。

向かないのは、万能の相棒を期待する人です。14問で3人の研究者が比べた小さな人手評価では、総合の好みはDR Tuluが勝ち、AstaBriefは3人中2人が引用の正確さで支持しました。Ai2自身も、今日の最前線のモデルとは評価をやり直していないと断っています。勝ち負けの表ではなく、設計の検証として読む距離感が要ります。

03 日本語で使えるかは、まだ見えない

気になるのは言語です。学習データを作るとき、Ai2は英語以外の問い合わせをふるい落としたと明記しています。日本語でどこまで書けるかは、公式発表では未公表です。少なくとも、日本語の研究レポートを前提に作られたモデルではない、とは言えます。

それでも、英語の論文を英語で読ませ、要点を引用付きで出させる使い方なら手の届く範囲です。日本語のまとめは、別のモデルに渡せばいい。一つのモデルに全部やらせない組み方のほうが、結局は速い。

4. 今日、どこから触ればいいか

結論を言います。研究者でなくても、手元に読みたいPDFが溜まっている人なら、これは触って損のない公開です。8Bという大きさは、個人の機械に現実的に載る側のサイズ。しかも「引用を付ける」という、いちばん面倒で、いちばん効く仕事に特化している。まず落として、自分の資料を食わせてみる。話はそこからです。

01 落とす、食わせる、たどる

やることは三つだけです。Hugging FaceからAstaBriefを落とす。公開されたPDFワークフローの例をなぞって、自分の資料を読ませる。出てきたレポートの引用を、一つか二つ、元の論文までたどってみる。ここまでやれば、自分の用途に足りるかどうかは体感でわかります。

この「たどってみる」が肝心です。Ai2自身、引用が付いていることと、元の研究が言っている範囲を守っていることは別だと正直に書いています。サンプルの話が一般論になっていないか。過去形の結果が、現在形の断定にすり替わっていないか。一度自分の目で見ておくと、以後の信頼の置き方が決まります。

02 待つ理由があるのは、こういう人

急がなくていい人もいます。日本語で完結させたい人、研究以外の調べものに使いたい人、GPUをこれから用意する人。Ai2は、より細かい好み学習、RAGと強化学習の組み合わせ、複数ターンや複数ツールへの対応、質問の分解を次に探ると書いています。待てば、入口はもっと広がります。

ただ、待つあいだも選べることはあります。AstaのFastとThinkingを行き来して、自分がどちらの速さを求めているのかを先に知っておく。実際に18%の人がそう使い分けています。道具を決める前に、自分の癖を決める。順番としては、そっちが先です。

5. よくある質問

6. まとめ

7. 画像の出典