Cursorの反復的モデル改善とGrok 4.5スウォーム

Cursorは、反復的モデル改善とエージェントスウォームの経済性について詳細に説明した。講演でLee Robは、ユーザーフィードバックの外部ループとトレーニング効率の内部ループについて述べ、エージェント群が研究タスクを自動化する様子を紹介した。同社はSpaceXAIと共同で、実際のインタラクションデータを用いてGrok 4.5をトレーニングした。別の実験では、強力なプランナー(Opus)と低コストのワーカー(Composer)によるスウォームアーキテクチャが、ドキュメントからSQLiteを1,339ドルで再実装したのに対し、すべてFable-5によるスウォームは同様の品質で20,057ドルかかった。新しいハーネスにより、競合は70,000件以上から1,000件未満に、コードサイズは64,000行から9,900行に削減された。SpaceXAIはまた、Grok Buildのエージェントハーネスをオープンソース化し、2パス圧縮、目標検出、デッドループ防止などの機能を備えた7層アーキテクチャを公開した。
Key insights
再帰的自己改善はすでに実用的:強力なモデルがより優れた補助モデルを生成し、トレーニングループを加速
Cursorのフレームワークは、強力なメインモデルを使用して、より優れた評価モデルや報酬モデルを生成し、それによって評価品質とデータ生成が向上します。これにより、各モデル世代が次のモデルをより効率的にトレーニングするのに役立つ正のフィードバックループが生まれます。このアプローチは完全に自律的なRSIではありませんが、すでに本番環境で使用されている検証可能な「モデルがモデルトレーニングパイプラインを改善する」仕組みです。
階層的なモデル使用によるスウォームアーキテクチャは、品質を損なうことなくコストを大幅に削減
管理されたSQLite再実装タスクにおいて、Opus 4.8をプランナー、Composer 2.5をワーカーとして使用したハイブリッドスウォームは1,339ドルで、非公開テストで100%の達成率を記録しました。一方、すべてFable-5によるスウォームは同様の品質で20,057ドルかかりました。鍵となるのは、最前線のモデルはルート分解や設計選択などの高エントロピーな決定にのみ必要であり、曖昧さが解消されれば低コストのモデルが実行できるという点です。
スケーラブルなマルチエージェントシステムの鍵は、単純な並列性ではなくコンテクスト効率
この記事は、スケーラビリティは多くのエージェントを並列実行することではなく、各エージェントに狭いコンテクストを与えること(プランナーは実装を書かず、ワーカーは計画しない)に由来すると主張しています。これはコースの企業理論と比較され、調整コストは作業自体よりも急速に上昇するため、階層的な境界が自然に生じるとされています。
エージェントハーネスのオープンソース化は信頼を構築し、コミュニティ主導の改善を可能に
SpaceXAIは、透明性による信頼性の向上、ソースコードをドキュメントとして提供する拡張性、そしてローカルファーストの展開を可能にするために、Grok Buildのエージェントハーネスをオープンソース化しました。7層アーキテクチャや2パス圧縮、デッドループ検出などのエンジニアリング詳細が、現在公開されており誰でも検証可能です。
コード行から仕様レベルの抽象化への移行がソフトウェアエンジニアリングを再定義
Cursorは、モデルの能力が作業単位を行からブロック、ファイル、仕様へと引き上げていると指摘しています。スウォームは、意図を実行可能な作業に変換するコンパイラに例えられ、重要な違いは各ステップが確率的であることです。不足しているリソースはコーディング能力から、意図の記述が正しく、実行可能で、検証可能かどうかへと移行しています。