エージェント的および推論AIの台頭

OpenRouterとa16zは、エージェント的推論モデルへの移行を強調した「AIの現状2025」を発表しました。 - OpenRouterデータセット:100兆トークンの実際のインタラクションデータ - レポートは2025年をAIの「成熟期」と位置付け - 推論モデル(例:OpenAI o1)は計画、ツール使用、マルチステップ解決を可能に - 推論モデルは現在、トラフィックの50%以上を占める - プロンプトの長さは約4倍に増加 - ツールの呼び出し(検索、コード実行)が日常的になった - オープンソースエコシステムが多様化;中規模(15B–70B)モデルが好まれる - 中国のオープンモデル(DeepSeek、Qwen、Moonshot、ZAI)がオープンソースシェアの約30%に達した - 主要な実ユーザーのユースケース:プログラミング(最も急成長)とロールプレイ(単一アプリ使用の約50%) - NeurIPS受賞論文:注意におけるゲーティングが長文コンテキスト処理とトレーニングの安定性を改善 - OpenAIは「メモリ > プロンプト」の方向性を示唆 - Google Gemini 3 Deep Thinkがマルチ仮説の「マルチスレッド」推論を追加
Key insights
業界レポート:エージェント的推論が主流に
a16zとOpenRouterの「AIの現状2025」レポートは、単一ターン生成からマルチステップ推論およびエージェント的行動への構造的シフトを発表しました。レポートはOpenRouterの100兆トークンのインタラクションデータセットを使用して、推論可能なモデル(OpenAI o1を引用)が計画、ツール使用、マルチステップ問題解決を行うことを示しました。レポートは、推論モデルがモデルトラフィックの50%以上を占め、平均プロンプトの長さが約4倍に増加していることを述べ、ユーザーがより多くのコンテキストを提供し、マルチステップの出力を期待していることを示しています。
ユーザー行動:長いプロンプトと日常的なツール呼び出し
レポートにおけるOpenRouterのデータは、ユーザーがモデルに対してはるかに大きなコンテキストを提供し、より深い推論のために長い応答遅延を受け入れるようになったことを示しました。レポートはプロンプトの長さが約4倍に増加し、広範なモデルツールの呼び出し(例:ウェブ検索、コード実行)を文書化し、ツール呼び出しを高価値タスクのための標準的なワークフローとして説明しました。また、ユーザーは即座の単一ターンの回答を生成するだけでなく、計画し外部ツールを使用できるモデルを好むことが強調されました。
オープンソースの風景:中規模モデルと中国の参入者がシェアを獲得
レポートは、コストと能力のトレードオフとして中規模モデル(15B–70Bパラメータ)が好まれる拡大したオープンソースエコシステムを描写しました。2025年までにオープンソース市場の約30%に成長した中国のオープンモデル(DeepSeek、Qwen、Moonshot、ZAI)を新たな競争相手として名付けました。レポートは、現在の市場を多極的と位置付け、単一の支配的なオープンモデルではなく、複数の組織が競争していることを示しました。
ユースケースの集中:プログラミングとロールプレイが支配
OpenRouterの使用統計は、プログラミングが最も急成長しており、戦略的に重要なアプリケーションであることを報告しました。コードの記述やバグ修正のためにモデルが開発者IDEに重く埋め込まれています。レポートはまた、ロールプレイがオープンソースの最大のアプリケーションであり、創造的な執筆や没入型インタラクションのための検閲されていないカスタマイズ可能な特性により、オープンソース使用の約半分を占めていることを特定しました。
アーキテクチャの進展:ゲーティングが注意と長文コンテキストの性能を改善
NeurIPS 2025のベストペーパーは、Transformerの注意に追加されたゲーティングメカニズムに関する体系的な実験を報告しました。この研究は、15Bパラメータまでの30以上のゲーティングバリアントを評価し、連結前にヘッドごとに学習されたゲートを挿入することが最良の結果をもたらすことを発見しました。報告された利点には、より高い学習率を可能にする安定したトレーニング、初期トークンの「注意シンク」の削減、およびコンテキストウィンドウを拡張した際の長文ベンチマークでの著しい改善が含まれます。
ベンダー製品の方向性:メモリとマルチスレッド推論
ベンダーのシグナルは推論トレンドと一致しています:OpenAIの最近のブログは、プロンプトエンジニアリングから持続的なメモリへの移行を強調し、モデルがユーザーの習慣をますます学習するようになると述べています。GoogleのGemini 3は、複数の仮説を同時に探る「Deep Think」モードを導入し、マルチスレッド推論として説明されています。これらのベンダーの更新は、主要なプロバイダーがメモリと構造化されたマルチステップ推論機能を優先していることを示しています。
全体的な含意:競争は複雑な問題解決にシフト
結合された発見とベンダーの更新は、競争の軸が表面的な会話の流暢さから、モデルが長いチェーンの推論を行い、計画し、ツールを使用し、長いコンテキストを処理する能力へとシフトしていることを示しています。レポートとそれに伴う研究は、イノベーションが推論アーキテクチャ、メモリシステム、およびマルチステップのエージェント的ワークフローに焦点を当てることを示唆しています。