← すべてのニュース

香港大チームがYN意思決定モデル群を公開:4.21億パラメータのYN-miniは単一GPUで毎秒3.7万トークン、1200万世帯のシミュレーションに14基のGPU

機械之心が2026年11月6日に報じたところによると、香港大学の羅曄氏率いるチームは社会規模のマルチエージェントシミュレーションフレームワークS²-MASを発表し、YN意思決定モデル群(421M〜9B)とGeneseエンジンを公開した。報道では、4.21億パラメータのYN-miniが単一のA100上で毎秒3.7万トークンに達し、14基のGPUで約4時間かけて1200万世帯のシミュレーションを完了したとされる。

公開 更新

主な変更

機械之心の2026年11月6日の報道によると、香港大学の羅曄教授のチームは社会規模マルチエージェントシミュレーションフレームワークS²-MASを発表し、YN意思決定モデル群を公開した。フレームワークは約5億件の消費者世帯プロファイル(各36の構造化フィールド)、YN意思決定モデル、Geneseシミュレーションエンジンの3部分で構成される。報道によれば、チームは417万件の実調査の質疑応答を「世帯状態+質問+選択肢」形式に整理した。モデルは事前学習済みバックボーンと意思決定ヘッドを採用し、ModernBERTまたはQwenのバックボーンが文脈を符号化、意思決定ヘッドが候補行動をスコアリングしsoftmaxで選択確率に正規化するもので、トークン単位の自己回帰生成は行わない。YNファミリーは421M、322M、4B、9Bの4段階のパラメータ規模、計10の学習バリアントをカバーする。主力のYN-miniは約4.21億パラメータで、3.95億パラメータのModernBERT-largeバックボーンと選択肢スコアリングヘッドから成り、2段階のSFTとRLCDで学習され、論文の千万世帯シミュレーションではそのMLX FP16版が使われた。チームは学習・評価コード、学術作図と集計結果の再現スクリプト、200万件の独立合成世帯プロファイル、3万2000件のラベルなしタスク入力も公開し、モデルと一部の合成データはそれぞれの研究利用条件に基づいて提供されると説明している。 評価面では、報道によれば24万458問のホールドアウトされた単一ターンの消費者金融選択問題(119の問題バージョン、8275の回答者世帯グループ)で、YN-miniは74.55%の精度と38.37%のマクロ平均F1を達成し、Jev 1.13を9.30ポイント、GLM-5.3-Flashを5.68ポイント上回った。500組の固定グループ抽出(1万4441件の記録)ではGPT-6-Astraとのペア評価で74.73%対69.34%だった。報道ではまた、単一A100での展開テストでYN-miniが毎秒3.7万トークンに達し、Jev APIのスループットの22.72倍だったとされる。規模実験は14基のGPU(H100 80GBが8基、A100 40GBが6基)を用い、タスクを2400の作業単位に分割してパイプライン並列化し、3時間59分17秒で1200万世帯、2400万回のペア意思決定、2億8800万件の月次台帳状態を完了、エンドツーエンドで平均毎秒約1672回の世帯意思決定、約毎秒88.6万トークンだった。 エンジン側では、報道によればGeneseは単一のT4上で1000エージェントの単一ターンを6.17秒で実行し、OASISとOneSimをそれぞれ約17%、約20%削減した。意思決定バックエンドを固定した場合、その実行速度はAgentSociety、OneSim、OASIS、MiroFishの2.12〜4.10倍となる。チームは別途1060世帯の実世帯で消費予測の検証を行い、報道によれば独立意思決定のYN-Master-9Bの年間平均絶対誤差は5万1312元で、HANK式の完全合理性ベンチマークより3.42%低く、二乗平均平方根誤差は3.15%低かった。YN-Lite-4Bは所得別グループのフィッティング距離で同ベンチマークより14.26%低かった。

開発者への影響

接続を検討する開発者にとって、最も直接的な変化は呼び出し形態にある。報道が描くのは事前学習済みバックボーンと意思決定ヘッドであり、1回のフォワードで事前定義された候補行動をスコアリングしsoftmaxで確率分布を出す。トークン単位の生成は行わないため、呼び出し側は自由テキストを解析する必要がなく、文章全体の生成に対してトークンコストを払うこともない。代償として候補行動を事前に列挙する必要があり、タスクは閉じた選択肢に限定され、オープンな質疑応答や自由テキスト出力には向かない。評価の枠組みも変えるべきだ。比較可能なのは問題ごとの精度、マクロ平均F1、選択肢の順序を入れ替えた後に最高確率の選択肢が安定しているか、そして自前のハードウェアとバッチサイズで毎秒何回の意思決定を完了できるかであり、生成品質や人手による選好ではない。報道の毎秒3.7万トークンと22.72倍は単一A100の展開テストに由来するが、出所はそのテストの精度とバックボーン構成を明らかにしておらず、MLX FP16版は論文の千万世帯シミュレーションにのみ結び付いており、両者は同一条件ではない。これらの数値は精度、バッチサイズ、エンジンによって変動するため、桁の目安としてのみ扱うべきだ。Genese側の価値は台帳の一貫性に集約される。エンティティ・コンポーネント配列の一括更新、世界状態とイベントの同一トランザクション境界でのコミット、異常時のラウンドスナップショットへのロールバックといった仕組みは、千万規模の主体における「帳簿は変わったが記録が残らない」リスクに対応する。シミュレーションが一件ごとの記録とロールバックを要求しないなら、この部分の利得ははるかに小さくなる。さらに意思決定ヘッドのスコアリング構造はシミュレーションスタック全体に新たなインターフェース要件を課す。候補集合の生成、確率の読み出し、台帳の決済は独立に差し替え可能なモジュールに分ける必要があり、そうしなければモデルを替えるたびに実験を書き直すことになる。強調すべきは、上述の精度、スループット、加速比がいずれも論文とチーム側の説明に由来し、現時点で独立した再現はない点だ。

導入と評価の提案

以下は条件付きの提案と推奨であり、報道された事実ではない。判断一は、報告の「事前学習済みバックボーン+意思決定ヘッドで選択肢の確率を直接出力する」という変化に対応する。負荷が閉じた選択肢の選択問題、例えばアンケート形式の選好予測やルール内の行動選択であれば、意思決定ヘッドモデルを生成型呼び出しの代替候補にできる。前提は呼び出しごとに候補集合を列挙でき固定できることだ。自由テキストやオープンな推論が必要なタスクではこの代替は成立せず、生成型モデルを使い続けるべきだ。評価基準は自前のホールドアウト集合での問題ごとの精度とマクロ平均F1が既存ベースラインを上回るかどうかであり、加えて選択肢の順序を入れ替えるテストを追加し、最高確率の選択肢が変わるか観察する。精度が向上しなければ、利得は推論コストだけになるため別途計算する必要がある。 判断二は、報告のGeneseの一括更新、原子的コミット、スナップショットロールバックの設計に対応する。10万規模以上のエージェントシミュレーションを行うなら、まずモデルを替えるのではなくエンジンを再現すべきだ。前提はシミュレーションが一件ごとの照合を要求することだ。大まかな全体平均だけが必要で異常時のロールバックが不要なら、単純なバッチ処理スクリプトで足りるかもしれない。方法は同一の意思決定バックエンドで自前のハードウェア上で1000エージェントの1ラウンドを実行し、所要時間を記録し、台帳が一件ごとに照合できるか、異常時にラウンドスナップショットへ戻れるかを確認することだ。合格基準は帳簿が再現可能でロールバックが有効であることで、その上で毎秒の意思決定数を比較する。報告はGeneseをOASIS、OneSim、AgentSociety、MiroFishと比較しており、これらの数値はチームが設定した管理されたベンチマークに由来するため、自前で測る際は同一の意思決定バックエンドを固定しなければ比較可能にならない。 判断三は、前2項の前提条件として、報告の「モデルと一部の合成データはそれぞれの研究利用条件に基づいて提供される」に対応する。商用製品に組み込むなら、まずリポジトリごとにライセンス文言と必要な許諾範囲が自らの配布方法をカバーするか確認してからコードを書く。内部研究の再現のみなら通常この判断は発生しない。また、報告で対照として挙げられたGLM-5.3-FlashとDeepSeek-V4.1-FlashはKimiSeekディレクトリに対応項目があり、自前評価のベースライン候補になり得るが、ベースラインの選び方はあくまで自らのタスク次第だ。

制限と未確認事項

いくつかの不確実性は保持する必要がある。第一に、報道の精度、スループット、加速比はいずれもチームの自己申告であり、評価セットは消費者金融という単一シナリオの閉じた選択問題に由来し、報道自体もこの優位が汎化性やオープンな推論能力を意味しないと明記している。論文の74.55%と固定グループ抽出での74.73%は異なるサンプル基準に由来し、混用すべきではない。第二に、単一A100上の毎秒3.7万トークンのテスト構成(精度、バックボーン、バッチサイズ)は出所が明らかにしておらず、出所はMLX FP16版を論文の千万世帯シミュレーションにのみ結び付けており、両者は同一条件ではないため相互に一般化できない。第三に、重みは公開されているが研究利用条件に基づいて提供されており、オープンウェイトはOSI認定のオープンソースライセンスと等しくなく、商用範囲は自ら確認する必要がある。第四に、YN意思決定モデル群とYN-mini、YN-Lite-4B、YN-Master-9Bなどのバージョンは現在のKimiSeekディレクトリに完全一致する項目がなく、当サイトはこのシリーズを収録していない。報道もYNシリーズの公式APIやホスト型サービスに言及しておらず、後にベンダーが提供する場合、その可用性、価格、クォータはベンダーまたはホスト提供者に従い、当サイトが接続済みであることを意味しない。第五に、プロファイルの人手による品質評価の対象は処理済みの実調査プロファイル100件であり、消費予測実験は報道された1060世帯の実消費記録を用い、評価問題も実調査の質疑応答から取られている。これらの証拠源自体は合成データではないが、いずれもチームが自ら設計・実施した評価プロセスに由来し、対照ベンチマーク(HANK式完全合理性ベンチマークなど)と指標はチームが設定したもので、第三者による再現を欠く。真に合成人口で構成されるのは5億件のプロファイルライブラリと1200万世帯のシミュレーション実験であり、その集計結論は生成過程の統計的キャリブレーションに依存する。第六に、年を2031年に書き換えた記憶探測試験は各モデルわずか12組の問い方の変種しかなく、初期的な証拠にとどまる。第七に、シミュレーション結果で65歳以上の世帯が両条件下で全て購入見送りを選ぶといった極端な分布が現実に即しているかについて、報道は外部の行動データによる検証を示しておらず、これは報道に基づく推論であり出所の結論ではない。

3分で最初の呼び出しまで

登録後に API キーを作成してください。利用料金はアカウント残高から引き落とされます。初回チャージ30%オフ。¥500チャージ、お支払い ¥350、入金額 ¥500。¥1000チャージ、お支払い ¥850、入金額 ¥1000 最低チャージはこれまでどおり ¥10 で、試用にも使えます。

出典と編集方針

3.7万token/s实现千万级家庭仿真,准确率超越硅谷Jev模型,港大罗晔教授团队发布YN决策模型

引用元を基にAIが分析と翻訳を補助し、自動品質チェックを行っています。提案は実測結果ではありません。提供状況と料金は最新カタログをご確認ください。