Supersonic Labs が Julia 1 を公開：1.443 億パラメータの Apache 2.0 意思決定モデル、CPU 端末上で動作
MarkTechPost の 2026 年 9 月 26 日の報道によると、ブラジルの Supersonic Labs は mmBERT-small ベースの 1.443 億パラメータの意思決定モデル Julia 1 を公開し、重みは Apache 2.0 で提供され、choice、score、noul の 3 種類の呼び出しに対応し、CPU 上でローカルに動作する。同社の試験では Typed Decisions、AG News、DAIR Emotion で Jev の参考値を上回ったが、72 ラベルの Banking77 では明確に劣り、ホスト型 API は発表済みだがまだ開放されていない。
主な変更
MarkTechPost の 2026 年 9 月 26 日の報道によると、ブラジルの小規模ラボ Supersonic Labs が Julia 1 を公開した（注意：このバージョンは現在 KimiSeek のカタログに掲載されておらず、報道中の API 可用性はベンダー側のものを指す）。これはチャットモデルではなく意思決定モデルである。呼び出し側がコンテキスト、質問、説明付きの 2〜20 個の候補回答を渡すと、モデルは与えられた順序で選択項目と完全な softmax 確率を返し、呼び出し側 ID はそのまま返送され、自由テキストは生成しない。重みは Hugging Face 上で Apache 2.0 として公開されている（重みが入手可能であることはオープンソースライセンスを意味しないが、ここでは出所が Apache 2.0 と明示している）。Python 3.11+ 環境で CPU または BF16 対応 GPU 上で動作し、別途 ONNX ビルドは WebGPU 経由でブラウザ上でも動作する。ホスト型 API は発表済みだがまだ開放されていない。モデルは JHU CLSP の mmBERT-small エンコーダに意思決定ヘッドを加えたもので、ラボは Qwen の微調整ではないと明言している。実行時のマージトークン上限は 8,192 で、公開ベンチマークでは 1,024 を使用。3 種類の呼び出しは choice（分類、ルーティング）、score（順序付きスコアで期待インデックスを返す）、noul（yes/no が真である確率）である。報道中の 2026 年 9 月 24 日の評価は H200 BF16 上で厳密なエンコード方式で実行され、比較対象は Jev を再実行したものではなく TypeSafe Jev ベンチマークプロトコル内の参考値である：Typed Decisions 73.15%（参考 72.70%）、AG News 94/100（参考 91%）、DAIR Emotion 86/100（参考 48%）、Banking77 はわずか 64/100（参考 87%）、MASSIVE は 52 の言語地域にわたるマクロ平均 71.50%、pt-PT 86.25%、en-US 86.75%。分類試験は各項目わずか 100 サンプルである。9 月 25 日の CPU 実行では Typed Decisions 72.55%、Banking77 60/100 を再現し、3 回の回答放棄があった。遅延について、報道では Apple M4 で単一意思決定の中央値 33.15 ミリ秒、Samsung SM-X510 タブレットで ONNX Runtime 経由の中央値 203 ミリ秒、ピーク RSS 393.1 MB、Intel Core i5-1235U 上の AG News で中央値 107.83 ミリ秒、一方 Banking77 は 72 ラベルを先に絞り込む必要があるため 3,713.54 ミリ秒とされている。
開発者への影響
開発者への直接的な影響は、「分類／ルーティング／スコアリング」を大規模モデルから切り出し、端末側の小型モデルに載せる選択肢が現れたことである。1.443 億パラメータ、FP32 重みで約 550.5 MiB は、スマートフォン、タブレット、ノート PC、さらにはブラウザに収まることを意味し、分類呼び出しごとに課金されたりネット接続を必要としたりしない。報道で計画されている API 価格は 100 万入力トークンあたり $0.025 だが、この API はまだ開放されておらず、その価格の報道日は 2026 年 9 月であるため、読者は本文ではなくベンダーの最新ページで現在の価格を確認すべきである。同時に能力の境界を明確に見る必要がある。これは与えられた候補の間で比較するだけで、欠落した事実を補完したり、代数や多段計算を行ったりすることはできない。Router は絞り込み過程で正しいラベルを捨てる可能性があり、既存の Transformers パイプラインをそのまま置き換えられるコンポーネントでもない。報道によれば、これをホストする Hugging Face 推論プロバイダーはない。ベンチマーク面で最も重要なシグナルは「3 項目で Jev を上回った」ことではなく、ラベル空間が 4、6 から 72 に拡大したときの急激な劣化である：AG News 94/100 に対して Banking77 64/100、さらに CPU 再現では 60/100 しかなく、粗粒度でラベルの少ない判定に適し、細粒度の多分類には向かないことを示す。また、報道中の「Jev より 5 倍速い」という主張はベンダーの X 投稿に由来し、Jev 試験は Jev をホスト型サービスとしてフランスから呼び出して測定したもので、遅延は同等条件の比較ではなく、そのまま受け入れるべきではない。
導入と評価の提案
以下は報道に基づく条件付きの分析と提案であり、検証済みの事実ではない。第一の判断：このモデルの出力をそのままオンラインの自動ルーティングに使うか。報道の「ラベル数が多いほど悪い」（Banking77 64/100、CPU 60/100）と「Router がラベルを落とす可能性」は二つの異なる変化であり、分けて扱う必要がある。もしあなたのシナリオでラベル数が約 20 を超え、誤判定が課金、権限、返金などの不可逆的な動作を引き起こすなら、モデル出力を直接実行せず、第二の判定や人手による確認を組み込むことを勧める。ラベル数が非常に少なく（例えば 4 クラス以内の粗分類）、動作がロールバック可能なら、まず段階的導入に入ってもよい。測定可能な評価基準：自分でサンプリングした少なくとも 200 件の実リクエストで、モデルの選択項目と人手アノテーションの一致率を比較し、「正解が Router の絞り込み段階で除外された」割合を別途集計する。第二の判断：端末側展開で既存のホスト型分類呼び出しを置き換えるか。報道のデバイス実測は M4 中央値 33.15 ミリ秒、SM-X510 中央値 203 ミリ秒、i5-1235U 上の AG News 中央値 107.83 ミリ秒、一方 Banking77 は 3,713.54 ミリ秒に達し、候補数やラベル規模が実現可能性を決める前提条件であることを意味する。リクエストが短いテキスト中心でラベル数が少なく、百ミリ秒級、ネットワーク不要のローカル推論を受け入れられるなら端末側が有利である。ラベル規模が大きい、または低遅延・高並行が必要なら、端末側 CPU 経路は成立しない可能性がある。測定可能な評価基準：目標デバイス上で入力長を固定し、各意思決定種別の P50 と P95 遅延およびピークメモリ（報道参考値 RSS 393.1 MB）を個別に負荷試験し、既存の方式と同一機上で比較する。第三の判断：今すぐ業務をホスト型 API に移すか。報道はこの API が発表済みだがまだ開放されていないと明言しているため、現段階では自前ホスティングしかできない。まずローカル重みで小規模な検証を行い、API 側の可用性、レート制限、課金を確認したうえで切り替えるか決め、報道の計画価格に基づいて容量計画を立てないこと。評価手順としては、まず 1,024 トークン以内の入力を固定し、報告で示された測定条件に沿って候補を構成してオフライン一致率テストを行い、次にデバイス負荷試験を行い、両方が基準を満たしてから段階的導入に進むことを勧める。
制限と未確認事項
本報道の核心的な限界はサンプルと比較条件である。分類試験は各項目わずか 100 サンプルで、Typed Decisions は 2,000 件だがその他の項目は信頼区間が広く、強い結論を支えるには不十分である。比較ベースラインは同一環境で Jev を再実行したものではなく Jev プロトコル内の参考値を使用し、Jev の遅延はホスト型サービスを国境を越えて呼び出して測定されたもので、このモデルのローカル実行とは比較できない。したがってベンダーの「5 倍速い」という主張は独立した検証が必要である。モデルの非公開トレーニングパイプラインは公開されておらず、データ構成や潜在的なバイアスを確認できない。9 月 25 日の CPU 再現では 3 回の回答放棄があり、低スペック環境では挙動が劣化する可能性を示す。報道が主張するホスト型 API は本稿執筆時点でまだ開放されておらず、計画中の 100 万入力トークンあたり $0.025 という価格は 2026 年 9 月の報道に由来し、価格は変動するためベンダーの価格ページを参照されたい。特に説明が必要なのは、Julia 1 というバージョンは現在 KimiSeek のカタログに掲載されておらず、報道で言及された API 可用性はベンダー側の取り決めを指し、KimiSeek プラットフォームとは無関係である。さらに報道は候補回答の文言、順序敏感性、多言語安定性（MASSIVE はマクロ平均と 2 つの言語地域のみ報告）などの詳細を提供しておらず、これらは実際の性能に影響しうるため、読者自身がテストして確認する必要がある。
元の報道の図版
