Apodex、推論・エージェントモデル Apodex 1.1 と 35B のオープン版を発表──実世界エージェント作業で DeepSeek V4 Pro を凌駕
長期的エージェント作業に特化した Apodex 1.1 は GDPval-AA v2 で Elo 1348 を記録する一方、知識タスクではハルシネーション率が 78.4% と高いトレードオフを持つ。
リリース: 2026-08-31 · 読了 4 分記事の要約
1. 核心（What）
- Apodex 1.1 は Artificial Analysis Intelligence Index で総合スコア 44 を記録し、Kimi K2.6 や MiniMax-M3 と同等水準となった。
- 実世界のエージェント作業を評価する GDPval-AA v2 で Elo 1348 を獲得し、DeepSeek V4 Pro（1333）や Kimi K2.6（1202）を上回った。
- API 価格は入力 1M トークンあたり $0.30、出力 1M トークンあたり $3.00 で、コンテキスト長は 256K に対応する。
- 35B パラメータのオープン版「Apodex 1.1 Mini」の重みが Hugging Face で公開され、vLLM や SGLang によるローカルデプロイが可能。
2. 影響（Why）
- 長尺エージェント設計の有用性: 知識正確性（ハルシネーション率 78.4%）を犠牲にしてでも複数ステップの実環境タスクに最適化されているため、API コストを抑えた自律型ワークフローの構築において現実的な代替案になる。
- 国内エンタープライズのオンプレ選択肢: 金融や法務などの規制分野でホスト型 API の利用が難しい国内 SaaS 事業者は、35B のオープン版を自社 VPC 内の vLLM で動かし、ファイル操作を伴う業務自動化を検証する価値がある。
3. 根拠・詳細（How）
- AgentOS ランタイムと PIVOT-RL: AgentOS ランタイムによって永続的なワークスペース状態を維持し、静的な好みデータではなく環境軌跡と協調トレースに基づく PIVOT-RL（強化学習レシピ）で長期的タスクを最適化する。
- 検証中心のエージェントチーム構成: 出力の生成と検証を同一モデルで行わず、最大 150 のサブエージェントと構造化エビデンスグラフを持つ独立した検証エージェントチームによってトレーサビリティを担保する。
- 35B Mini のローカル実行要件: Apodex 1.1 Mini は 262,144 トークンのコンテキストをサポートし、vLLM などの環境で `--tool-call-parser qwen3_coder` および `--reasoning-parser qwen3` を指定して起動する。
4. 展望・課題（Next）
- 知識タスクにおける精度改善: AA-Omniscience スコアが -21.9 と低く知識信頼性に課題があるため、RAG や外部の検証ステップを組み合わせたパイプライン設計が必要となる。