Astaの高速レポート生成モデル「AstaBrief」をオープンソース化

Ai2は、科学研究プラットフォームAstaのFastモードを支えるレポート生成モデルAstaBrief 8Bをオープンソース化しました。研究上の問いと検索済み文献の抜粋を入力として受け取り、引用付きの完全なレポートを一度に書き上げます。セクションごとに生成する方式ではありません。重みと学習データの両方が公開されます。

ベースはQwen3-8Bで、エンジニアリングの大部分はベースモデルではなく、ポストトレーニングのデータ、評価、レポート生成の足回りに注がれています。

性能と構成

• Astaパイプライン全体で、Fastモードは1レポートあたり平均51.1秒、Claudeを搭載したThinkingモードは178.5秒で、約3.5倍高速です。比較対象としたプロプライエタリモデルと比べて生成時間がほぼ桁違いに短縮されたと説明されています。
• AstaBriefは本日からAstaのGenerate a report機能でFastモードとして稼働し、Thinkingモードと並行して動作します。
• Ai2は、研究者が自身のPDFからレポートを生成するために応用できるサンプルワークフローも公開しています。ローカルでのレポート生成を想定したものです。
• オープンウェイトにより、機密性の高い、あるいは未公開の研究を扱う研究課題でも、各機関が自前のインフラで実行できます。

学習レシピ：RLではなくSFT＋DPO

Ai2はあえてよりシンプルなレシピを選びました。教師ありファインチューニングと直接選好最適化（DPO）です。以前のDR Tuluの研究で、RLがオープンウェイトモデルの長文レポート生成を改善し得ることは示されていますが、RLベースの学習は不安定で高コストだと述べています。より安価に実行でき、デバッグや反復が容易な構成を求め、その結果として学習データの品質に重点が置かれました。

AstaBriefの構築には、数万件の実際の研究クエリ、引用に焦点を当てたフィルタリング、選好データ、そしてレポートを一度に書き上げる再設計されたパイプラインが必要でした。モデルの目標として掲げられているのは、回答の品質、関連性、構造、引用の根拠付けです。研究の結論を黙って広げるのではなく、エビデンスが実際に支持する内容に回答を結び付けておくことを狙っています。

注意点

学習と評価の大半は2025年に完了したため、学習データの生成や比較対象に用いたプロプライエタリモデルはその時点の最先端を反映しています。Ai2は現在の最先端モデルに対する完全な再評価は行っておらず、結果は彼らが検証した特定の学習およびシステム設計の選択に関する証拠として位置付けています。この取り組みは、科学発見のためのオープンなAIインフラとモデルを構築する米国のイニシアチブ、NSF OMAI（Ai2が主導）とも連携しています。

ローカルモデルを動かしていて、手持ちのPDFに対して引用付きの長文統合を行いたいなら、公開されたサンプルワークフローから始めるのがよいでしょう。