コンテンツにスキップ
メインサイト ニュース コンソール

清華大学、AIエージェントOSをオープンソース化:タスクコスト83%削減、AIメモリの閲覧・編集が可能に

· 量子位
国内AI

清華大学の共同研究チームがこのたび、現在の AI エージェント(Agent)の実運用における数々の課題を解決することを目的とした、オープンソースのエージェント OS を発表しました。

PilotDeck 2.0 と名付けられたこのシステムは、清華大学 THUNLP 研究室、面壁智能(ModelBest)、OpenBMB などのチームが共同で立ち上げたものです。

本システムは、ユーザーや開発者が AI エージェントを利用する際に直面する典型的な課題の解決に注力しています。プロジェクトが増えるとファイル、メモリ(記憶)、タスクが混在して管理が困難になる点、タスクのロジックが複雑化するにつれてトークン消費量が急増する点、そしてユーザーが PC から離れると AI が処理の途中で止まって指示待ちになってしまう点などです。

これらの課題に対し、PilotDeck 2.0 は**「メモリ管理」「タスク実行」「モデル呼び出しコスト」**という 3 つの主要機能の最適化にフォーカスしています。

全体として、本システムは主に以下のコア機能を備えています:

  • プロジェクト管理:複数プロジェクトの並行処理に対応し、低レイヤーでファイル、メモリ、タスクを分離することで、データの混在やコンテキストの混線(コンテキスト汚染)を防ぎます。
  • 長期記憶(ロングタームメモリ):プロジェクトの背景情報、ユーザーの好み、作業の進捗状況を自動的に記録します。可視化と手動編集が可能で、前提コンテキストを繰り返し入力する手間を省けます。
  • バックグラウンド実行:長期間におよぶタスクの常駐バックグラウンド実行に対応し、実行可能なタスクを自律的に巡回・確認することで、ユーザーのオフライン時にも作業を着実に進行させます。
  • インテリジェントルーティング:タスクの複雑度に応じて動的にモデルを割り振ります。複雑なプランニングは上位モデルに任せ、単純なタスクは軽量で低コストなモデルを呼び出すことで、推論コストを大幅に削減します。

Workbuddy Bench ベンチマーク評価において、Qwen3.6-35B-A3B を搭載した PilotDeck は 79.1 スコアを獲得し、Claude Code(77.3 スコア)を上回りました。

また、「強力なモデルが統括・判断し、小規模モデルが実行を担う」という階層型スケジューリング戦略により、長周期の複雑なタスクを処理する際のコストを最大で約 6 分の 5 削減できます。

AI に独立したワークスペースを提供し、メモリ・ファイル・タスクの協調管理を実現

さまざまな AI ツールを日常的に利用する中で、「コンテキスト汚染」は出力の質を落とす大きな要因になりがちです。たとえば、AI に厳格な学術スタイルでシステムアーキテクチャの提案書を作成させた直後、SNS の投稿文を作成するよう指示すると、生成された文章に依然として大量のアーキテクチャ専門用語が混ざってしまうといったケースです。

この現象の根本原因は、既存のエージェントの多くがメモリ機構を「ブラックボックス」にしている点にあります。AI がどのような情報を、いつ、どこに記録・保存したのかをユーザーが直感的に把握することはできません。対話の過程でモデルが重要なビジネスロジックを誤解してしまうと、エラーの原因を正確に特定することが難しく、結局会話全体をクリアしてタスクを最初からやり直さざるを得ないことがほとんどです。

PilotDeck の基本アーキテクチャは、Workspace(ワークスペース)を基本的な管理単位としています。この設計は、AI ごとに独立した仮想デスクを割り当てるようなもので、各プロジェクトが専用のファイルシステム、メモリプール、ツールセットを保持します。

たとえば、ワークスペース A で音声・動画の編集タスクを実行し、ワークスペース B で iOS アプリケーションを開発する場合、両者のメモリおよび検索空間は物理的に完全に分離され、互いに干渉しません。ユーザーが同時に複数のプロジェクトを進めていても、システムはそれぞれのコンテキスト環境を個別に保持するため、メモリの混同やタスクの脱線を効果的に防止できます。

さらに重要なのは、PilotDeck がメモリシステムを「ホワイトボックス化」した点です。

これまで、AI が「ユーザーの好みに基づいて処理しました」と表示しても、その推論の根拠や正確性をユーザーが知ることは困難でした。ホワイトボックス化の仕組みにより、ユーザーには透明性のある確認・編集権限が与えられます。メモリの抽出、生成、保存から最終的な呼び出しに至る全プロセスが、ユーザーから可視化されます。

ユーザーはいつでもパネル上で、AI が蓄積した好みや事実データを 1 件ずつ確認できます。重要なパラメータが誤って記録されているのを見つけた場合でも、忘却を促すような複雑なプロンプトを作成する必要はなく、コントロールパネルから直接手動で修正・削除したり、重要な情報をワンクリックで固定(ピン留め)したりできます。

また、システムには「Dream モード」も搭載されています。AI がアイドル状態のとき、システムはバックグラウンドで分散した対話メモリを自動的に整理・要約・重複排除します。整理の過程で重要な詳細情報が誤って削除された場合でも、ワンクリックでのロールバックに対応しており、整理前の状態へと瞬時に復元できます。

それだけでなく、PilotDeck は Always-on(常駐実行)モードを導入しています。ユーザーがチャット画面を閉じたりオフラインになったりしても、エージェントはバックグラウンドで長周期の監視・実行タスクを継続できます。スケジュールどおりに所定のプロセスを完了するだけでなく、実行中に潜在的な関連タスクを自発的に検出することも可能です。すべてのタスクが完了すると、最終成果物をローカルファイルとして出力し、あわせて完全な実行概要レポートも生成します。

注目すべき点として、システム全体が MCP(Model Context Protocol)をネイティブでサポートしていることが挙げられます。Web インターフェース、コマンドライン CLI、あるいは WeChat Work(企業微信)や Lark(Feishu / 飞书)などの協調ツールエコシステムを介したアクセスのいずれであっても、バックエンドの実行ロジックやインタラクションの挙動は高度に一貫しています。開発者にとっては既存のワークフローをベースにツールやスキルを容易に拡張でき、日常的に AI を利用するユーザーにとっては背景情報を繰り返し説明したりタスクを手動で連携させたりするコストを大幅に削減できます。

「親=強、子=軽」のインテリジェントルーティング:約 1/6 のコストでより優れた性能を実現

エージェントを用いて長周期のタスクを実行する際、高額な API 呼び出しコストは実運用の大きな障壁となります。基礎的なテキスト整形やフォーマット適用など、多くのステップ自体は複雑なロジックを必要としないにもかかわらず、従来の無分別なアーキテクチャでは全工程で最上位のフラグシップモデルを呼び出してしまい、トークン消費量が急増しがちでした。

そこで、PilotDeck は Smart Routing(インテリジェントルーティング)機構を導入しました。

システムのベースレイヤーにはタスク難易度識別モジュールが組み込まれており、複雑なワークフローを分解して異なる階層のモデルに振り分け、エッジ・クラウド協調と階層的オーケストレーションを実現します。最上位の大規模モデルが全体のプランニングと意思決定を担い、下位のコード実行、テキスト推敲、フォーマット処理などの基礎的なステップは軽量モデルへとダウングレード・オフロードされます。

ソーシャルメディアのコンテンツ運用シナリオでの実測では、インテリジェントルーティングを使用せずに全工程で Claude Opus 4.5 を使用した場合、1 回あたりの呼び出しコストは 12.58 ドルでした。一方、インテリジェントルーティングを有効化し、メインエージェント(トップレベルのプランニング担当)に Opus 4.5 を割り当て、サブエージェント(テキスト推敲担当)を Sonnet 4.5 にダウングレードした場合、1 回あたりのコストは 2.83 ドルに抑えられ、約 70% のコスト削減に成功しました。

より難易度の高い複雑なタスクの評価では、このアーキテクチャの優位性がさらに際立ちます。研究チームは、ポッドキャストの多言語配信、マルチソースデータレポートの生成、専門分野の論文レビュー、コードベースのアーキテクチャドキュメント作成など、7 つの複雑なタスクを選定して横断比較を行いました:

  • 単一モデル MiniMax-M2.7:呼び出しコストは 1.90 ドルだったものの、総合評価スコアは 37.1 にとどまりました。
  • 単一モデル Claude Sonnet 4.6:総合評価スコアは 69.1 に達したものの、1 回のテストコストは 18.36 ドルに上りました。
  • PilotDeck ルーティングオーケストレーション(メインモデル Sonnet 4.6 + サブモデル MiniMax-M2.7):総合スコアは 70.6 に向上し、1 回あたりのコストはわずか 3.15 ドルで済みました。

テスト結果は、この協調アーキテクチャが最上位の単一モデルよりも優れた総合パフォーマンスを発揮するだけでなく、呼び出しコストをその約 6 分の 1 に抑えられることを示しています。

現在、PilotDeck は AGPL-3.0 オープンソースライセンスのもとでソースコードが公開されており、macOS、Linux、Windows に対応しているほか、Docker によるコンテナ化デプロイもサポートしています。

参考リンク:
[1] https://github.com/OpenBMB/PilotDeck
[2] https://x.com/OpenBMB/status/2110364065822646570

#国内AI#4Allapi.com

4All API チームによる投稿

原文リンク:https://www.qbitai.com/2026/10/503935.html

主流 AI モデル API をお探しですか?4All API は OpenAI / Anthropic / Google Gemini / Qwen / DeepSeek など数十種類のモデルを単一の API キーで呼び出せます。公式準拠の価格、エンタープライズ品質の通信路、5 分で接続完了。

4All API コンソールに登録 →