国内のAIベンダー「問小白（Wen Xiao Bai）」は最近、第4世代のオープンソース大規模モデル「XBai o4」を発表しました。このモデルは複雑な推論能力において重要な突破を遂げました。公式のテストデータによると、XBai o4は「Medium」モードでの性能がOpenAIの「o3-mini」モデルをすでに全面的に上回り、一部のベンチマークテストではAnthropicの「Claude Opus」を上回る結果を示し、オープンソースAI分野におけるまた一つの注目すべき製品となりました。

イノベーションアーキテクチャ：リフレクティブジェネレーティブフォームが推論モードを再定義

XBai o4の最大の特徴は、独自開発した「リフレクティブジェネレーティブフォーム（reflective generative form）」アーキテクチャです。この設計理念は伝統的な大規模モデルの推論の限界を打ち破り、Long-CoT強化学習とプロセススコアリング学習（Process Reward Learning）を巧みに融合させ、単一のモデルが深い推論能力和高品質な推論チェーンの選択能力の両方を持つことが可能になりました。

image.png

従来の大規模モデルは複雑な問題を処理する際、複数の独立したモジュールを協調して動作させる必要があります。これによりシステムの複雑さが増加し、推論効率にも影響を与えます。XBai o4はプロセススコアリングモデル（PRMs）とポリシーモデルのメインネットワークを共有することで、アーキテクチャレベルでの深く統合を実現しています。この設計による最も直感的な効果は推論速度の大幅向上であり、プロセススコアリングの推論時間は99％短縮され、実際の応用シーンにおいてより実用性のある性能を提供します。

パフォーマンス表現：マルチモードで異なる応用ニーズに対応

XBai o4はlow、medium、highの3つの異なる推論モードを提供しており、ユーザーは推論精度と計算コストのバランスを取って使用できます。複数の権威あるベンチマークテストにおいて、このモデルは注目に値するパフォーマンスを示しています。

数学的推論能力テストのAIME24およびAIME25において、XBai o4の性能は特に突出しています。これらのテストはAIの数学的推論能力を測る重要な基準とされており、XBai o4の優れた成績はその複雑な論理的推論能力の強さを証明しています。プログラミング能力評価のLiveCodeBench v5においても、このモデルは優れた結果を示し、コードの理解と生成能力の可能性を示しています。

中国語言語理解テストのC-EVALにおいて、XBai o4の性能はさらにそのローカル化された応用における利点を検証しています。これは国内のユーザーと開発者にとって、中国語の文脈に合わせたAIサービス体験を得られることを意味します。

オープンソース戦略：業界の協調発展を推進

注目に値するのは、問小白が完全オープンソースの戦略を選んだことです。関連するトレーニングと評価コードはGitHubプラットフォーム上で公開されています。この決定は、企業が技術のオープンサプライの姿勢を示すだけでなく、AI業界の発展に新たな力添えをしています。

オープンソースモデルの最大の利点は、研究者や開発者がモデルの技術細部を深く理解し、二次開発や最適化を行うことができる点です。この透明性は現在のAI発展の重要な段階において特に重要であり、特に推論能力という先端技術領域においてです。

企業ユーザーにとってオープンソースは、低い使用コストと高いカスタマイズの自由度を意味します。商業APIサービスに依存するよりも、企業は自身のニーズに合わせてモデルを調整・配置でき、データのセキュリティやサービスへの依存に関する懸念を避けることができます。

技術的意義：推論能力競争が新しい段階へ

XBai o4の発表は、AIの推論能力競争が新しい段階に入ったことを示しています。リフレクティブジェネレーティブフォームの成功的な適用は、他の研究チームに対して新しい技術的道筋を示しました。プロセススコアリング学習と強化学習の組み合わせは、複雑な推論タスクにおいて複数技術の融合の巨大な潜在力を示しています。

技術のトレンドから見れば、XBai o4が採用しているアーキテクチャデザインの考え方は今後の大規模モデルの発展方向に影響を与える可能性があります。一つのモデル内で多様な推論メカニズムを統合することで、効率を向上させ、システムの保守の複雑さを低下させることができます。このようなデザインの考え方は、AI技術の産業化応用を推進する上で重要な意味を持っています。

課題と展望

XBai o4は多くのテストで優れた結果を示しましたが、オープンソースモデルとして実際の応用における安定性と信頼性はさらなる実践的な検証が必要です。また、推論品質を維持しつつ、計算リソースの消費をさらに最適化する方法も今後継続的に改善すべき点です。

より多くのオープンソースの高性能推論モデルが登場するにつれて、AI技術の普及のハードルは次第に下がっています。XBai o4の発表は国内のAI産業に新たな技術選択肢を加え、グローバルなAIオープンソースエコシステムに価値ある技術革新を貢献しています。今後、こうした高性能オープンソースモデルは教育、研究、企業応用など様々な分野で重要な役割を果たし、AI技術がより広範な応用シーンへ浸透することを促進するでしょう。

プロジェクトのアドレス：https://github.com/MetaStone-AI/XBai-o4