ほとんどのエージェントスウォームは、自信満々にゴミを出力する。このシステムは違う。自分の出力を検証し、不合格なら捨て、すべての数字がソースに辿り着くまで再実行する。
- 300 の並列エージェント
- 4,000 ステップ / 実行
- 5 つのライブデータフィード
- エラーゼロにするための 3 回の検証パス
エージェントスウォームの厄介な真実は、エージェントが増えれば増えるほど、大抵は自信満々のナンセンスが増えるだけだということだ。
300 のエージェントをリサーチに投入すれば、確かに速い。しかし、彼らは古い数字、半分でっち上げの引用、実在しない 3 社の情報を一緒に持って帰ってくる。スピードは昔から問題ではなかった。信頼性が問題だったのだ。
そこで私は、スウォームを最終目標として扱うのをやめ、ループの1ステージとして組み込んだ。Opus 4.8 が作業を計画し、さらに重要なことに、それを検証する。Kimi K2.6 スウォームが実行する。そして Opus がすべての出力をそのソースに対して検証し、不合格を捨て、それらのタスクを再実行に送る。ループは、何も不合格にならなくなるまで停止しない。
これをテストするために、私はループに最も厳しい幻覚対策の仕事を与えた。EV 市場の 100 社を分析し、比較マトリックスを含むリサーチグレードのレポートを、すべての数値をライブソースに紐付けて作成するというものだ。
スウォームはスピードを与える。ループは、信頼できるスピードを与える。その違いは検証ステップにあり、それがすべてを変える。
欠けていたピース
なぜ生のスウォームは信頼できないのか
検証機能のないスウォームの品質は、最も性能の悪いエージェントの出力に依存する。97 のエージェントが正確な企業情報を出し、3 つが静かに収益数値を幻覚しても、完成したレポートには 3 つの地雷が埋め込まれ、完全なレポートと見分けがつかない。会議で問題が発覚するまで、どの 3 つかはわからない。
これが「エージェントを増やせばいい」という考えが行き詰まる理由だ。ボリュームは出力とエラー数を同じ割合で増大させる。人手が増えればミスも増えるが、誰もチェックしない状況は変わらない。
ループは、検証を実際に機能する第一級のステージとすることでこの問題を修正する。Opus 4.8 は、各エージェントの出力を、それが使用したと主張するライブソースと照合する。一致しない数値は拒否される。解決できない引用は拒否される。拒否されたものはすべてキューに戻され、再実行される。チェックに合格するまで、何も出荷されない。
ループ
クリーンになるまで実行される 4 つのステージ
システム全体はサイクルであり、直線ではない。各半分は最も得意とする部分だけを実行し、検証ステージが拒否するものを何もなくなるまでサイクルは回り続ける。
この第 4 ステージこそが全体のアイデアです。通常のスウォームはステップ 1 から 3 を 1 回実行し、エラーも含めた結果をそのまま渡します。ループは、何かがまだ間違っている限り停止することを拒否します。
実行
ループが自身のミスを捕捉する様子
以下が、私が Opus 4.8 に与えたプロンプトだ。下部のチェックリストに注目してほしい。このチェックリストこそ、後で検証ステージが不良作業を拒否するために使用するものであり、プロンプト全体で最も重要な部分である。
1# 役割: 作業を計画し、すべての結果を検証する。23目標: EV 市場の 100 社を調査する。4出力: 比較マトリックス + 調査レポート、すべての5 数値はライブソースに紐付けられること。67企業ごとのチェックリスト (これに照らして検証):8- 収益 + 利益率がライブフィードから取得されていること9- ソース URL が添付され、解決可能であること10- 数値が許容範囲内でソースと一致していること11- 未入力のフィールドがないこと1213# スウォーム実行後、すべての企業をチェックする。14# 不合格のものは拒否する。それらを送り返す。繰り返す。
Opus は 100 のリサーチタスク (1 社につき 1 つ) を計画し、Kimi K2.6 スウォームに渡した。最初のパスは数分で戻ってきた。そして、興味深い部分が始まった。
最初の検証パスで、Opus は 100 社中 12 社を拒否した。いくつかは、引用したフィードと一致しない収益数値があった。2 社は解決できないソースを引用していた。1 社は利益率フィールドが空欄だった。これらは最終レポートでは明らかではなかっただろう。しかし、すべて間違っていたことになる。
これら 12 社は、拒否理由を添付されてキューに戻された。2 回目のパス: 3 社がまだ不合格だった。3 回目のパス: ゼロ。ループは自動的に停止した。なぜなら、拒否するものが何もなくなったからだ。
生のスウォームなら、これら 12 のエラーを出荷して完了としていたでしょう。ループは、私が 1 行も読むことなく、それらすべてを捕捉しました。
5 つのライブフィードが、検証を曖昧ではなく厳密にしている理由だ。レポート内のすべての数値は、Binance, Yahoo Finance, World Bank, IMF、またはライブ株式市場を指している。Opus が検証するとき、モデルに自信があるかどうかを尋ねているのではない。主張された数値を実際のフィードと照合している。それが、リサーチグレードと自信満々の違いだ。
大局観
これはもう一つの DeepSeek の瞬間だ
実行から一歩引いてみよう。戦略的な全体像こそが本当のストーリーだからだ。
クローズドな研究所がシングルエージェントのチャットボットを出荷する一方で、200 億ドルと評価されるオープンな中国の研究所は、このようなループを可能にするスウォームそのものを出荷した。そのオープンウェイトモデル Kimi K2.6 は、現在 OpenRouter の週間リーダーボードで第 1 位に位置している。使用量で言えば、現在世界で最も使われている LLM である。
そして、検証が最も重要な領域で、まさに最も強力である。
- ファイナンスとコンサルティング。 プロフェッショナルなチャート、ヒートマップ、複数年にわたるレポート分析、デフォルトで McKinsey グレードの出力。
- アカデミックと研究。 LaTeX 数式レンダリング、比較マトリックス付き文献レビュー、ソースに辿れる引用。
- 他のツールを凌駕するスケール。 1 回のパスで 20 万語以上のコンテキスト、100 社のデータセット、100 枚のスライドデッキ。
- トレーサビリティ。 すべてのデータポイントはクリック可能なソースにリンクされている。リサーチグレードはデフォルトであり、設定ではない。
自分で実行する
ループ、最初から最後まで
研究室は必要ない。必要なのは、サイクルに配線された 2 つの半分と、検証するのに十分に厳格なチェックリストだけだ。
1{2 "pass": 1,3 "checked": 100,4 "passed": 88,5 "rejected": [6 { "company":"co_041", "reason":"収益がソースと不一致" },7 { "company":"co_067", "reason":"引用 404" },8 { "company":"co_092", "reason":"利益率が空欄" }9 ],10 "action": "不合格を再キュー -> スウォーム"11}
1 つのフレームでわかる違い
生のスウォーム
❌ 1 回実行し、結果を渡す
❌ 隠れたエラーがレポートと共に出荷される
❌ 品質は最も悪いエージェントに依存する
❌ すべての行を手動で監査する
❌ 自信満々で、検証不可能な数値
自己検証ループ
✔️ 検証パスがクリーンになるまで実行する
✔️ 失敗は自動的に捕捉され再実行される
✔️ 品質はチェックリストに依存する
✔️ 監査は不要、ループが実行した
✔️ すべての数値がライブソースに紐付けられる
スウォームはスピードを与える。ループは、信頼できるスピードを与える。
シングルエージェントの時代は終わりつつあるが、スウォームの時代には誰も触れない落とし穴がある。検証なしのボリュームは、単にミスをより速くするだけだ。次の時代を勝ち抜く人々は、最も多くのエージェントを実行している人々ではない。自分たちの作業をチェックするエージェントを実行している人々だ。
