DeepSeekは、ボトルネックはモデルではなく「あなたの注意力」だと判断した

10月31日、DeepSeek Harnessチームは「Super-agent: Design Exploration Toward a More Autonomous Agent System」と題する技術ノートを公開した。プロトタイプも同時に提供された。
議論の出発点は、モデル企業としては異例なところにある。能力から始まるのではない。人間側の限界から始まる。人は品質が崩れるまでに、同時に3~5個のアクティブなセッションしか追えない。複数のタスクを並行して進めると、どの会話がどの決定を保持しているかを手動で切り替え、記憶することになる。単一タスクの上限はモデルから来る。マルチタスクの上限はあなたから来る。
それはシステムの問題であり、DeepSeekはそのように扱った。
ルーターとワーカー
アーキテクチャは2層である。ルーターはグローバルコーディネーターとして継続的に動作する。グループチャット、GitHub、メールなど、すでに使っているあらゆるチャネルからメッセージを受け取り、タスクをディスパッチする。ワーカーはそれぞれ独自のコンテキストを保持し、並列に実行する。バグの再現、プルリクエストのレビュー、機能の構築などだ。タスクをさらに展開する必要がある場合、ワーカーはサブエージェントを呼び出せる。
その周囲に4つの仕組みがある。2段階フィルタリングを備えたイベント駆動型ディスパッチ、非同期のマルチチャネル対話、ストレージとコンピュートの分離、外部ウォッチドッグである。

自律性の主張が宿るのはイベント駆動の部分だ。DeepSeekが運用する内部インスタンスでは、チームメンバーがグループチャットでソフトウェアの問題を報告すると、エージェントに言及しなくても起動できる。システムは潜在的な不具合を認識し、バックグラウンドで再現し、修正を探す。誰もそのタスクを割り当てていない。何もプロンプトを待っていない。
DeepSeekは目指す4つの特性を挙げている。continuous(継続的)とは、分断されたセッションではなく、IMとGitHubをまたぐ1つのエージェントを意味する。efficient(効率的)とは、新しい指示が前のタスクの完了を待たないことを意味する。proactive(能動的)とは、環境イベントを監視し、注意を向けるべきことがあれば行動し、そうでなければ沈黙することを意味する。persistent(持続的)とは、常時稼働し、実際の作業環境に接続され、長時間の実行中に障害から復旧できることを意味する。
チームが挙げる例は示唆に富む。チャットでプランAを提案し、その後プルリクエストのコメントで考えを変えてプランBを提案したとしよう。セッションに縛られたエージェントなら、そのことを伝える必要がある。スーパーエージェントはそれに気づき、方向を調整するべきだという。
正直な免責事項
DeepSeekは、これが製品機能の発表ではなくエンジニアリングの探求であると明言している。チームはまた、この設計に新しい理論は導入していないとも述べる。何十年もオペレーティングシステムや分散システムに存在してきた古典的なシステムの考え方を、エージェント構築に適用したものだ。
その慎み深さは正確であり、同時にこの文書で最も興味深い点でもある。規模を拡大したエージェントの難しい部分は、コンテキスト管理、スケジューリング、障害復旧、可観測性である。つまり知能の仕事ではなく、インフラの仕事だ。
5日後に届いた数字
11月5日、同じチームはDeepSeek Harnessのコミュニティ向け数値を投稿した。公式APIの利用者ベースで測ると、11月4日の日次アクティブユーザーは154万人、月次アクティブユーザーは548万人、1日あたりのトークン消費量は約92兆だった。
割り算をしてみよう。92兆トークンを日次アクティブ154万人で割ると、アクティブユーザー1人あたり1日およそ6000万トークンになる。チャットアプリケーションではこのような利用プロファイルにはならない。エージェントならなる。1つの長期間にわたるコーディングタスクは、人が1か月にチャットウィンドウへ入力する量よりも多くのトークンを1時間で消費し得る。
この先の行方を考えるうえでは、プラグインの数字のほうが重要だ。サードパーティ製プラグインは約3万5000件に増え、アクティブユーザーの約60%が少なくとも1つを制作またはインストールしている。DeepSeekは、プラグインAPIの安定性と互換性を強化し、プラグインのセキュリティモデルを改善し、公式マーケットプレイスを構築すると述べている。プラグイン作者向けの支援プログラムも準備中だ。
これはプラットフォームへの動きである。プラグインが流通チャネルになれば、ハーネスはモデル品質だけではなくエコシステムで競争することになる。
DeepSeekの外でこれが重要な理由
本番環境でエージェントを運用するあらゆるチームに当てはまる点が3つある。
第一に、インターフェースは既存のものである。エージェントは新しい行き先を必要とせず、グループチャットやプルリクエストのコメントに現れる。Photoshopはユーザーに新しいアプリを覚えるよう求めたことはない。それは文書の中に住んでいた。エージェントプラットフォームも同じ教訓を学びつつある。
第二に、注意力は厳格な上限を持つ資源であり、誰もスケールさせていない唯一の資源である。GPUは増やせる。しかし、人が4つのコンテキストの糸を保持する能力を増やすことはできない。調整を人間からシステムへ移すすべてのアーキテクチャ上の決定は、ループ内で最も希少な入力を取り戻すことになる。
第三に、運用上のリスクが集まるのは、調整レイヤーをセルフホストする地点である。言及されずに行動するエージェントにはウォッチドッグが必要だ。なぜなら失敗モードは静かなものだからである。午前3時に、重要なリポジトリで、誰も頼んでいない合理的なことをしてしまう。
まだ欠けている部分
この文書はコスト管理に触れていない。作業をディスパッチするルーターと、自らのスケジュールでバグを再現するワーカーは、自らの判断で費用を使う。92兆トークンという数字は、支出がすでに大きいことを示唆している。そのうちどれだけが誰かが望んだ仕事を生んだのかは開示されていない。
レビューの問題にも触れていない。エージェントがチャットメッセージに応じてプルリクエストを開けるなら、誰かがそれをレビューしなければならない。DeepSeekの枠組みでは、人間は目標設定と受け入れへと移る。それは受け入れの判断が安価な場合には機能する。ほとんどのエンジニアリング組織では、修正が正しいかどうかの判断こそが高コストな部分であり、エージェントが速くなってもそのコストは縮まない。
オペレーティングシステムのように響く部分
AIの語彙を取り除けば、Super-agentの文書はジョブスケジューリングに関する論文のように読める。長時間稼働するコーディネーターがイベントを受け取り、分類し、作業を分離されたコンテキストへディスパッチする。ストレージとコンピュートは別々にスケールするため、停止したタスクが稼働中のタスクに必要なメモリを占有することはない。外部ウォッチドッグは、報告を止めたものを再起動する。2段階フィルタリングは、グループチャットのすべてのメッセージで人間を起こさないために存在する。
これらは分散システムでは解決済みの問題である。エージェント製品では未解決だ。なぜなら、ほとんどのエージェント製品はツールを付けたチャットセッションとして構築されており、チャットセッションには並行作業という概念がないからだ。
興味深い帰結は組織的なものだ。調整レイヤーが本当にセッション管理を吸収するなら、ループ内の人間の仕事は、ツールを操作することから受け入れ基準を書くことへ変わる。DeepSeekは人間が目標設定と検証へ移ると位置づける。実際には、重要なスキルがプロンプト作成から「完了とはどういう状態か」を知ることへ移ることを意味する。これはマネジメントのスキルであり、教えるのはかなり難しい。
DeepSeek自身のまとめは、この働き方が人間と機械の協働にとって普通になり得るというものだ。仕組みは信頼できる。未解決の問いは、組織が決して眠らないコーディネーターを中心に再編するのか、それとも眠る人間向けに設計されたプロセスに単にそれを取り付けるのかである。
関連記事
中国製 Android のシステム UI に載った広告を切る、コミュニティ管理のタップ表
システムには触らず、アンロックも書き込みもしない。ベンダーがもともと用意したスイッチを一つずつ倒すだけだ。代償は、この一覧を書き続ける人が要ることにある。
GPT Image 2.6 はトークン単価を据え置き、請求額を上げた
GPT Image 2.6 は 2.5 のトークン単価をすべて引き継ぎながら、1 枚あたりの費用は上がった。仕事の多くが出力トークン側に移ったからだ。11 日目の価格構造は、ランキングより多くを語る。
外から IDM を作り直した人が、触れなかった部分を書き残した
Mister Download Manager は Internet Download Manager の流れを Rust で作り直し、5 倍の速度と 86 言語を掲げる。より興味深いのは、何もコピーせずにどう作ったのかを説明した段落のほうだ。
Rune はエージェントが自分の仕事を検証できるように作られた Rust UI フレームワーク
Rune はヘッドレスで描画し、要素ツリーを出力し、スクリプト化された入力を受け付ける。スクリーンショットでは決して得られない、diff できる信号をコーディングエージェントに渡せる。フレームワークはプレリリースで、プルリクエストは受け付けない。