百万字の資料を放り込むと、返ってくるのはそのまま使える成果物である。自分で仕事を分け、誰がどの部分を持つかを決め、仕上がるまで進める。読めることは前の世代の話で、仕上げられることがこの世代の主題だ。

この助手は最初、長い文書を一息で飲み込むことで知られた。K3 の代になって重心は明らかに一歩動いた。片側で文脈の窓を百万トークンまで広げ、もう片側で数百の下位エージェントを同時に動かせる群れの能力を作った。読み込めるのは半分にすぎず、仕上げられることが今回の狙いである。

百万字は見せかけではなく土台

総パラメータは三兆に近く、専門家の混合という作り方で、八九六の専門家のうちトークンごとに一六だけが動く。この構造の直接の利点は、モデルの規模が上がっても推論の費用が一緒に膨らまなくて済むことだ。文脈の窓は百万トークンあるので、数百ページの報告書、コードの保管庫ひとつ、何度も続く長い会話を、細かく切ってから貼り合わせる手間なしに同じ一つの会話で扱える。

K3 はさらに、最初から画像と言葉を一緒に扱うモデルである。文字、画像、動画を同じモデルの中で理解する。画面の写真を放り込んで、それに合わせてフロント側のコードを書かせ、実演の動画を放り込んで、画面の中の操作の流れを整理させる。どちらも途中に形式を変える手順が要らない。画面写真、スキャン、録画と毎日向き合っている人にとって、ここで省けるのはファイルを往復させる時間である。

仕事を配る：三百の下位エージェントを一度に

群れはこの世代で最も語る価値のある能力だ。いくつかの助手を並べただけではない。ひとつの主エージェントが目標を受け取り、どこを並行させるべきか、どう分担するかを判断し、最大三百の下位エージェントへ同時に送り出す。一度の仕事で四千回を超える道具の呼び出しが走る。

公表された規模はこうだ。大規模な検索のようなシーンで、群れは目標に届くまでの重要な手順を三倍から四倍半に減らす。体感では、二百本以上の記事を集めて分類し棚に収める、百の細かい方向を同時に調べて表にまとめる、といった以前なら順番待ちだった仕事が並行して終わる。実行中に下位エージェントが何をしているか、どの道具を呼び、どのページを見たかは見えているので、途中で方向が違うと分かれば止められる。

デスクトップ、端末、ブラウザのどれからも繋がる

同じ能力が複数の入口に分かれている。事務向けのデスクトップ版は最新の試用版で二大デスクトップ環境向けに提供され、端末内のファイルにつながり、決めた時刻に仕事を自動で実行し、ウェブページをまたいで操作もできる。開発者向けの入口はコマンドラインの道具とエディタの拡張の二通りで、コードの保管庫を読み、ファイルを書き換え、命令を走らせる。複数のファイルにまたがる仕事に向く。三つ目の入口は配備なしの道で、サーバーもコンテナも要らず、数十秒で動き続けるエージェントが立ち上がる。背後に五千を超える技能の集まりを備える。四つ目はブラウザの拡張で、クリック、入力、移動、取り込みを受け持ち、エージェントがページの中に手を伸ばして仕事をする。

三つのモデルと値段

いま売られているのは三つで、値段は百万トークンあたり、キャッシュに当たった場合、入力、出力の三段で示される。長い会話で繰り返し使う文脈はキャッシュの料金を通る。長い文書の仕事で費用を抑えられるのはそのためだ。

K3 の窓は百万トークンで、キャッシュに当たると二元、入力が二十元、出力が百元。残る二つは窓がその四分の一で、キャッシュに当たった場合がそれぞれ一元三十銭と一元十銭、入力がどちらも六元五十銭、出力が二十七元。分け方は素朴だ。日常の会話と一般的な仕事は安い二つに任せ、コードはコード向けの一本を見て、K3 はソフトウェア工学、深い推論、知識を扱う仕事という本当に能力を食うシーンに残す。値段も顔ぶれも版で変わるので、その時点で提供元が示す数字が基準になる。

返ってくるもの

成果物の幅は多くの人の予想より広い。深い調査は図表と追える出典の付いた報告書を返す。文書の様式は長い報告書、契約の確認、複雑な文書の流れに向く。表の能力は数式、集計表、図表の入った本物の表計算ファイルを作る。簡単な集計から財務モデルまで、要件を書けばそのまま出てくる。発表資料は、手元の文章、文書、画像、ひな形を編集できる形に変える。サイト作りは、コードを書かずに考えを公開できるページに変える。

手元のファイルもまとめて渡せる。一件あたり百メガバイトまで、一度の会話で最大五十件、文書、表計算、発表資料、画像、書式なしのテキスト、動画まで含む。文献の見直し、複数の契約の突き合わせ、表をまたいだ数字の照合といった仕事は、まとめて上げてそのまま質問できる。事前の整理は要らない。

重みの公開と使い始め方

K3 の完全な重みは、モデル自身の許諾条件で公開され、実行、配備、微調整、変更が認められている。費用を正確に数えたい、あるいは自分で動かしたいというチームにとって、これは主導権を手元に置ける選択肢であり、外部の呼び出し口だけに頼る必要はない。

日常の利用はウェブ、デスクトップ、携帯の三つの入口で、携帯は三つの主要な方式を覆う。料金は無料の枠と申し込みの組み合わせで、無料の段は基本的な会話、ファイルの送信、日常の問答をこなす。群れのような重い能力は有料の会員向けである。エージェントの仕事は普通の会話より明らかに多くの枠を食う。使い始める前に知っておくべき見込みだ。

最後に、実際に触って分かったことがひとつ。仕事の説明が具体的で、受け入れの基準がはっきりしているほど、返ってくる成果物はそのまま使える形に近づく。重要な数字や外向けの結論が絡む部分は、人の目を一度通したほうがよい。検査不要の成品として扱うより、非常に速い実行者として扱うほうが安定する。

この世代の本当の変化は、読み込めることが仕上げられることに変わった点だ。百万トークンの文脈はどれだけ入るかに答え、群れはどれだけ同時に進むかに答える。二つが重なって初めて、結果を渡せる助手に近づく。