AIエージェントの運用コストを最大100分の1に — オープンウェイトの「Smaug」3モデルが公開された

AIエージェントを本格的に動かし始めると、多くの人が同じ壁にぶつかる。賢いモデルは高い。そして、エージェントは1タスクで何十回もモデルを呼ぶので、コストがあっという間に膨らむ。

この「エージェントは金食い虫」という問題に、真正面から安さで殴りかかってきたのがAbacus.AIだ。

2026年9月10日、同社はエンタープライズのエージェント用途に特化してファインチューンしたオープンウェイトモデル群「Smaug」を公開した。ラインナップは3つ。すべてHugging Faceからダウンロードでき、同社のRouteLLM API経由でも使える。売り文句は、フロンティアモデルのおよそ10〜100分の1のコストで自己改善型エージェントを大規模に動かせる、というものだ。

3モデルの棲み分け

Smaugは3兄弟で役割が分かれている。

Smaug Agentic は最上位。Kimi K3をベースにした2Tパラメータの巨大モデルで、複雑なコーディングループでSOTA級の性能を謳う。Abacusはこれを「Opusクラスの置き換え」と位置づけていて、より低コストでフロンティア級を狙う、という主張だ。

Smaug Flash は主力の働き者。DeepSeek Flashをベースにしていて、速度・コスト・効率・エージェント性能のバランスが求められる自己改善型エージェント向けとされる。実務でいちばん回るのはおそらくこいつだろう。

Smaug Mini は27Bの小型モデル。マルチモーダル用途や軽めの推論ワークロード向けで、小さいながらエージェント性能の底上げを狙う。手元のGPUで動かしやすいサイズという意味で、個人開発者や小規模チームには一番手を出しやすい。

注目したいのは、AbacusがSmaugを「任意のOSSベースモデルに適用できるファインチューニング手法」と説明している点だ。特定モデルの一発芸ではなく、既存のオープンモデルの長時間エージェントループの性能を、コストを上げずに15〜20%改善する技術だと主張している。

これが効いてくる場面

いちばん現実的なメリットは、エージェントの内製化だ。オープンウェイトでHugging Face配布ということは、自社インフラでセルフホストできる。データを外部APIに投げずに、社内で完結させながらエージェントを回せる。プライバシーとコスト、両方に効く。

コスト構造が変わると、設計の発想も変わる。フロンティアモデルのAPI課金を気にしていると、「エージェントに何十回もループさせる」設計はためらわれる。だが呼び出し単価が2桁下がれば、多少富豪的にモデルを叩く自己改善ループも現実的な選択肢になる。「賢いモデルを1回」より「そこそこのモデルを何十回」のほうが、タスクによっては良い結果を出す——その戦略を、コスト面から後押しする。

Kimi K3やDeepSeek Flashといった、すでに評価の高い中国系オープンモデルをベースに据えているのも面白い。フロンティアの独自モデルに頼らず、強力なOSSモデル＋エージェント最適化という組み合わせで勝負する流れが、はっきり見えてきた。

正直なところ

素直にいいと思うのは、オープンウェイトで出してきたことだ。ベンチマークの数字がどうであれ、手元にダウンロードして自分のワークロードで検証できる。クローズドなAPIの「速くて安い」という宣伝文句とは、検証可能性の重みが違う。

ただ、うのみにはしないほうがいい点もある。「フロンティアの100分の1のコスト」「15〜20%改善」といった数字はいずれもベンダー発表であって、第三者の独立検証はこれからだ。特にSmaug Agenticは2Tパラメータの巨大モデルなので、「安い」といっても、これをセルフホストするには相応のGPUインフラが要る。誰のPCでも気軽に、という話ではない。現実的にすぐ試せるのはMiniやFlashのほうだろう。

とはいえ、方向性は歓迎したい。エージェント運用のボトルネックが「賢さ」から「コスト」に移りつつある今、オープンウェイトで安いエージェント特化モデルという選択肢が増えるのは、素直にありがたい。まずはMiniあたりから触ってみて、自分のタスクで数字が本当なのかを確かめる——そこから始めるのがよさそうだ。

配布モデルや詳細はAbacus.AIのSmaugページで確認できる。