要約（3行）
- AI 研究所の Ai2 が 10/2、研究の質問と文献の抜粋から「出典つきのレポート」を書く80億パラメーターのモデル「AstaBrief」の重みと学習データを公開した。Qwen3-8B を土台に追加の訓練をしたもので、ライセンスは Apache 2.0（Hugging Face の表示）。
- 同社の研究支援サービス「Asta」の「Generate a report」で、今日から「Fast mode」として使える。Claude を使う従来の「Thinking mode」と並び、Asta 全体の平均で1レポートあたり 51.1 秒（Thinking は 178.5 秒、約3.5倍速）。
- 同社は、Claude を使う仕組みに「近い品質」と説明する。ただし評価の大半は 2025 年に終えたもので、今の最先端モデルとは比べ直していないと本人たちが書いている。
今後の使い方の流れ
- Asta で試す。 「Generate a report」で Fast mode と Thinking mode を選べる。速さを取るか、深さを取るかの選択になる。
- 自分の設備で動かすなら重みを取る。 Hugging Face の
allenai/AstaBrief_8Bと、学習データ（DPO 用の組み合わせ）が公開されている。 - 手持ちの PDF から作る。 重みと一緒に、自分の PDF からレポートを作る手順の例が付いている。機密の研究内容は、自分の設備の中で動かす使い方ができると同社は説明している。
- 出典を必ず読み返す。 出典つきでも、論文の結論より強い言い方になることがある。同社自身が、その点を評価する指標を今後入れるべきだと書いている。
この発表で何が変わりそうか（分析）
- 「速い小さなモデル」と「深い大きなモデル」を選べる形が、研究支援でも標準になりそう【推測】。 Asta が2つのモードを並べて出した。
- データの作り方まで公開した。 本物の研究質問9万件から、品質・個人情報などで選別して SFT（お手本で教える訓練）用に約4.7万件、DPO（良い・悪いの比較で教える訓練）用に約6千組を残した。お手本の作成には Claude や OpenAI などの商用モデルを使ったと明記している。
- 効いたのは、複雑な選別より「出典を付けているか」の単純な選別。 4つの選別を試し、出典の密度が低い例を外すのが最も効いたと書いている。
- 注意点が本人たちの言葉で書かれている。 評価は主に200問のコンピューターサイエンスの質問で、結果は「今回試した設計の選択についての証拠」として読むべきだと説明している。
- 中の人の言葉：ブログの署名は Kyle Wiggers 氏（「Ai2 Comms」と表示）だが、引用に使える短い発言が無いため、載せない。
出典
- Ai2「Open-sourcing AstaBrief, the fast report-generation model in Asta」（Hugging Face ブログ、2026-10-02）huggingface.co ↗
- Hugging Face のモデルページ（allenai/AstaBrief_8B）huggingface.co ↗
確認メモ（2026-10-04 に確認）：ブログ本文と、Hugging Face のモデル一覧（名前・ライセンス）を開いて確かめた。結果の表（各指標の数値）と人手の評価は、本文の途中までしか読んでおらず、載せていない。速さの数字は、本文に「商用モデルとの比較でほぼ1桁の短縮」と「Asta 全体で約3.5倍」の2通りの書き方があり、本記事は後者の具体的な秒数を使った。Asta の料金・対象は発表に書かれていない。
