自社向けAIの追加学習が1,000ドルから　計算費用を9割超削減する基盤が登場

米AI研究所のMind Labは2026年10月21日、業界特化型の独自AIモデルを構築したい企業に向け、学習を終えたモデルに対話力・安全性・思考力を仕込む仕上げ工程の総称。近年はここでの工夫が性能差を生んでいる。">事後学習プラットフォーム「Mint Recursive」の提供を開始した。製薬、金融、公共、ゲームなどの業界を対象に、企業の専門知識を自社保有のモデル能力へと変換する仕組みを提供する。

同社は、汎用モデルは出発点に過ぎず完成品ではないとの方針をとる。導入時は顧客企業とともにタスクの目標や合格ラインを定義するベンチマークを作成し、データ開発、事後学習、配備までを一連のループで検証しながら進める。顧客の参画度合いに応じて、同社エンジニアによる包括支援から自社で学習ループを直接制御する運用まで選択できる。

自社モデル開発の障壁となるコストに対しては、LoRAを用いた事後学習、ベースモデルの共有、分散最適化を組み合わせることで更新パラメータ数と計算量を削減した。すでに出荷済みの案件ではGPUコストが90%以上削減されており、専門特化の学習は1,000ドルから提供される。ベースモデルにはGLM、DeepSeek、Kimi、Qwen、MiniMaxの各シリーズを選択でき、プライベート環境やVPC、ハイブリッド環境への配備に対応する。

このプラットフォームは同所の強化学習研究から発展したものだ。2026年9月に同基盤を発表した際には、オープン重みを持つ7,520億パラメータのモデル「Macaron-V1.1」を2週間で事後学習し、60種類のUIタスクにおける初回成功率をGLM-5.3の71.67%から96.67%に向上させた実績を持つ。Mind Lab創業者のChen Kaijie氏は「企業にとって最も価値のある学習シグナルは社内専門家の判断であり、事後学習によってそれを自社モデルへ反映できる」と述べている。