宝玉（@dotey）のスレッド

Cline の著者ツイートからの翻訳: なぜ Cursor と Windsurf は、より高度なインテリジェンスを追求するのではなく、「速度に最適化された」モデルのリリースを選択したのでしょうか。 Cursor や Windsurf のような企業にとって、インテリジェンスの限界を押し広げる基礎モデルをゼロから構築するよりも、速度の最適化に重点を置いたモデルをリリースする方が明らかに現実的です。 なぜそんなことを言うのでしょうか？想像してみてください。 1. まず、オープンソースの Qwen3 モデルを取得し、独自のタスク環境で強化学習 (RL) を使用して直接微調整します。 2. 次に、微調整されたモデルを Cerebras またはその他の最適化された GPU ハードウェアにデプロイします。 3. 次に、この「中程度」のインテリジェントでありながら超高速なモデルをスムーズに実行してみましょう (クック)。 一方、全く新しい基盤モデルをゼロから構築することは、全く異なるレベルの難しさを伴います。これは、莫大な資金投資と長期的な人材育成を伴うだけでなく、予測不可能なリスクも伴います。AIコーディングエージェントを開発する企業にとって、市場にもたらす真の価値は、既存のオープンソースモデルにおける推論の微調整と最適化にあります。 率直に言って、このアプローチはまさに効率的な戦略です。最小限のリソースコストで、速度と知能のパレートフロンティアに可能な限り近づくことができるのです。コードベースのAI企業がこの分野に参入し始めていることを嬉しく思います。これは間違いなく業界にとって明るい兆候です。 しかし、これはコードベースの AI 企業が「中程度の知能だが高速」が「高い知能だが低速」よりも優れていると主張しているわけではないことを強調しておくことが重要です。 結局のところ、シナリオが異なれば、インテリジェンスと速度に対する要件も異なります。