企業向けAIツールを手がけるWriterが2026年8月13日、新モデル「Palmyra X6」と、AIの実行基盤を最適化する「ハーネス」の改良版を発表しました。組み合わせることで基本的なタスクのコストを最大50%削減できるとしており、既存の複数モデルで検証したところハーネス側の改善だけでも平均40%のコスト削減効果が確認されたといいます。トークン(AIが文章を処理する際の最小単位)課金に悩む企業へ向けた提案です。
背景と文脈
企業がLLM(Large Language Model、大規模言語モデル)を業務に組み込む際、悩みの種になりやすいのがAPI利用料の膨張です。エージェントが複雑なタスクをこなすほど、モデルとのやり取り(推論)の回数やトークン消費量が増え、想定外のコストにつながるケースが目立ってきました。特にエージェントが自律的に複数のツールを呼び出しながら作業を進める構成では、1回のタスク完了までに何十回もモデルへ問い合わせが発生することがあり、想定より高額な請求に驚く企業も少なくありません。
Writerはもともとマーケティング担当者向けのAIライティングツールを提供してきた企業で、近年は特定のモデルに縛られない「モデルに依存しない」設計へと軸足を移しています。自社モデルのPalmyraシリーズに加え、Azureやアマゾンのクラウドを通じて外部モデルとも組み合わせられる構成が特徴です。今回の発表は、その中でも「コストをどう抑えるか」という一点に焦点を絞った内容になっています。
技術/ビジネス面
新モデルのPalmyra X6は、中国Z.aiのオープンソースモデル「GLM-5.2」をベースに、追加の学習(ポストトレーニング:公開済みのモデルに、目的に合わせた追加データで再学習を施し、性能や挙動を調整する工程)で性能を調整したものです。ゼロから独自モデルを作るのではなく、既存の有力なオープンモデルを土台に磨き上げるアプローチを取っています。巨額の計算資源を投じて基盤モデルを一から訓練する大手AI企業とは異なり、実用面での磨き込みに開発リソースを集中させる戦略といえます。
もう一つの柱である「ハーネス」は、AIモデルがタスクをどう実行するかを制御する実行基盤を指します。プロンプトの組み立て方、ツール呼び出しの順序、途中経過の要約方法などを工夫することで、同じ結果を得るのに必要なトークン数そのものを減らせるという考え方です。Writerの説明によれば、モデル自体を切り替えるよりも、このハーネスの効率を上げるほうがコスト削減効果は安定して得られるとのことです。実際、複数のモデルを対象にした社内検証では、ハーネスの改善だけで平均40%のコスト削減を確認したとしています。
CEOのMay Habib氏は「企業が求めているのはコストの平準化であり、それを提供できる企業はほとんどない」と述べ、大手AI企業には「トークン消費量を増やすインセンティブが働いている」と指摘しています。モデル提供企業にとってはトークン消費量の多さがそのまま売上につながるため、効率化への動機づけが働きにくいという、業界構造そのものへの問題提起とも読み取れる発言です。ハーネスは特定モデルの性能に組み込まれた要素ではなく、企業がどのモデルを使うかにかかわらず効果を発揮する共通基盤だからこそ、Writerはここへの投資に重きを置いています。
これからどうなるか
AIエージェントを本番運用に載せる企業が増えるにつれ、モデルの精度だけでなく「1タスクあたりの実行コスト」がプロダクト選定の重要な指標になっていきそうです。自前でAIエージェントを組む開発者にとっても、プロンプト設計やツール呼び出しの回数を見直す「ハーネス側の最適化」は、モデルの乗り換えより手軽に着手できるコスト削減策として参考になります。
一方で、コスト削減を前面に出す主張は数値の測定条件によって印象が変わりやすい部分でもあります。自社のワークロードで実際にどれだけの削減効果が出るかは、導入前の検証で確かめる必要があるでしょう。とはいえ「モデル選択」と「実行基盤の効率化」という2つの改善軸を切り分けて考える視点自体は、自前でAIエージェントを構築する開発者にとっても取り入れやすい発想です。
まとめ
WriterはPalmyra X6とハーネス改良を組み合わせ、AI活用コストを最大50%削減できると発表しました。モデル選びだけでなく実行基盤の最適化に着目した点が特徴で、トークン課金の膨張に悩む企業にとって現実的な選択肢の一つになりそうです。
参考リンク
アイキャッチ画像: Photo by ThisisEngineering on Unsplash
