Knowledge Atlas、GLM-5シリーズでAIエージェントのスループットを132%向上

人工知能の導入に伴う高コストという課題に対し、Knowledge Atlas（02513.HK）は、コーディングタスクにおけるGLM-5モデルの処理速度を132%向上させることに成功しました。この大幅な効率改善は、企業のAI導入における財務的障壁を下げる可能性があります。

同社はテクニカルブログの投稿でこの性能の飛躍的進歩を詳述し、最適化が超大規模な「コーディング・エージェント（Coding Agent）」導入シナリオに重点を置いたものであると述べました。同社のエンジニアリングチームは、「基盤となるエンジニアリングの最適化により、GLM-5シリーズは最大132%のシステムスループット向上を達成した」と記しています。

エンジニアリングレポートによると、この改善はモデルの安定性も劇的に向上させ、システムの異常出力率は1万件あたり約10件から3件未満へと低下しました。Knowledge Atlasはまた、人気のあるオープンソース推論フレームワークであるSGLangへのプルリクエストを通じて、この修正をより広範な開発者コミュニティに提供しました。これは、すべてのユーザーのために基盤技術を進化させるという決意を示すものです。

この突破口は、AI導入の最大の障壁である膨大な運用コストに直接対処するものであるため、投資家にとって重要です。スループット（一定時間内にモデルが実行できるタスク数）を向上させることで、企業は同じハードウェアでより多くのユーザーに対応できるようになり、NvidiaなどのプロバイダーからのGPUに依存することが多い高価なAIインフラの投資収益率（ROI）を直接改善できます。

コスト削減と信頼性の向上

スループットの向上とエラー率の低下という二重の利点は、Knowledge Atlasに強力な競争優位性をもたらします。開発者のコード記述やデバッグを支援するAIコーディングアシスタントの導入を検討している企業にとって、信頼性はパフォーマンスと同じくらい重要です。エラーの少ないAIエージェントはより信頼性が高く、人間の監視も少なくて済むため、運用の摩擦をさらに軽減できます。

最適化の成果をオープンソースのSGLangプロジェクトに還元するという同社の決定も戦略的なものです。これにより、テクニカルリーダーとしてのKnowledge Atlasの評判が高まり、AI開発コミュニティ内での信頼が醸成されます。これはトップクラスのエンジニアリング人材を惹きつけ、改善されたSGLangフレームワークに精通した開発者による同社モデルのさらなる採用を促すことにつながります。具体的な修正は、SGLangコミュニティへのプルリクエスト#22811として提出されました。

香港証券取引所に上場しているKnowledge Atlasにとって、この技術的進歩は市場での地位強化につながる可能性があります。AI業界が成熟するにつれ、焦点は純粋なモデル能力から、効率的でスケーラブル、かつ費用対効果の高い導入へと移っています。この分野で実証されたGLM-5シリーズのパフォーマンスは、新たな法人顧客を惹きつけ、収益成長を促進し、混戦する市場において明確な差別化要因となるでしょう。

この記事は情報提供のみを目的としており、投資勧誘を構成するものではありません。