この記事の要点
- 350M規模の小型モデルを、約500サンプルと100ステップで調整した発表です。
- IFStruct評価では、全体スコアが22.6%から29.7%へ上がりました。
- 価格や一般ユーザー向けの提供条件は、発表には書かれていません。
小さいAIは型を守れるか
AIの答えをそのまま仕事へ渡せるか。そこで問題になるのは、賢そうな文章より書式の安定です。
Hugging Faceの発表は、この地味な弱点に向けた実験です。350M規模のモデルでも、型を守る力は後から鍛えられると示しました。
構造化出力（決まった型でAIに答えさせること）は、チャットの見た目より裏側で効きます。予約や請求書の処理では、答えが表の項目に入らなければ使いにくいからです。
AIが商品レビューをJSONで返すと言ったのに、余計な説明を混ぜる。人なら読めても、システムは止まります。
発表でいうschema compliance（指定した項目や形式を守る力）は、この受け渡しを支える性能です。話のうまさとは別の能力です。
公開されたのは大きな新モデルではない
Hugging Faceが公開したのは、LiquidAI/LFM2.5-350Mを追加学習する手順です。モデルを大きくする発表ではありません。
| 項目 | 発表で示された内容 |
|---|---|
| 公開日 | 2026年9月3日 |
| モデル | LiquidAI/LFM2.5-350M |
| 訓練手法 | GRPOをTRLで実行 |
| 学習量 | 約500サンプル、100ステップ |
| 料金 | 商用価格の記載なし |
GRPO（報酬で良い答えを選ばせる訓練法）は、答えの形に点数を付けます。TRL（AIモデルを追加学習するHugging Faceのライブラリ）が、その訓練の道具として使われています。
発表は、新しいチャットサービスの開始ではありません。実行用ノートブック（手順を動かせる作業ファイル）を使う公開レシピとして読めます。
数字で見えた書式の改善
評価にはIFStruct（AIが指定形式を守るかを測るテスト）が使われました。基準モデルは、ローカル環境で2,000件を走らせています。
結果は、全体で22.6%から29.7%へ上がりました。改善幅は7.1ポイントです。
元のIFStruct発表で示されたLFM2.5-350Mの21.1%にも触れています。今回のローカル値22.6%は、同じ環境で前後を比べるための土台です。
評価の環境として、MacBook Proが使われました。機種にはApple M5 Maxと36GBのunified memoryが示されています。
実行にはllama.cpp（PCでモデルを動かすためのソフト）が使われました。巨大な専用クラウドだけの話ではありません。
伸びた場所に意味がある
目立つのはJSONです。JSON（アプリ同士がデータを渡す時によく使う書式）は、18.0%から31.9%へ上がりました。
YAML（設定ファイルなどで使われる書式）は27.2%から27.5%です。伸びた場所は、訓練で狙った場所です。
基準モデルの失敗では、必要項目の抜けが多く出ました。件数違いや型違いも目立ちました。
つまり問題は、AIが何も話せないことではありません。決めた枠を守れないことです。
これは、万能に賢くなった話とは違います。決まった形で返す訓練をすると、その形の失敗が減るという話です。
現場では名文より項目抜けが怖い
一般の利用者に近い意味はここにあります。社内の申請や顧客メールの分類では、名文よりも項目抜けの少なさが効きます。
大きなモデルを毎回呼べば済む場面もあります。しかし、費用だけでなく、社内データの扱いでも小さなモデルを使いたい場面は残ります。
発表ではLoRA（モデルの一部だけを軽く学習する手法）アダプターが使われました。訓練したのは約6Mパラメータです。
これは全体の1.66%です。全部を作り直さず、狙った振る舞いだけを直す発想です。
使える時期はサービス発表と分ける
提供時期を待つニュースではありません。発表日は2026年9月3日ですが、一般ユーザー向けの開始日や対象プランは発表に書かれていません。
価格も同じです。無料枠のColabまたはKaggle GPUで動く規模とは書かれていますが、商用サービスの料金表ではありません。
だから価値は、すぐ押すボタンではなく、AIを仕事に組み込む設計図にあります。AIが自由に話す段階から、決まった形で渡す段階へ進む話です。