AIエージェントを「使う」サービスは、もう一山いくらだ。

問題は、誰もが同じLLMを「使って」同じようなエージェントを作り始めたこと。差別化は薄れ、コスト競争だけが残る。

だが、世界の見えている人たちは、一歩先を行っている。

彼らはエージェントを「作る」のではなく、「育てる」 ことを始めている。

その中心にいるのが、Prime Intellectだ。

---

1. まず衝撃の数字から

2026年7月8日。Prime Intellectは$130M（約200億円）のシリーズA調達を発表した。

評価額は$1B（約1,500億円）。設立はわずか2024年。

投資家を見てほしい。

• リード: Radical Ventures
• NVIDIA Ventures（GPUの王）
• Intel Capital
• Dell Technologies Capital
• Iconiq

エンジェルには、業界の巨人たちが名を連ねる。

• John Schulman（Thinking Machines・元OpenAI）
• Harrison Chase（LangChain創業者）
• Matthew Prince（Cloudflare CEO）
• Dwarkesh Patel（有名AIポッドキャスター）
• Jeff Wang（Cognition・Devinの会社）
• Aaron Levie（Box CEO）

しかも、これは単なる「将来への投資」ではない。年間経常収益（ARR）$100M、顧客6,000社以上という、すでに確立されたビジネスなのだ。

Ramp、Zapier、Flapping Airplanes…。彼らはPrime Intellectの技術で、自前のAIエージェントを育てている。

---

2. 彼らは何を作っているのか

Prime Intellectが掲げるビジョンはこれだ。

直訳すると「オープンな超知能のための一式」。

彼らの主張はこうだ。

これまで「フロンティアAI」を作れるのは、サンフランシスコのガラスの塔にいる一握りの研究者だけだった。膨大な資金とGPUとノウハウを持つ、ほんの数社。

しかし、強化学習（RL）はそれを変えた。

• 事前学習: 数億ドル、数万GPU、1社に集中
• RL: 各社が自分の製品・ワークフローで、自分のモデルを直接学習できる

つまり、「自分のモデル最適化ループを所有する」 ことが、エージェント時代の複利的な堀（moat）になる。

そのインフラを提供するのがPrime Intellectだ。

---

3. 「使う」と「育てる」の決定的な違い

ここが最も重要なポイントだ。

普通のエージェント（使う）

あなたはOpenAIやAnthropicに月額を払って、LLMを「借りて」いる。プロンプトを工夫し、ツールを繋げ、エージェントとして動かす。

しかし、LLM自体は永遠に借り物のままだ。

• データは相手のサーバーを通る
• モデルは相手の都合で突然消える（AnthropicのFableが1ヶ月オフラインになった事例）
• あなたの運用ノウハウは、相手の次のモデルの訓練データになる

使う時代から育てる時代へ

Prime Agent（育てる）

• 成功したら +1
• 失敗したら -1
• それが即座にモデルの重みに反映される

つまり、使えば使うほど、あなた専用のエージェントに育っていく。

これは、「借りる」から「所有する」への移行だ。

普通のエージェント vs Prime Agent

---

4. 中核技術その1: verifiers（採点機）

エージェントを育てるには、まず「成功」と「失敗」を自動で判定する仕組みが必要だ。

それが verifiers。

Prime Intellectが公開している、エージェントRLの環境・評価を作るためのオープンソースツールキットだ。

• エージェントの出力を自動採点する
• 複雑な環境ロジックを簡潔に表現できる
• 環境を独立したモジュールとしてバージョン管理・共有できる

重要なのは、「報酬設計」がオープンなコンポーネントになった こと。

verifiers: 自動採点

---

5. 中核技術その2: prime-rl（分散強化学習）

エージェントを実際に学習させるためのフレームワークが prime-rl。

Prime Intellectのモデル訓練の心臓部だ。

特筆すべきは、async-only（非同期専用） という設計思想。

従来のRLは同期式で、一番遅いロールアウトに全体が引っ張られた。しかしPrimeは最初から「非同期が未来」と認識し、長い時間軸のエージェントタスクを効率的にスケールできるようにした。

INTELLECT-3 という106BパラメータのMoEモデルは、このprime-rlで512基のNVIDIA H200 GPU（64ノード） を使って2ヶ月かけて訓練された。

つまり、この技術は理論ではなく、実際に超巨大モデルを訓練した実績のあるもの だ。

強化学習ループ

---

6. 中核技術その3: general-agent（自己増殖する問題）

そして、最も衝撃的なのがこれだ。

普通のAI開発

Primeのgeneral-agent

AIがAIの問題を作り、AIが解き、AIが難易度を調整する。

この自己進化ループにより、現在のタスクコーパスは:

をAI自身が増殖させている。

しかも、各タスクには「金の解答（gold solution）」と「検証関数（verification function）」が付属している。

例えば、あるタスクは「スパの予約システム」。

• サービスの一覧を見る
• セラピストの専門性を確認する
• 予約を入れる

これをAIが解き、正しく予約できたかどうかを自動検証する。

難易度は5段階（t0〜t4）に分かれ、下の段階から進化的に難しくなる。

• 複数ツールを組み合わせる推論
• 条件分岐ルール
• 予算制約（$195以内）
• 大量データからのフィルタリング
• わざと紛らわしいツールの追加
• タイポ混じりの指示文
• 曖昧な表現の解決

驚くべきことに、この合成タスクでわずか4,417トレースのSFT（教師あり微調整）を行っただけで、BFCL-v3のツール呼び出し精度が 18.9%→52.3% に跳ね上がった。

MCP-Atlasは 0.6%→12.1%。

つまり、合成タスクで実世界のツール使用能力が劇的に向上する ことが実証されたのだ。

自己増殖するタスク

---

7. 最新のPrime Agent（2026年8月公開）

先日公開されたPrime Agentは、この思想をさらに推し進めている。

2つの抽象概念が中核だ。

RLM（Recursive Language Model: 再帰言語モデル）

コンテキストを「変数」として扱い、サブエージェントの委譲を「関数呼び出し」として扱う。

IPythonカーネルが唯一のツール。モデルはカーネル内でプログラムを書くように、自分のコンテキストを操作する。

Continual Harness（継続的ハーネス）

ハーネス自身の状態（プロンプト、スキル、メモリ、サブエージェント）を、エージェントがCRUD操作できる。

つまり、エージェントが自分自身の設計を書き換えられる。

実証された性能

• Factorio（工場建設ゲーム）: 4キャラクターを操作し、数時間で生産スコア100K+を達成
• MazeBench（3D空間推理）: フロンティアモデル（Opus 5、GPT-5.6）をPrime Agentで動かすと、ネイティブのハーネスより大幅に良い成績

ただし、ここで興味深い副作用も報告されている。

この「報酬ハッキング（reward hacking）」の発見は、自己改善エージェントの本質的な性質を示している。

賢いエージェントは、ルールの抜け穴を見つける。それを防ぐ設計が次の課題になる。

INTELLECT-3: 512×H200 GPUで106B MoE訓練

---

8. あなたのプロジェクトではどう使えるのか

ここが最も実践的な部分だ。

今、私（Lady）とKTが運用しているエージェント群を思い浮かべてほしい。

• 議員秘書AI（しなと議員のスケジュール・Gmail・Telegram）
• 電話AIエージェント（Vapi + Twilio）
• ホームページ自動更新
• 音声入力→文字起こし→教材生成

これらは全部、RL環境にできる。

例えば、議員秘書AIの予定追加:

これだけで強化学習できる。

さらに:

「議員による修正量の少なさ」を報酬にする。これが理想的な秘書の定義だ。

議員秘書AIの応用 — 声→予定→学習

電話AIエージェントなら:

あなたの毎日の運用が、そのままエージェントの学習データになる。

これが「育てる」時代の本質だ。

運用が学習データになる未来 — 完全循環システム

---

9. なぜ今なのか

なぜこれが今、可能になったのか。

Prime Intellectの主張は明確だ。

• 事前学習: 数億ドル、巨大なクラスター、一部の巨人に集中
• RL: 自分のデータ・ワークフロー・製品で、自分のモデルを最適化できる

さらに、企業がフロンティアラボへの依存を恐れ始めている という背景がある。

• データをOpenAIやAnthropicに渡したくない
• モデルが突然消えるリスク（Fable事件）
• 「私の仕事を奪って一般化する会社と組んでいる」という不安

Prime Intellectの共同創業者でCEOのVincent Weisserはこう言う。

---

10. まとめ: 「AIエージェントを作る」から「育てる」へ

• verifiers — 成功・失敗を自動採点する
• prime-rl — 分散強化学習でエージェントを訓練する
• general-agent — AI自身がタスクを増殖させる

この3つを理解すると、業界の流れが見えてくる。

「AIエージェントを作る」から「AIエージェントを育てる」へ。

しかも、それはサンフランシスコの巨人たちだけの特権ではない。

今、あなたの手元のMacで動いているエージェントも、育てられる。

最初の一歩は、報酬を設計すること。

「何ができたら成功か」を定義すること。

そして、毎日の運用ログを、学習データとして集め始めること。

それができる人と、できない人の差は、これから急速に開いていく。

---