シンガポールに拠点を置くAGI研究企業であるSapient Intelligenceは、Hierarchical Reasoning Modelアーキテクチャに基づいて構築された言語モデルHRM-Textの完全な重み、事前学習コード、およびデータパイプラインをリリースしました。この一式は、Hugging FaceおよびGitHub上でApache 2.0ライセンスのもとで公開されており、誰でも商業的に使用、修正、または拡張することが可能です。
注目すべき点は、オープンソースという行為だけではありません。それは経済性です。約10億パラメータを持つHRM-Textは、約400億トークンで事前学習され、簡易なハードウェアで推定1,000ドルから1,500ドルのコストで実行されました。対照的に、主要な研究ラボが開発する最先端モデルは、数兆トークンを対象に、数千万から数億ドルの計算予算を用いて学習します。
実際にどのように機能するか
このモデルは、同社が階層的潜在反復アーキテクチャと説明する構造を採用しています。高レベルモジュールは遅く抽象的な推論を担当し、1回の処理ごとに2つの「Hサイクル」を繰り返します。低レベルモジュールは速く詳細な処理を担当し、1回の処理ごとに3〜6つの「Lサイクル」を実行します。これらのモジュールが協働することで、パラメータ数を固定したまま、出力を生成する前に自身の推論を複数回繰り返すことができます。
HRM-Textは、コンテキストウィンドウや推論コストを消費する可視な思考連鎖トークンを生成するのではなく、内部で反復的な思考を行います。推論は出力テキストではなく、モデルの隠れ状態内で行われます。
上位へのパフォーマンスベンチマーク
2026年4月に実施された独立した評価によると、HRM-TextはMATHベンチマークで56.2%、DROPで82.2%、ARC-Challengeで81.9%、MMLUで60.7%を記録しました。事前学習は約1日で完了したと報告されています。
HRM-Textは、Sapientの以前の研究を基に構築されています。2025年7月にオープンソース化されたオリジナルのHRMモデルは、わずか2700万パラメータで、1000個の学習例でも複雑な推論タスクで優れた性能を発揮しました。HRM-Textは、同じアーキテクチャの哲学を維持しながら、パラメータ数を約37倍に拡大したものです。
Sapientは、アーキテクチャを検討したい開発者向けにDiscordチャンネルを設置しました。Apache 2.0ライセンスにより法的障壁が取り除かれ、$1,500のトレーニング費用によりほとんどの財務的障壁が解消されます。