3層エージェントアーキテクチャ (No-Haiku)
MoAI-ADK はルーティングモデルのセットから Haiku を外し、残ったモデルを作業の性格に合わせて 3 段階に分けて使います。このページは、友人にこう説明できるように書いたページです — 「安いモデルを忙しい場所に組み込めばコストが節約できそうに見えるが、長い息の課題では正反対になる。だから MoAI は、高いモデルをより頻繁に使う方がむしろ請求額を減らすということをデータで確認し、その上で作業種別ごとに 3 段階の割り当て規則を定めた」。
ここでエージェント (agent、自ら判断して働く AI の助手) が課題を終えるのに使うモデルと、effort (推論の深さ、1 回の回答のためにモデルがどれだけ深く考えるかを決める 5 段階の low → medium → high → xhigh → max) が、コストを分ける 2 つの軸です。このページは、なぜこの 2 つの軸をこう割り当てたのか、なぜ Haiku を完全に外したのか、そしてこの「ティア」が自律性等級とは別の概念であるところまで扱います。
よくある想定はこうです。「トークン単価の安いモデル (たとえば Sonnet · Haiku) を忙しい場所で回し、高いモデル (Opus) は重要な場所だけ大事に使えば、全体コストは下がるだろう。」トークン (token、モデルが読み書きする課金単位) の単価表だけを見れば、この想定は正しそうに見えます。
しかしこの想定が成り立つには、1 つの前提が要ります — 弱いモデルも結局、同じ課題を同じ回数で終えられるという前提です。長い息のエージェンティック課題 (ツールを何度も呼び、自ら計画を直し、最後まで行って初めて終わる課題) では、この前提が崩れます。弱いモデルは収束に失敗し、失敗したぶんステップを余計に回し、出力トークンをより噴き出しながら課題を終えられません。トークン単価は安くても、焼くトークン量がはるかに多いため、課題あたりの請求額はむしろ大きくなります。
これがこのページ全体の出発点です。請求額を決めるのは単価ではなく、完走効率です。
flowchart TD
A["1 つのエージェンティック課題を終える"] --> B{"モデルは十分に強いか?"}
B -- "強い (Opus)" --> C["少ないステップで収束"]
C --> D["出力トークンが少ない"]
D --> E["課題あたりコストが低い"]
B -- "弱い (Sonnet·Haiku)" --> F["収束に失敗"]
F --> G["ステップとトークンをかえって多く焼く"]
G --> H["課題あたりコストがより高い"]
E --> I["「安いモデル = 安い請求額」\nという命題が反転"]
H --> I上の直感を確認した出所は、DeepSWE リーダーボードの “All effort levels” ビューです (113 tasks / 91 repos / 5 languages、mini-swe-agent ハーネス)。effort を段階別に報告するため、運用点 1 つではなく、各モデルのコスト · スコア曲線の形からティアを導出できます。
| モデル | effort | スコア | $/課題 | 出力トークン | ステップ |
|---|---|---|---|---|---|
| Opus 5 | low | 58% | $1.66 | 20k | 36 |
| Opus 5 | medium | 69% | $3.29 | 37k | 52 |
| Opus 5 | high | 73% | $6.08 | 64k | 73 |
| Opus 5 | xhigh | 73% | $9.07 | 92k | 89 |
| Opus 5 | max | 74% | $11.84 | 118k | 99 |
| Sonnet 5 | low | 31% | $2.19 | 36k | 77 |
| Sonnet 5 | medium | 40% | $4.08 | 57k | 108 |
| Sonnet 5 | high | 48% | $7.43 | 87k | 147 |
| Sonnet 5 | xhigh | 50% | $11.89 | 121k | 186 |
| Sonnet 5 | max | 54% | $26.40 | 214k | 268 |
| Fable 5 | high | 69% | $9.18 | 57k | 59 |
| Fable 5 | max | 70% | $21.63 | 119k | 88 |
MTok あたりの表示価格 (入力/出力): Opus 5 $5/$25 · Sonnet 5 $2/$10 (導入価格、2026-08-31 まで、以降 $3/$15) · Fable 5 $10/$50。
この表の数値はすべて Opus 5 で測定したものです。現在 opus エイリアスが指す Opus 5.5 はまだ再測定していません。
単価の逆転: Sonnet のトークン単価は Opus より低いのに、比較可能なすべての地点で課題あたりコストはむしろ高くつきます — Opus 5 の low は $1.66 で 58% を取り、Sonnet 5 の max は $26.40 で 54% を取ります。「安いモデルで回せばクォータが節約される」という通念は、長い息のエージェンティック作業では成立しません。請求額を決めるのが単価ではなく完走効率だからです。
データから読み取れる結論は 4 つです。
- Opus 5 はすべての effort で Sonnet 5 をパレート支配します。 Opus の
low(58%、$1.66) が Sonnet の 5 地点をスコアとコストの両軸で上回り、Sonnetmax(54%、$26.40) も例外ではありません。「忙しいエージェントは安いモデルへ回す」というルーティング命題は、長い息のエージェンティック作業では反証されます。 - 原因は単価ではなく完走効率です。 Sonnet は同じ課題セットを終えるのにステップを約 2.7 倍使います。課題を高くするのはトークン単価ではなく、そのように余計にかかったステップと出力トークンです。
xhighは Opus で純損失です。highとxhighはどちらも 73% なのに、xhighはコストが 49% 余分にかかり、ステップも 22% 多く使います。Fable でも同じ場所で天井が平坦になります。膝を越えた effort が買うのはスコアではなく、トークンです。mediumが膝です。 スコア 1 点あたりの限界コストはlow→mediumが $0.15、medium→highが $0.70 (4.7 倍)、xhigh→maxが $2.77 (18.6 倍) です。デフォルトプロファイルが中核の実装エージェントをmediumに固定する理由がここにあります。
Sonnet ですら、長い息の課題では Opus より課題あたりコストが高くつきます。Haiku は Sonnet よりさらに弱い。だとすれば Haiku をルーティングに入れても、能力は増えずステップの無駄だけが増えます — Sonnet ですでに観測された完走失敗パターンが、Haiku ではより急勾配で現れます。
そこで MoAI は Haiku をルーティングモデルのセットから完全に除外します (No-Haiku ポリシー、SPEC-AGENT-ARCH-V2-001 §D)。Haiku はモデル enum では今も有効な値なので、ドキュメントやサンプル YAML には登場しますが、セッションモデルラインナップの既定の組み合わせのどこにも入りません。Haiku を外しても、コストを下げる軸は残ります — モデルクラスを変える代わりに、effort (推論の深さ) を段階的に調節する側です。これが 3 ティア構造の出発点です。
残ったモデル (Opus、Sonnet) と effort を、作業の性格に応じて 3 段階に割り当てます。ここでの「ティア」は作業種別に応じたモデル · effort の割り当て段階を指します。
この節以降の割り当て表は設計意図であり、v3.1 までの実際の規則です (エージェント別プロファイルマトリクスの時代)。v3.2 から実装された動作はセッション継承なので、この割り当ては現在の動作ではなく、モデルの選び方の判断基準の記録として読みます。両者の区別は下の「設計意図と実装された動作を読み分ける」節にあります。
flowchart TD
START["エージェントに作業が入る"] --> Q{"その行がするのは?"}
Q -- "機械的な処理か\n読み取り専用の探索" --> T1
Q -- "何かを作り出す" --> T2
Q -- "他が作ったものを判断する、\nあるいは複数の行を調整する" --> T3
T1["Tier 1 — 機械 · 探索
Sonnet low
manager-docs · manager-git · Explore"]
T2["Tier 2 — 生産
Opus、行ごとに違う段階
manager-spec · manager-develop
builder-harness · e2e-tester"]
T3["Tier 3 — 判断 · 調整
Opus、主に high
plan-auditor · sync-auditor · manager-design
manager-lead · super-advisor · manager-todo"]
T1 --> NOTE["3 つのプロファイルすべてで固定"]
T2 --> NOTE2["2 行は 3 列とも medium で固定
プロファイルに従って下がるのは 2 行だけ"]
T3 --> NOTE3["super-advisor · manager-todo は
経済列でも high を保つ"] 決まった手順をそのまま踏むか、読むだけで終わる仕事です。反復より入力がコストを左右し、弱いモデルを高くする原因であるマルチステップの完走失敗がここでは現れません。そのため Sonnet の低い入力単価が実質的な変数になり、low effort でステップ数を最小に抑えます。担当エージェントは manager-docs (ドキュメント整理)、manager-git (コミット · PR の機械作業)、Explore (読み取り専用の探索) の 3 つで、いずれも 3 つのプロファイル (経済 · 標準 · 品質) で sonnet / low に固定です — プロファイルを上げてもモデルクラスは上がりません。
仕様を書き、コードを実装し、ハーネスを生成し、E2E シナリオを回す — 何かを作り出す行です。マルチターンなので完走効率がコストを分け、Opus の low がすでにどの effort の Sonnet よりもスコアが高く課題あたりコストは低いため、基本的に Opus が担います。
プロファイルはこの 4 行を同じようには動かしません。行ごとに違います。
| 行 | 品質列 | 標準列 | 経済列 |
|---|---|---|---|
manager-spec | opus / medium | opus / medium | opus / medium |
manager-develop | opus / medium | opus / medium | opus / medium |
builder-harness | opus / high | opus / medium | opus / low |
e2e-tester | opus / medium | opus / low | sonnet / low |
作成 · 実装の行である manager-spec と manager-develop は 3 列とも medium にとどまります — 支出を生産側へさらに寄せない、というのがこのマトリクスの決定だからです。3 段階を丸ごと上下する行は builder-harness だけで、e2e-tester は経済列でモデルまで Sonnet に下がります。
他が作ったものを判断する、あるいは複数の行を調整する場所です。このマトリクスの原理が一行でここにあります — 支出は生産する行ではなく判断する行へ寄せる。1 回の判断がその後のコストを大きく左右するからです。
| 行 | 品質列 | 標準列 | 経済列 |
|---|---|---|---|
plan-auditor · sync-auditor | opus / high | opus / high | opus / medium |
manager-design · manager-lead | opus / high | opus / high | opus / medium |
super-advisor · manager-todo | opus / high | opus / high | opus / high |
super-advisor (エスカレーション経路) と manager-todo (封印されたミッションの判定サブロール) だけが、経済列でも high を保ちます。安い列でこそ健全に保つ価値がある場所が、まさにその 2 つだからです。
manager-todo の判定サブロールは、この軸が「マルチターンかどうか」より優れている理由を示します。1 回読んで決定を 1 つ返す単発の行なので、マルチターン基準なら Sonnet 側にあるはずですが、実際には 3 列とも opus / high です。判断する行だからです。
max はどの行も受け取りません。high の上にある唯一の段階として語彙には残っていますが、現在それを持つセルは 0 です。xhigh もどこにも使いません — Opus で high とスコアが同じながら、コストだけ 49% 余分にかかります。
このページの「ティア」は、どのモデルをどの推論の深さでどの作業に割り当てるかについての割り当て段階です。名前が似て混同しやすいのですが、MoAI にはこれと異なる「ティア」がもう 1 つあります。
情報名前だけ同じで対象が異なる 2 つのティア
- モデルティア (このページ) — エージェントがどのモデル · effortで働くかを作業種別ごとに定めます。対象はコスト · 品質です。
- 自律性ティア (
MOAI_AUTONOMY_TIER) — エージェントが人の承認なしにどこまで自律的に行動できるかの等級です。対象は権限 · 統制です。
両者は直交します。あるエージェントが高いモデル · 高い effort で働いていても (モデルティアが高くても)、人の承認なしに自律的に行動できるわけではなく、逆も同じです。自律性ティアは別個の環境変数と 3 段階モード選択で扱われ、詳しくは自律性ティアページで解説します。
正直性の区別: このページは、設計段階の意図と実際に実装された動作を明確に分けて扱います。
設計段階 (.moai/reports/agent-architecture-redesign-v2-20260709.html) — v2 アーキテクチャの設計意図です。3 ティアモデルポリシーの原則と DeepSWE の根拠を示します。
実装された動作 — v3.2 からの実際の動作はセッション継承です。サブエージェントはメインセッションのモデルと推論深度をそのまま引き継ぎます — spawn するとき model も effort も渡さず、MoAI のエージェント定義はどちらも宣言しません。かつてのプロファイルマトリクス (エージェント 13 個 × プロファイル 3 個 = 39 セルの割り当て表) と、その値を spawn に注入していたリゾルバは退きました。セッションモデルポリシーの今日の仕事は、moai profile setup でセッションの既定推論強度フォールバックを決めることだけです。現在の動作の詳細はプロファイルマトリクスページを参照してください。
読む側でも、設計意図 (このページの DeepSWE 根拠と 3 ティア割り当ての基準) と実装された動作 (セッション継承) を区別して見る必要があります。
限界の明記: このベンチマークが測定の対象とするのはコーディングエージェントです。ドキュメントの作成、監査の判断、SPEC (要件仕様書) の作成品質は直接測っていないため、該当する行の配置は観測ではなく、マルチターンのエージェンティック作業と似ているだろうという推論に依っています。信頼区間も併せて見る必要があります — medium (69%±1) と high (73%±2) は重なりませんが、max (74%±4) は high と重なります。これが max をどのセルにも割り当てていない理由です — 重なる区間のために余分に払うことになるからです。すべてのデフォルト値はセッション単位で調整できます — モデルは Claude Code のモデル選択が、effort は /effort やプロファイルウィザードのセッションモデルポリシーが決めます。
Fable 5 について: Fable はコーディング作業ですべての effort で劣ります。Fable high (69%、$9.18) は、Opus medium (69%、$3.29) と同じスコアをほぼ 3 倍のコストで出します。だからどのマトリクスの升にも入れていません。モデル enum では今も有効な値で、GLM バックエンドの Fable スロットの配線もそのまま生きています — 変わったのはデフォルトだけです。
3 ティア割り当ては、ハーネスが自ら良くなるループの土台です。観察 → 反芻 → 昇格と続く進化ループが本来の力を発揮するには、観察段階のルーティング決定から、適切なモデルに適切な effort で行われる必要があります。誤った割り当てのルーティングは観察そのものを汚し、汚れた観察は昇格段階で誤ったルールを生みます。詳しくはハーネス自己進化ページを参照してください。
- プロファイルマトリクス — かつての 39 セルのマトリクスが退いた場所、現在のセッション継承の規則
- 自律性ティア — モデルティアと直交する、権限 · 統制が対象の自律性等級
- トークノミクス概要 — 4 層トークノミクス構造のルーティング層