AIの進化が止まらないなか、Samsungの研究者が世界を驚かせました。
わずか700万パラメーターという“超小型AIモデル”が、GoogleのGemini 2.5 Proを上回る性能を叩き出したのです。
その名も「Tiny Recursion Model（TRM）」。再帰的推論という独自手法を採用し、小さなモデルでも高い知性を発揮する新時代を切り開こうとしています。
🧠 700万パラメーターで「大規模モデル越え」の衝撃
SamsungのAI研究者 Alexia Jolicoeur-Martineau 氏が発表した「Tiny Recursion Model（TRM）」は、
たった 7M（700万）パラメーターの小さなニューラルネットワーク。
それにも関わらず、AIの推論能力を測る代表的ベンチマーク 「ARC-AGI」 で、
なんと Gemini 2.5 Pro 32K・Claude 3.7・DeepSeek R1 などの巨大モデルを上回るスコアを記録しました。
| モデル名 | ARC-AGI-1 | ARC-AGI-2 |
|---|---|---|
| TRM (7M) | 45% | 8% |
| Gemini 2.5 Pro 32K | 約42% | 約7% |
| Claude 3.7 16K | 約41% | 約6% |
| o3-mini-high | 約39% | 約6% |
💡 “Less is More”──小さいほど賢くなる。
このTRMの成果は、AI研究の常識を根底から覆すものでした。
🔁 「再帰的推論」──人間の思考を“シンプルに再構築”
TRMが革新的なのは、その思考プロセスにあります。
2025年6月に登場した「Hierarchical Reasoning Model（HRM）」が人間の脳の階層構造を模倣したのに対し、
Jolicoeur-Martineau氏はあえてその“複雑さ”を削ぎ落とし、より抽象的な**再帰的推論（Recursive Reasoning）**という仕組みを採用しました。
「人間の脳構造を真似ることより、“考えるプロセス”そのものを再帰的に訓練する方が賢くなる」
──Alexia Jolicoeur-Martineau
このアプローチにより、TRMは少ないパラメーターでも「自己修正的に推論を繰り返す能力」を獲得。
まるで“考え直す”人間のような思考が可能になっています。
⚡ たった2日＆500ドルで学習完了！驚異の軽量コスト
TRMは性能だけでなく、トレーニング効率も驚異的です。
使用されたのはたった 4台のNVIDIA H100 GPU、学習期間は約2日間。
総コストはわずか 500ドル（約7万6,000円）以下 に抑えられています。
< $500, 4 × H100, 約2日間で完了
従来、数百万ドル規模の資金と数千枚のGPUが必要とされていた大規模AIに対し、
TRMは誰でも実験・再現可能なコスト構造を実現しました。
📂 ソースコードはGitHubで公開されています：
👉 GitHub – SamsungSAILMontreal/TinyRecursiveModels
💬 研究者のメッセージ：「LLM依存は罠だ」
Jolicoeur-Martineau氏はブログで次のように警鐘を鳴らしています。
「難しいタスクで成功するには“巨大なLLM”が必要だというのは思い込みです。
現在のAI界は、LLMを活用することばかりに焦点を当てすぎており、
その“根本的な仕組み”を再考する努力が不足しています。」
この言葉が示すのは、**「AIの未来は小型化・最適化の方向に進む」**というビジョン。
SamsungのTRMはその象徴的な存在となりつつあります。
🔍 小型AIの未来──「TRM」が開く新たな可能性
TRMの登場は、AI業界に大きなインパクトを与えました。
特に以下の3つのポイントで注目を集めています。
- 💡 エッジデバイスでの推論が現実的に
→ 小型モデルならスマホやIoTでもリアルタイムAIが可能。 - ⚙️ トレーニングの民主化
→ 小規模研究者や学生でも独自モデルを育てられる時代に。 - 🔋 環境負荷の低減
→ 少ない計算資源で高性能を発揮、サステナブルAIの実現へ。
TRMは単なる実験的成功ではなく、**“AI研究の方向性そのものを変える革命”**になり得ます。
🚀 まとめ：AIの未来は「小さく賢く、美しく」
- ✅ わずか700万パラメーターのTRMがGemini 2.5 Proを超えるスコア
- ✅ 「再帰的推論」という独自アプローチで自己改善型AIを実現
- ✅ 学習コストは500ドル以下、誰でも再現可能
- ✅ AIの大型化一辺倒から「軽量知能化」への転換点に
AIの歴史が“大規模化”から“最適化”へとシフトする今、
Samsungが示したTRMの成果は、次世代AI開発の道標になるかもしれません。
🔗 参考リンク
- Less is More: Recursive Reasoning with Tiny Networks（arXiv）
- 公式ブログ – Alexia Jolicoeur-Martineau
- GitHub – TinyRecursiveModels
