JIT-Agent: 汎用 LLM のための動的エージェントハルネスを自動生成

エージェントの能力は、モデル単体で決まるわけではありません。メモリ管理、計画戦略、アクションプロトコル、ツールやスキルのオーケストレーションを含む「ハッチ（実行環境）」こそが、基盤となるモデルの貢献度を凌駕することさえあります。しかし、現在のハッチ設計は手作業に頼り、タスク固有であり、根本的にスケーラビリティに欠けています。

そこで私たちは、任意の市販のエージェント型大規模言語モデル（LLM）に対して、その場でタスク適応型のエージェントハッチを合成する「JIT-Agent」というハッチ知能モデルを発表します。エージェントハッチは、固定された 4 モジュールプロトコルに従って構成可能かつ機械生成可能なアーティファクトとして形式化され、JIT-Agent はこれを用いて、与えられたタスクに合わせたハッチのカスタマイズ、安定した実行のためのハッチ修復、そして拡張された過去のハッチ設定アーカイブから性能信号を蒸留して自己進化を行う訓練を行います。

JIT-Agent をハッチヘルパーとして装備することで、DeepSeek-V4-Flash は DeepSearchQA で GPT-5.6 を +9.1 ポイント、OdysseyBench で +4.3 ポイント上回りました。また、もともと強力な GLM-5.2 では最大で +20.2 ポイントの向上を達成しています。制御された評価全体を通じて、JIT-Agent が生成したハッチは OpenCode や Claude Code といった成熟したエージェントランタイムと同等以上の性能を示し、DeepSeek V4、Mimo-V2.5、Qwen3.6 の多規模モデルファミリーを一貫して強化しました。

私たちが知る限り、JIT-Agent はその場でハッチを生成するために特別に設計された最初のモデルであり、ハッチ知能がモデルのスケーリングとは独立した、訓練可能で転移可能、かつ複利効果を生むエージェント能力の次元であることを確立するものです。