Genspark、プレゼン資料生成に特化した独自学習モデル「Gen-1 Slides」を発表
Gensparkは2026年9月10日、「Gen-1 Slides」を発表しました。同社はこれを「ナレッジワーカー向けに構築された事後学習モデルファミリーの第一弾」と説明しています。汎用のフロンティアモデルに頼るのではなく、1つのリクエストを完成されたプレゼン資料に変換することに特化して学習されたモデルです。
詳細
- 学習方法: オープンウェイトのMiniMax M3モデルをベースに、Fireworks AIと共同で事後学習を実施。社内で構築した約2,000件のタスクを用いた強化学習により、NVIDIA B300 GPU 96基でわずか1週間で学習を完了
- 強化学習の技術要素: 報酬ハッキングを防ぐオンライン評価器の進化、評価器のコメントからのオンポリシー自己蒸留、「AIっぽさ(AI slop)」を減らすための敵対的識別器の学習、レイアウト修正よりもビジュアルデザインを優先するカリキュラム学習、そしてトークン単位の最適化に代わるGSPO(シーケンスレベルの重要度比)を採用
- ベンチマーク結果: 社内評価器(Claude Fable 5ベース)、公開ベンチマークのPPTEval、UniPPTEvalという3つの評価手法でClaude Opus 5と比較し、9つの評価の組み合わせ中8つで1位を獲得。平均順位はGen-1 Slidesが1.11、Opus 5が2.56
- コスト: 入力100万トークンあたり0.30ドル(Opus 5は5ドル)、資料1本あたりの実測コストは0.44ドル(Opus 5は4.16ドル)。Gensparkによれば、月に1,000本の資料を作成するチームの場合、コストは約4,200ドルから440ドルへと削減される
- 実運用での評価: 157万件の実運用タスクにおいて、Gen-1 Slidesは5段階評価で4.25(Opus 5は4.23)を記録し、事実の捏造率もOpus 5の17.7%に対し13.3%と低かった
- 明示された限界: 競合よりも文字が小さく要素が詰まった密なページになりやすく、コンテンツそのものやタスク完遂能力の面ではOpus 5に劣る。またスプレッドシートやリサーチなど汎用タスクではなく、スライド生成に絞って最適化されている
- 提供状況: 現在、Genspark AI SlidesのStandardモードの既定モデルとして、またGenspark CLI経由ですでに利用可能。早期のAPIアクセスに加え、OpenRouterへの掲載も準備中。エンタープライズ向けワークスペースではデータプライバシー保護にも対応
その後
Gensparkは、Gen-1 Slidesを単発のリリースではなく、ナレッジワーク向けタスク特化型の事後学習モデル群の始まりと位置づけており、ベースとなったMiniMax M3や学習手法についての透明性を強調しています。今回の発表は、Super Agent、Design、AgentBase、GenMail、GenTeamといった各種ツールを1つのAIワークスペースに統合しようとする2026年初めからのGensparkの取り組みの延長線上にあり、スライド生成のような大量かつ特定用途のタスクにおいて、小型で目的特化型のモデルが汎用フロンティアモデルをコスト面で下回れるという同社の戦略を示すものです。
PRGenspark「あなたのAI社員」を今すぐ試す
公式サイトへ →