まず、ここだけ

  • RaylineのDavid Valerio Gilmore氏が、モデル選択に特化した統合モデルARCを公開した。
  • 公式ポストはOpus 5.5比で品質97.5%、コスト最大10分の1、完全オープンソースと説明している。
  • サイトの推論コストはOpus 5.5を100%とするとARCが14.3%、ローカル併用で7.1%だ。

がん検知の研究者が出した、経路を決めるモデル

It picks the right model and the right amount of thinking for every step of your agent’s work.

RaylineとWorkshopのCEO、David Valerio Gilmore氏(@davidvgilmore)は11月11日、2015年に早期がんを検知するAIを作ったと振り返ったうえで、ARCを世界初の統合ルーティングモデルとして紹介した。前職はスタンフォードで、DataFleetsを1億ドルで売却した経歴もプロフィールに記されている。

投稿は閲覧約678万、いいね684、ブックマーク473、リポスト97。核心は、エージェント作業の各ステップで適切なモデルと思考量を選ぶ点だ。品質はOpus 5.5の97.5%、コストは最大10分の1、かつ完全オープンソースと三行で置いている。

サイトが示す品質と推論コストの内訳

rayline.aiの見出しは『A unified model for routing AI』。必要な品質をより低いコストで、データの行き先も制御する、という説明が先頭に並ぶ。品質維持のグラフではOpus 5.5を100%としたときARCは97.4%で、投稿の97.5%とは0.1ポイントだけ表記がずれる。

推論コストは同じ基準でARCが14.3%、ARCにローカルを足すと7.1%。投稿の『最大10分の1』は、このローカル併用の水準に近い。技術レポートへの導線も同ページに置かれている。

比較軸Opus 5.5ARCARC + local
品質(サイト表記)100%97.4%記載なし
推論コスト(サイト表記)100%14.3%7.1%
公式ポストの品質表現基準97.5%同左に含む
公式ポストのコスト表現基準最大10分の1同左に含む

応答を受け取るか、経路だけ持ち帰る

ARCは完成した応答をRaylineの推論で受け取る使い方と、モデルと思考レベルだけを受け取り自前のゲートウェイ、クラウド、ローカルモデルで実行する使い方に分かれる。後者は『You run inference』と明記され、スタックを手元に残す設計だ。

隣には、構造化の答え向けでモデルルーティングに特化して訓練したJev互換のDecisions APIと、手元の端末で動きツールをローカルモデルやクラウドへつなぐオープンソースのRayline CLIがある。外部のWorkshopはサイト、アプリ、ダッシュボード、社内ツールをクラウドまたはデスクトップで作る別プロダクトだ。

  • アプリ開発者向けに、品質基準・プロバイダ料金・計算資源に沿ったモデル選択
  • 開発組織向けに、既存のコーディングツールへ適応したモデル選択
  • クラウドとエッジをまたぐエージェントで、成功率とコストのバランス
  • ルーティング開発者向けに、モデル選択の研究・嗜好データ・訓練を提供
  • 接続先の例はllama.cpp、vLLM、Hugging Face、OpenRouter、Claude Code、Codex、Cursor、Cline、LangGraphなど
Rayline ARCの公開ページ元のページを別タブで開いて確認できます
『Rayline ARC』公式ページ・関連リンクを開く ↗

話題の元投稿

作者の投稿や紹介を、X で確認できます。

よくある質問

ARCは推論まで代行するのか、選んだ経路だけ返すのか

公式サイトは両方を示している。Raylineが推論して応答を返す方式と、モデルと思考レベルを返し利用者が自前の基盤で推論する方式だ。

参考リンク

  1. Rayline ARC 関連ソース (1)x.com
  2. Rayline ARC 関連ソース (2)rayline.ai
  3. Rayline ARC 公式・公開ページrayline.ai