主権型AIが、普通の
ハードウェアで動く仕組み。
大きなモデルは膨大な知識を蓄えます。Mixture-of-Experts モデルは、処理するトークンごとにそのごく一部だけを使います。これこそが、フロンティア級の知能を普通のサーバーCPUで、エッジで、機関の中で動かせる理由です。これは GLM の設計であり、KODA主権型モデルの青写真です。
01 — 大きなモデル、小さなマシン
GPUのラックなしで、フロンティアの知識を。
フロンティアモデルは数千億のパラメータを持ちます。それらすべてを高速メモリに読み込むにはGPUのラックが要ります。高価で、希少で、自分が制御できないクラウドに縛られます。病院、工場、主権的な展開にとって、その構成は適していません。
Mixture-of-Experts は経済性を変えます：知識は広く保ちながら、各トークンに関係する一部だけを活性化します。
広く蓄えます。狭く活性化します。
02 — 密（DENSE）と MIXTURE-OF-EXPERTS
モデルの大半を待機させ、計算負荷を抑えます。
密（dense）モデルは、すべてのトークンに対してすべてのパラメータを動かします。MoE モデルは多数の「専門家（expert）」を持ちますが、ルーターがトークンごとに数個だけ選びます。だからモデルの大半は待機したまま、安く済みます。
GLM-5.2：744Bパラメータを蓄積 · トークンあたり約5.4%が活性（Colibriランタイムについての報告値）。
03 — GLM Mixture-of-Experts 層の内側
ルーター、数個の専門家、常時オンの土台。
各トークンについて、小さなルーターが専門家を採点し、上位の数個を選びます。共有専門家（shared expert）は常に動作し、一般的な能力を担います。その上にルーティングされた専門家が専門性を加えます。結果は統合されます。
この設計が優れる理由：ルーターは学習可能なバイアスで専門家の負荷を均衡させます。主目的と競合する補助損失を用いずに負荷を分散し、品質の向上を図ります。アテンションも圧縮され（MLA）、長文脈のメモリコストを約57分の1に縮めます。
知識は多数の小さな専門家に蓄えます。トークンが必要とする数個だけを計算します。
04 — メモリの工夫
専門家はディスクに置きます。必要になるものを先取りします。
トークンごとに数個の専門家しか動かないなら、すべてを高価な高速メモリに置く必要はありません。主権型ランタイムは VRAM・RAM・ディスクを一つの階層として扱います：ホットな専門家は高速側に、コールドな専門家は NVMe に、そしてプリフェッチャが予測し、次の層が呼ぶ専門家を前もって引き込みます。
これは Colibri ランタイムのパターン：Apache-2.0、単一ファイルC、依存ゼロ。KODAはCPU上での推論実行の参照として研究しています。
「約25GB」は RAM に常駐するメモリ量であり、モデル全体の大きさではありません。GLM-5.2 のダウンロード容量はディスク上で約429GBあり、エキスパートは必要に応じてそこから読み込まれます。速度はハードウェアに依存します：25GB のノート PC でコールド時に毎秒0.05〜0.1トークン、128GB のRyzen AI Max+ 395 で毎秒1.83トークン、RTX 5090 を6基使った環境で毎秒9.0〜9.2トークンです。これらは Colibri のメンテナーが報告した数値です（README、コミット bf24429、2026年10月6日）。KODA総研による測定値ではありません。
05 — KODAの設計
共有の土台、専門アダプタ、主権型ランタイム。
我々は744Bモデルを追いません。同じ原理を主権的な規模で適用します：一つの共有土台が一般能力を担い、小さなアイデンティティ・アダプタがそれを Koda に、あるいは臨床・産業の専門家にします。統制された記憶が事実を保持し、CPUネイティブのランタイムがすべてを配信します。設備のそばで、機関の中で。
主権的
自分のハードウェアで動きます。単一のGPUベンダーや外国クラウドに依存しません。
継続的
各エージェントはセッションをまたいでアイデンティティと記憶を保持します。その継続性を測定します。
統制された
あらゆる推奨は帰属可能で、上書き可能で、記録されます。権限は人間に残ります。
効率的
広く蓄え、狭く活性化する：フロンティア級の能力を、稼働コストのごく一部で。
フロンティアの設計を、仕事が起きる場所へ。
Mixture-of-Experts は、7,440億パラメータのモデルを動かすのと同じ発想が、統制された KODA エージェントを工場のフロア機器や病院が管理するサーバーで生かせる理由です。同じ設計原理を、稼働コストのごく一部で、あなたが制御するハードウェアの上で。より小さな KODA モデルがどの能力に達するかは別の問題であり、そのモデル自身の評価によってのみ答えられます。
誠実な境界：引用した数値（744B · 約5.4%活性 · 約57倍のKV圧縮 · 約72%のルーティング予測性）はGLM-5.2 のアーキテクチャ資料と Colibri メンテナーの README によるもので、KODA総研が独自に測定したものではありません。KODA主権型モデルは Track-D の研究・製品プログラムの中にあり、完成した製品の主張ではありません。