ハクソク

世界を動かす技術を、日本語で。

ウルトラマリン1 フラッシュ

2026年10月16日原文(paperinstruments.com)

概要

  • Ultramarine 1 Flash は、金融・法務・コンサル・オペレーション分野の プロフェッショナル業務に特化 したオープンモデル
  • コスト効率 と 品質 の両立を実現し、主要な競合モデルより 圧倒的に低価格
  • トークン効率性 の向上により、より少ないトークンで高品質なアウトプットを生成
  • 内部ベンチマーク で高スコアを達成し、現場での実用性を重視
  • クリーンな文章生成 ・情報構造・クライアント対応力を備える

Ultramarine 1 Flashの特徴と技術レポート

  • Fable-class に分類される知識ワーク特化型AIモデル
  • 金融・法務・コンサルティング・オペレーション の専門業務をカバー
  • GLM-5.3 Flash をベースに、トークン消費を 6.5%削減 しつつ品質向上
  • PI Knowledge Work という独自ベンチマークで評価
    • Excel・PowerPoint・Wordなどの 実務ファイル生成 を含む
    • ERP・MESなど業務システム操作 も評価対象
    • 内容・正確性・プレゼンテーション で厳格採点
  • API利用料金
    • 入力： $0.15/百万トークン
    • キャッシュ済み入力： $0.03/百万トークン
    • 出力： $0.50/百万トークン （GLM-5.3 Flashと同一）
  • 1タスクあたり$0.13 で最大推論精度を発揮
    • Claude Fable 5（最大推論） $8.19/タスク
    • GPT-5.6 Sol（最大推論） $2.09/タスク
    • Claude Opus 5.5（最大推論） $6.96/タスク
    • GPT-6 Sol（最大推論） $1.26/タスク
    • 各スコアは PI Knowledge Work で測定
  • コスト対品質のフロンティア 上に位置し、最も魅力的な価格帯を実現

ベンチマークスコア・コスト比較（抜粋）

  • Ultramarine 1 Flash（最大推論） ： 59.3点/$0.13/タスク
  • Claude Opus 5.5（最大推論） ： 61.9点/$6.96/タスク
  • GPT-6 Sol（最大推論） ： 61.4点/$1.26/タスク
  • Claude Fable 5（最大推論） ： 57.8点/$8.19/タスク
  • Muse Spark 1.3（最大推論） ： 54.7点/$1.58/タスク
  • GPT-6 Luna（最大推論） ： 58.3点/$0.11/タスク
  • GLM-5.3 Flash（最大推論） ： 52.0点/$0.10/タスク

プロフェッショナル業務への最適化

  • クリーンでシンプルな文章生成、明確な情報階層
  • プロフェッショナルサービスのアナリスト基準 を満たす品質
  • クライアント対応力 を重視した設計
  • 例：Nucor社のスチールサイクル分析
    • 5期間分のセグメント売上・利益を 一表で集計
    • 全小計・合計が整合 し、視認性と正確性を両立

まとめ

  • Ultramarine 1 Flash は、 実務現場で即戦力となるAI として、コスト・品質・汎用性のバランスを高次元で実現
  • 財務・法務・コンサル・現場オペレーション など、多様な業務課題に対応可能
  • 従来モデル比60倍のコスト削減 を達成しつつ、 高品質アウトプット を提供
  • 詳細・技術レポートは公式ブログ（Paper Instruments Blog）およびTwitter参照

Hackerたちの意見

なんでパレートコストパータスクチャートには6.1ソルがないの？

「ウルトラマリン1フラッシュを紹介します。これはプロフェッショナルな知識作業のためのエージェントモデルです。ウルトラマリンは、大規模な強化学習を強力なオープンベースモデルであるGLM-5.3フラッシュに適用し、私たちが評価する6つの知識作業ベンチマーク全てで改善を図っています [...] もし誰かがその基盤について興味があれば。私からはどちらの判断もないけど、ポストトレーニングがどれだけうまくいったか次第だと思う。」

└

いいね！今は知識作業のためにGLM 5.3フラッシュを使ってるから、これもチェックしてみるよ。

質問なんだけど、フロンティアモデルって何を指すの？パフォーマンスがルナ（マックス）に似てる気がするんだけど…。フロンティアって6.1ソルとか6アストラ、オーパス5.5みたいなことだと思ってたんだけど、誰か説明してくれない？

└

彼らはフロンティアモデルだとは主張してないよ。フロンティアレベルのパフォーマンスだって言ってる。

└

最近は、コスト/パフォーマンスのパレートフロンティアを指すことが多いね。つまり、そのコストプロファイルで得られる最高のパフォーマンスってこと。

└

彼らはフロンティアを主に、より安くて早いものだと考えてるよ。バックグラウンド処理でその種のモデルを使うと、他のオープンモデルよりも実際にちょっと役立つんだ。

└

「フロンティアモデル」って、ほんとに「知能のフロンティアを押し広げる」って意味だよね。だから、FableとかAstraとか。彼らは知能/ドルのフロンティア、つまりパレートフロンティアを指してるかもしれないけど、正直言って、あんまり良い指標じゃないことが多いよね。同じタスク（例えばコールセンターのトリアージ）を繰り返しやってるなら、小さなモデルをファインチューニングすることで、大きなLLMよりも価格で勝てるし。知識労働をしているなら、モデルはすごく多様だから、価格以外の要素が重要になることが多いよ。例えば、Opus 5のひどい英語のせいで、多くの人が離れたけど、Opus 5.5でそれが改善されたからね。こういうことはベンチマークでは測れないんだよね。

└

問題は「フロンティアモデル」が常に変わるってこと。今日発表されたモデルは、理想的には今のAstraやOpus、Fableと比べるべきなんだけど、マーケティングの理由で前のバージョンと比べるのが一般的なんだよね（それ自体は全く理にかなってないわけじゃないけど、数ヶ月前にはそれがフロンティアだったし）。

彼らはすごいね！本当に感心してる。モデル自体も素晴らしいし（ベンチマークによると）、その上にハーネスを構築したのもすごくクールだね。

どれくらいの専門モデルがあれば会社を運営できるのか、試してみたいな。帳簿付けに使ってみるつもり。例えば、フォルダを指定して請求書を記入させたり、1年分のプライベートトランザクションが入ったCSVファイルを指定して、処理されてカテゴライズされるのを見たり、特定のトレンドについて聞いてみたり。

└

それって、LLMよりもPythonスクリプトの方が向いてる気がする。

Hacker Newsで議論の続きを見る