Nous Researchは、140億パラメータのオープンソース・コーディングモデルNousCoder-14Bを公開した。同社によれば、このモデルはより大規模な独自システムと競合できるという。今回の発表は、AnthropicのClaude Codeが開発者から強い注目を集めるなかで行われ、オープンモデルが実務的なソフトウェア開発で同様の成果を提供できるのかという問いに、あらためて焦点を当てている。

VentureBeat AIによると、Nous Researchは48台のNvidia B200 GPUを使い、4日でこのモデルを学習させた。同社はモデルの重み、強化学習環境、そして生成に用いたトレーニングハーネスを公開している。そのため今回の公開は、報告されたベンチマークスコアだけでなく、外部研究者が検証、再現、拡張できるインフラの量という点でも注目に値する。

検証可能なコードを中心に構築された小型モデル

付属の技術報告によると、NousCoder-14BはAlibabaのQwen3-14Bをベースにしている。Nous Researchは、2024年8月から2025年5月の間に公開された競技プログラミング問題のテストであるLiveCodeBench v6で67.87%の正解率を記録したと報告している。同社は、この結果がベースモデルの性能を7.08ポイント上回ると述べている。

これらの数値は、ベンダーが報告したベンチマーク結果として読むべきであり、コーディングアシスタントの品質を完全に示すものではない。LiveCodeBench v6は、正解が既知のプログラミング問題の解法を評価するものである。これだけでは、NousCoder-14Bが大規模なコードベース、未知のリポジトリ、ツール利用、複数ターンにわたるデバッグ、本番環境の制約をどれだけうまく扱えるかは分からない。

この区別が重要なのは、現在の市場の議論がますますエージェント型ツールによって形作られているからだ。Claude Codeは、プロジェクトを調べ、変更を加え、実際に動くソフトウェアへと反復していく様子を示すデモで注目を集めてきた。一方、Nous Researchの報告結果は競技プログラミングに焦点を当てており、生成されたコードを自動実行して正誤判定できる点にある。

Nous Researchがモデルをどのように学習させたか

今回の公開では、Nous Researchがモデルとあわせて公開したAtroposフレームワークが使われている。学習には24,000件の競技プログラミング問題と、検証可能な報酬に基づく強化学習プロセスが含まれていた。モデルが解答を生成し、システムがテストケースに対して実行し、その結果が学習シグナルを与えた。

VentureBeatは、Nous ResearchがModalを使ってサンドボックス化されたコード実行を並列で行ったと報じた。システムは提出に時間制限とメモリ制限を課し、生成、検証、追加学習を重ね合わせることでGPUクラスターを稼働させ続けた。研究者たちは他の手法と比較したうえで、Dynamic Sampling Policy Optimization、つまりDAPOを選んだ。

報告された手法のひとつでは、モデルが毎回成功する問題、あるいは毎回失敗する問題を除外した。どちらの場合も、研究者たちはそれらの例がモデル改善に有用なシグナルをほとんど提供しないと判断した。また、まず32,000トークンのコンテキストウィンドウで学習し、その後拡張しており、約80,000トークンでの評価で報告された最高スコアが得られた。

この技術的アプローチが開発者にとって重要なのは、より大きな事前学習済みシステムだけに頼らずに小型モデルを改善する道筋を示しているからだ。出力を自動でテストできるなら、強化学習は特定の挙動を狙うことができる。しかし、この利点が最も強いのは信頼できる評価器がある分野であり、コードの保守性、製品要件、アーキテクチャ上の判断のような曖昧な課題への適用は難しい。

ベンチマーク向上の裏にあるデータ上限

技術報告は、将来のコーディングモデル研究を左右しうる制約も示している。報告書の著者であるJoe Liによれば、Nous Researchが使用した24,000件の問題は、標準化され検証可能な形式で容易に入手できる競技プログラミング問題のかなりの割合を占めるという。

Liは、この分野がすでに高品質な公開学習データの供給上限に近づいている可能性があると論じている。これは、コーディングモデルの進歩が止まったという意味ではない。むしろ、今後の追加的な改善は、単にオンライン上の問題をより多く集めることよりも、データ効率、合成例、より良い学習目標に依存する可能性が高いということだ。

研究者たちは、問題生成とセルフプレイを今後の可能性として挙げている。役立ち、解けるプログラミング課題を作れるモデルは、別のモデル――あるいは自分自身――のための継続的なカリキュラムを生み出せるかもしれない。報告書はまた、マルチターン強化学習の必要性も指摘しており、システムがコンパイラエラー、失敗したテスト、時間制限のフィードバックを反復試行の中で使えるようにし、最終的な合否報酬だけを受け取る形にしないよう提案している。

これらはあくまで研究の方向性であり、NousCoder-14Bで実証された能力ではない。報告書はまた、誤った解答は長くなりがちで、いくつかの手法は学習中に利用可能なコンテキストを消費しがちな傾向を解消できなかったとも述べている。

この公開がAIコーディング製品にとって意味すること

開発者や創業者にとって、すぐに魅力的なのはコントロールだ。NousCoder-14BはHugging Face上でApache 2.0ライセンスのもと利用可能で、付随するAtroposスタックは、通常のクローズドAPIよりも学習プロセスを詳しく把握できる。適切なインフラを持つ組織なら、モデルを非公開で評価し、社内ワークフローに適応させたり、学習環境を新たな実験の基盤として使ったりできる。

ただし、それはホスト型コーディングエージェントのそのままの代替にはならない。製品チームは依然として、推論コスト、レイテンシ、コンテキスト処理、リポジトリ規模での性能、セキュリティ分離、そしてミスから回復する能力を評価する必要がある。単発のプログラミング問題では優秀でも、長期にわたるコードベースを扱ったり複数のツールを連携させたりする場面では、オープンモデルはまったく異なる振る舞いを見せる可能性がある。

それでも、このタイミングは競争圧力を高める。Claude Codeは、エンドツーエンドのコーディングエージェントを非常に目立つ製品カテゴリーに押し上げるのに貢献した一方で、Nous Researchは再現性とオープンなインフラを強調している。どちらも普及への異なる道筋だ。前者は洗練された管理型ワークフローを優先し、後者は研究者や企業にモデルと稼働環境へのより大きな制御権を与える。

同社のより広いオープンソース戦略も重要だ。暗号ベンチャー企業Paradigmの支援を受けるNous Researchは、これまでにHermes 4やDeepHermes-3などのモデルを公開している。VentureBeatは、2025年4月にParadigm主導で行われた5,000万ドルのラウンドを含む、総額6,500万ドルの資金調達を報じた。これらの資金面の詳細と同社の競争上の位置づけは報道ベースの情報であり、NousCoder-14Bの商業的な牽引力を独立に検証したものではない。

今後注目すべき点

次に最も有益なのは、LiveCodeBench v6を超えた独立検証だ。開発者は、リポジトリ単位の修正、複数ファイルの変更、ツール支援ワークフロー、テストやコンパイラとの反復的なやり取りでの結果に注目すべきだ。他のオープンモデルとの比較も、NousCoder-14Bの優位性が競技プログラミング以外でも続くかどうかを明らかにするはずだ。

研究者は、公開されたAtroposスタックが同等のハードウェアで再現可能な結果を可能にするか、また性能が24,000件の特定データセットにどの程度依存するかに注目するだろう。推論コストと長文コンテキストでの信頼性についてのさらなる証拠が、モデルが主に研究成果物として価値があるのか、それとも製品に実用的なのかを決定する。

Creati.aiの見解

NousCoder-14Bが重要なのは、単一のベンチマークがオープンかクローズドかの議論に決着をつけるからではなく、比較的コンパクトなコーディングモデルを改善するための信頼でき、検証可能な道筋を示しているからだ。検証可能な報酬と公開された学習インフラの組み合わせは、AIビルダーに具体的に研究できる材料を与える。

より難しいのは実運用だ。コーディング製品には、コンテスト問題への正解だけでなく、確実な反復、リポジトリの理解、安全な実行が必要になる。Nous Researchや外部チームがこの公開をそうしたワークフローへ拡張できれば、Claude Codeに対する有力な対抗軸になり得る。現時点で最も強い主張はより限定的だ。オープンな研究はコーディングの測定可能な部分で急速に進歩している一方、測定しにくい製品面の課題は未解決のままである。