コード検索の小型モデルWayfinder公開、1回約1セント
執筆・監修: 佐々木 航公開 更新 5 分で読めます
コーディングのエージェントは、バグを直す前に、まず関係するコードを探します。その検索を、大きなモデルの何分の1かの費用で済ませる方法が示されました。
MongoDB傘下で埋め込みのモデルを作るVoyage AIは11月18日、コード検索の研究「Wayfinder」の結果と、検索役の小型モデル「wayfinder-qwen」の重みを公開しました。検索の索引と組み合わせると、正しいファイルの約74%を1回約1セントで見つけます。大きなモデルでは、Claude Sonnet 5.5が76%で12セント、GPT-6.1 Solが78%で7セントでした。その数ポイント下まで迫ったわけです。なお、Voyage AIは、WayfinderはMongoDBの製品ではなく研究のプロジェクトだとしています。
wayfinder-qwenは、AlibabaのQwen3.6-35B-A3Bを、コード検索の役目に合わせて追加学習したモデルです。全体は350億パラメーターですが、1トークンごとに動くのは約30億にとどまります。親のエージェントが「どこで経路の判定をしているか」のような依頼を渡すと、grepやファイルの読み込みでリポジトリを探します。返すのは、関係するファイルと行の範囲を、理由つきで順に並べた一覧です。
学習のお手本には、MetaのMuse Spark Open(8,160億パラメーター)を使いました。5,683回の検索のうち、正しいファイルをすべて見つけ、根拠も読み、手数も少なかったものだけを残しました。そこに既製のモデルの記録を少し足した1,383件が、学習の例です。学習はH200のGPU 4枚で88分、費用は約28ドルでした。
索引は、コードを関数やクラスの単位で切り分け、Voyage AIのvoyage-code-4で意味のベクトルに変えて作ります。検索では、意味の近さで探す方法を8割、キーワードで探すBM25を2割の重みで混ぜます。その結果をモデルが見つけた候補と合わせ、rerank-3で並べ直す流れです。索引のサーバーには、コードの原文を置かず、ハッシュとベクトルだけを保存します。
結果:索引でSonnet 5.5に2ポイント差
学習に使っていない200問で、正しいファイルを見つけた割合と、1回の検索の費用を比べました。
| 探し方 | 見つけた割合 | 1回の費用 |
|---|---|---|
| Wayfinder+索引 | 見つけた割合約74% | 1回の費用約1セント |
| Wayfinder+索引を2回分合わせる | 見つけた割合78% | 1回の費用約2セント |
| Wayfinderだけ(grepなど) | 見つけた割合69% | 1回の費用— |
| 索引だけ(モデルなし) | 見つけた割合61% | 1回の費用約0.1セント |
| Claude Sonnet 5.5(high) | 見つけた割合76% | 1回の費用12セント |
| GPT-6.1 Sol(medium) | 見つけた割合78% | 1回の費用7セント |
Voyage AIの発表の値です。Sonnet 5.5とGPT-6.1 Solは、索引を使わずgrepなどで探した結果です。「—」は発表に費用の記載がないことを示します。
面白いのは、grepと索引が互いの見落としを補った点です。モデルがgrepで探すと、索引だけでは見逃すファイルが12〜13ポイント分見つかりました。逆に、索引を足すと、モデルだけのときより5〜9ポイント上がります。同じ大きさの既製のモデルAgents-A1 35Bも、索引と組み合わせると約74%に届きました。
見つけたファイルが、実際の修正に役立つかも試しました。親のエージェントはClaude Opus 5.5で、変えたのは検索の方法だけです。課題を解けた割合は、wayfinder-qwenで55%、Sonnet 5.5とGPT-6.1 Solで57%、2回分を合わせると61%でした。ただし課題の数は少なく、Voyage AIも差ははっきりしないとしています。
重みの使用条件と索引の費用
重みはHugging Faceで公開され、Apache 2.0に加えて、お手本にしたMuse Spark Openの使用条件もかかります。製品に使うときは「Built with Muse Spark Open」と示す必要があります。また、モデルを提供するサービスで年の売上が2,000万ドルを超えると、Metaとの別の契約が要ります。学習データは、申し込んで承認された人だけが使えます。1
1回1セントには、索引を作る費用が入っていません。Voyage AIの試算では、中くらいのリポジトリ(53MB)の索引づくりに約0.31ドル、保つのに月約0.16ドルかかります。Sonnetの検索1回が約0.11ドル、Wayfinderが約0.017ドルなので、1つのリポジトリを月に2回ほど探せば元が取れる計算です。逆に、索引を作っても検索しないリポジトリでは損になります。
ここからは編集部の見方です。大きなリポジトリをエージェントに何度も探させている会社なら、検索だけを小型のモデルに任せる設計は試す価値がありそうです。ただ、索引のベクトルを作るvoyage-code-4は、Voyage AIが提供するモデルです。コードを社外に出せないなら、ベクトルを作るときの送り先を確かめておくのが安全でしょう。また、モデルカードの対応言語は英語です。日本語で依頼を書いたときや、日本語のコメントが多いコードでの結果は示されていません。
YOBITSUGI AIでは、Claude Sonnet 5.5とClaude Opus 5.5を使えます。今回のwayfinder-qwenは、現時点の対応モデルには含まれていません。
出典
- Wayfinder: Frontier-level Code Search at a Fraction of the Cost(Voyage AI・2026年11月18日)
- MongoDB/wayfinder-qwen-35b-a3b(Hugging Face・2026年11月19日に確認)
注
モデルカードによると、1台のH100でvLLMを使い、FP8で動かして測っています。学習の例のうち33件は、Agents-A1 35Bの検索の記録です。 ↩