20B Small ModelはGPT-5とOpusと検索能力で匹敵：Chromaがオープンソースのエージェント検索モデル「Open Source Agent Search Model Context-1」をリリース

1M AI Newsの監視によると、オープンソースのベクターデータベースChromaが、マルチターン検索タスク専用に設計された20億パラメータのエージェント検索モデルContext-1をリリースしました。
モデルの重みはApache 2.0ライセンスの下でオープンソース化されており、合成データ生成パイプラインのコードも公開されています。
Context-1はリトリーバルサブエージェントとして位置付けられており、直接質問に答えることはなく、マルチターン検索を通じて下流の推論モデルのために一連のサポート文書を返します。
コア技術は「セルフエディティングコンテキスト」であり、モデルは検索プロセス中に無関係な文書断片を積極的に捨て、次の検索のために限られたコンテキストウィンドウ内でスペースを確保し、コンテキストの膨張によるパフォーマンスの劣化を回避します。
トレーニングは二段階で行われます。まず、Kimi K2.5のような大規模モデルを使用して、監督微調整のためのSFT軌道を生成し、その後、強化学習（CISPOアルゴリズムに基づく）を通じて8,000以上の合成タスクでトレーニングを行います。
報酬設計にはカリキュラムメカニズムが採用されており、初期段階では広範な探索を促し、後の段階で精度にシフトして選択的保持を促進します。
ベースモデルはgpt-oss-20bで、LoRAを使用して適応され、B200上でMXFP4量子化を用いて推論を実行し、スループットは秒間400-500トークンを達成しています。
Chromaの4つの自己構築したドメインベンチマーク（Web、金融、法律、メール）および公開ベンチマーク（BrowseComp-Plus、SealQA、FRAMES、HotpotQA）において、Context-1の4ウェイ並列バージョンは、GPT-5.2、Opus 4.5、Sonnet 4.5などの最先端モデルの「最終回答ヒット率」メトリクスに匹敵するか、近づいています。
例えば、BrowseComp-Plusでは0.96を達成し（Opus 4.5の0.87、GPT-5.2の0.82と比較）、そのコストとレイテンシは後者のわずか一部です。
特筆すべきは、モデルはWeb、法律、金融データのみに基づいてトレーニングされたにもかかわらず、トレーニングに含まれていないメールドメインでの重要な改善も示しており、検索機能のドメイン間の転送可能性を示しています。