ME AI メッセージによると、動察Beatingの監視によると、Google TPUソフトウェアエンジニアのPatrick Toulmeは、外部のGLM 5.2が蒸留によってOpusに追いついたという説には誤解があると指摘している。大規模モデルのインテリジェントエージェントのコーディングタスクにおける訓練の難しさは、「ゼロ勾配の困境」にある。つまり、モデルが早期に正しい動作経路を生成できない場合、強化学習は勾配信号を得られず、パラメータの更新を開始できない。ClaudeやGPT-5.5の蒸留の役割は、冷スタート段階でのシード解答を提供し、ゼロ勾配の困境を回避することに過ぎない。一旦モデルが冷スタートの閾値を超えると、その後の性能向上は蒸留に依存せず、完全に強化学習の山登りアルゴリズムによる自己進化に頼ることになる。Toulmeは、GLM 5.2はすでに成功経路を独立して生成できる能力を備えており、完全に強化学習による自主的な反復によってより高いレベルに到達でき、米国の大規模モデルへの依存を徹底的に排除できると強調している。Redisの創始者Salvatore Sanfilippoは、別の道筋の可能性を補足した。高能力モデルを通じて推論モード（蒸留）を導入することは、より良いRL信号を得るために非常に有用だが、DeepSeek R0の実践は、蒸留による播種なしの純粋な冷スタート状態でも、強化学習が自主的に動作し、突破を達成できることを証明している。同時に、彼は、冷スタートの閾値を越える必要がある場合、大規模モデルの研究開発は、米国のAPIに依存せず、DeepSeek-v3.2などの国内オープンソースモデルを用いて微調整を行うことも完全に可能だと考えている。（出典：BlockBeats）
意見：API蒸留はRLの踏み台に過ぎず、GLM 5.2の自主的な反復により米国モデルへの依存を徹底的に排除できる