自分の回答を自分でレビューする無検閲AIモデル、Shannon 3

これまで使ってきたチャットモデルのほぼすべては、1回のフォワードパスで回答します。最後のトークンを知る前に最初のトークンを選び、いったん文が出力されればそれは確定します。あとから矛盾したことを言うことはできても、戻って直すことはできません。回答が短く、質問が1つの論点で済むならこれでうまくいきます。回答が長く、質問に4つの論点があり、6段落目が2段落目を静かに無効化するようなときには、うまくいきません。Shannon 3が存在するのは、その解決策がより大きなモデルだとは考えなかったからです。解決策は、モデルに自分が書いたものを読ませることです。

01Shannon 3とは何か

Shannon 3は2ティア構成のモデルファミリーです。どちらのティアもサードパーティの推論APIではなく自社GPUクラスタ上で動き、いずれも無検閲です。前段に拒否層はなく、後段にコンテンツフィルタもありません。ティア間で異なるのは、回答が届くまでに1ターンでどれだけの作業を許すかです。

APIでは、2つのティアはごく普通のモデルIDです。専用エンドポイントも、別のSDKも、独自のリクエスト形式もありません。

ティア	モデルID	ターンの形	適した用途
Shannon 3 Lite	shannon-3	思考＋下書きを1パス	チャット、下書き、調べもの、大量処理
Shannon 3 Pro	shannon-3-pro	完全ループ、最大10パス、加えて知識収集	分析、長文、正確さが問われる作業

02難しい問いに1回のフォワードパスが向かない理由

左から右へテキストを生成するモデルは、取り消せない局所的な決定を連ねていきます。消しゴムがありません。説明を400トークン書いた時点で選んだ枠組みが誤りだったと気づいても、選択肢は誤った枠組みのまま続けるか、訂正を書き足すかしかありません。そうして誰もが見覚えのある回答が生まれます。途中で実は、上記を見直すとと言い出し、両立しない2つの半分を読み手に突き合わせさせる、あの回答です。

思考の連鎖はこれを改善しますが、解決はしません。先に考えることで、散文に踏み出す前に計画を持てるのは本物の利得です。それでも続く下書きは1パスで書かれ、読み返されないまま出荷されます。人間の編集者が真っ先に投げる問い — この回答は、思考が言ったことを実際にやっているか？ — を誰も投げません。思考の連鎖を生き延びる失敗の型は、具体的で見分けがつきます。

• 落ちた小問。4つ尋ねた。思考は4つ挙げた。回答は3つしか扱っていない。
• 計画のドリフト。推論はある方針に落ち着いたのに、散文は徐々に別の方針を採る。どの一文が誤りの起点かも特定できない。
• 計算と単位。思考で正しく計算した数字が回答へ誤って転記される、あるいは月あたりの数値が年あたりとして提示される。
• 無視された制約。外部依存は禁止と伝えたのに、コードは1つインポートしている。思考は制約を認めた後、二度と触れない。
• 自信のある空白。思考では特定の事実に自信がないと言っておきながら、回答ではそれを断定してしまう。

これらはいずれも、下書きを読めば捕まります。下書きをより丁寧に生成しても、どれも捕まりません。

03推論ループを段階ごとに

Shannon 3 Proの1ターンは、4つの段階と終了条件からなるループです。

思考

モデルはあなたに向けて何かを書く前に、問題そのものに取り組みます。質問を分解し、制約を書き留め、何を知っていて何を知らないかを見極め、方針を定めます。ここで生み出されたものが、後に回答を測る基準になります。

下書き

モデルは完全な、実物の回答を書きます。アウトラインではありません。完全でなければならないのは、次の段階が完成した成果物を評価するからで、フルサイズでしか現れない失敗の型は、スケッチではレビューできないからです。

レビュー

このファミリーをこのファミリーたらしめている段階です。モデルは下書きを思考に照らして読みます。下書き単体を読むよりはるかに鋭いテストです。モデルに「この回答は良いか？」と尋ねれば、はいと言わせる誘導になります。「計画はX、Y、Zを制約Cのもとで扱うと言っていた。この文章はそれをやっているか？」と尋ねれば、反証可能なものを確認させられます。レビューは点数をつけるのではなく、どこが間違っているかを名指しします。

書き直し

名指しされた問題は新しい下書きで修正されます。これはパッチではなく書き直しです。議論の順序を変える必要がある修正なら、順序を変えて構いません。新しい下書きは再びレビューへ戻ります。

停止

ループはレビューが下書きを承認した最初の時点で終わります。これが通常の終了で、たいていのターンでは上限にはるかに届く前に起こります。10回という上限は病的なケースのためにあります。たとえば本当に曖昧な質問で、書き直すたびに1つの欠点が別の欠点と入れ替わるような場合で、ターンが無限に回り続けないようにするためです。

Liteは最初の2段階だけを実行して停止します。思考し、下書きし、その下書きを渡します。これは削り落とした結果の事故ではなく、意図した製品上の判断です。実際のメッセージの大きな割合では最初の下書きこそが正しい回答であり、それを教えてもらうためにレビューの遅延を払うのは割に合いません。速さが欲しいときはLite、確かさが欲しいときはProです。

04Proの知識収集：推測せずに助けを求める

自己レビューは矛盾、抜け、制約違反を捕まえます。それらを捕まえるのに必要な証拠が、すでにターンの中にあるからです。しかし、モデルがそもそも持っていない事実は捕まえられません。自分の下書きをレビューするモデルはこの数値には自信がないと結論できても、その結論の持って行き先がありません。

Proは持って行き先を与えます。下書きの段階の前後で知識収集を行います。欠けている、あるいは自信がない具体的な事実を特定し、まさにその点を2つめのより大きなモデルに問い合わせ、返ってきたものを改善後の回答に織り込みます。全体をもう一度尋ねるセカンドオピニオンではなく、モデル自身が名指しした空白に駆動された狙い撃ちの照会です。

実務上、2つの性質が効きます。1つは範囲が絞られていること。収集は質問全体を問い直すのではなく、特定された空白について尋ねます。だから大きいモデルは、単に別の声を足す場所ではなく、情報を足す場所で参照されます。もう1つは統合されていること。収集した事実は後付けの段落として現れるのではなく、ループへ戻って他のすべてと同じレビューを受けます。

05推論は見えるし、あなたの言語で書かれる

トレースはターンの実行中にすべて表示されます。思考、そしてProでは各レビューと、その指摘内容までです。これは露出を渋々許しているデバッグ表示ではありません。あなたが手に入れているものの大きな部分であり、具体的に3つの点で作業の関係を変えます。

• 途中で止められる。思考があなたの質問を読み違えていたら — これは悪いモデルではなく曖昧なプロンプトからよく起こることです — 最初の数秒で分かります。誤った問題を解いた回答が丸ごと届いてから気づくのではありません。
• 推論を回答とは別に監査できる。誤った推論でたまたま正しい回答にたどり着くのは負債です。次の質問には耐えられないからです。
• ループが失敗する様子も見える。Proが収束しないまま何回も反復を燃やしているとき、それは隠されずに表示されます。そしてこれは本物の情報で、たいていは質問の指定が足りていないことを意味します。

トレースはあなた自身の言語で書かれます。英語で生成して最後に翻訳するのではありません。日本語、アラビア語、トルコ語、ポルトガル語で作業しているなら、モデルはその言語で推論します。だからトレースの用語が回答の用語と一貫し、ある言語で考えて別の言語で話すときに生じる継ぎ目が出ません。

06無検閲：拒否層なし、出力フィルタなし

Shannon 3は拒否層も出力コンテンツフィルタも持たずに提供されます。拒否のふるまいは製品のどの層にも存在しません。モデルが見る前にあなたのメッセージを検査するラッパーとしても、あなたが見る前に回答を検査する分類器としても、説得して引き剥がす必要のあるモデルの反射としても、ありません。これは「無検閲」と言うときに通常意味される2つのものとは実質的に異なります。

手法	やっていること	破綻の仕方
システムプロンプトによる脱獄	アライン済みモデルに、アラインされていないかのように振る舞えと指示する	長い会話で効果が薄れ、圧力がかかると拒否が戻ってくる
出力フィルタの除去	モデルがすでに生成したテキストのブロックをやめる	モデルは依然としてぼかした逃げ腰の文章を書く。ブロックされたのではなく、そもそも書かれなかった
Shannon 3	取り除くべき拒否層も、無効化すべきフィルタもない。そのふるまい自体が存在しない	判断はすべてあなたに委ねられる。モデルがあなたの代わりに断ることはない

実際にShannon 3は、隣接するより無難な質問ではなく、あなたが尋ねた質問に向き合います。実在の敵役を出すフィクション、プレスリリースの高度ではなく技術的に語られるセキュリティの話題、実際に必要な留保だけを添えて直接示される医療・法務・金融の情報。そして、なぜそれを尋ねたのかについての締めの説教もありません。ループを薄めることもしません。レビューは下書きが誤っていると言って構いません。それは拒否とは別種の、より有用な押し返しです。

拒否層がないことがもたらさないのは、モデルが正しくなることです。無検閲モデルは検閲されたモデルとまったく同じだけ自信ありげに間違えられますし、確信がないときに曖昧さへ逃げ込まない分、それがより目に見えます。これはループを支持するより良い論拠の一つです。拒否の反射が邪魔をしないぶん、自己レビューがプロのユーザーにとって意味のある安全の仕事 — 誤りを捕まえること — を担います。モデルの利用は、当社の責任ある利用ポリシーと、あなたの所在地の法令に引き続き従います。

07画像認識、文書、そして画像生成

両ティアとも画像と文書を添付として受け付け、ターンの一部として読みます。失敗したビルドのスクリーンショット、撮影したホワイトボード、回路図、スキャンした契約書のページ、PDFを、先に書き起こすことなくそのまま質問の対象にできます。Proでは添付も他のすべてと同じようにループに参加します。画像が支持しない内容に下書きが答えているとレビューが判断すれば、その部分は書き直されます。

画像の生成と編集はチャット内でツールとして利用できます。モデルの目的ではありません。Shannon 3は、会話が求めたときに画像を作ったり編集したりできる推論モデルであって、チャットUIを付けた画像モデルではありません。この区別は期待値を正しく設定します。このファミリーは考え方で評価し、画像は文脈切り替えを省く便利機能として扱ってください。

08コンテキストウィンドウと、3.x系のその後

Shannon 3.0は32,768トークンのコンテキストウィンドウでローンチしました。これが正直な史実の数字であり、はっきり述べておく価値があります。ループは1パスのモデルとは異なる形でコンテキストを消費するからです。プロンプト、添付、思考、そしてすべての下書きとレビューのサイクルが、同じ予算の中に同居します。

32Kは、たいていのチャットや分析の作業には十分です。長い文書、かなりの分量のコードファイル、ループが走る余地を残した詳細な複数論点の質問。本当に大きな入力には窮屈で、その制約こそ次のリリースが対処したものです。Shannon 3.1はコンテキストウィンドウを大幅に引き上げ、ループを何に向けられるかを変えました。今このファミリーを検討しているなら、その記事を2本目に読み、ここの数字は歴史として扱ってください。

09APIからShannon 3を呼び出す

Shannon 3は3つのAPI方言すべてで、同じモデルとして利用でき、いずれもストリーミングに対応しています。

方言	エンドポイント	使うとき
OpenAI互換	/v1/chat/completions	既存のOpenAIクライアントコードがある場合。ベースURLとモデルIDを変えるだけ
Anthropic互換	/v1/messages	スタックがMessages形式を中心に組まれている場合
Responses	/v1/responses	より新しいリクエスト／レスポンス形式を使いたい場合

モデルIDにはshannon-3またはshannon-3-proを渡します。クライアント側で見込んでおくべきことが2つあります。Proのターンは長く、しかも変動幅が大きいことです。反復回数は質問に依存するので、タイムアウトは平均ではなく上限に合わせて設定し、スピナーではなく進捗が見えるようストリーミングを優先してください。もう1つは推論トレースは表示を選べるコンテンツであることです。ユーザーが待っている場面では、隠すより見せるほうがたいてい良い結果になります。死んだ時間を読めるものに変えられるからです。リクエストとレスポンスのスキーマ、ストリーミングの詳細、ライブプレイグラウンドはAPIドキュメントにあります。

10ティアの選び方

Proのループは、間違えうる余地の大きさに比例して、その遅延に見合う価値を生みます。

あなたのタスク	ティア	理由
短く答えられる事実の確認	shannon-3	最初の下書きがそのまま答え。レビューが捕まえるものがない
大量処理または遅延が効く自動化	shannon-3	ターン時間の予測可能性が制約条件になる
制約付きの複数論点の分析	shannon-3-pro	落ちた小問と制約違反こそ、レビューが捕まえるもの
全体として破綻してはいけない長文	shannon-3-pro	内部矛盾は全長で初めて現れる性質で、執筆中には見えない
実際に行動に移す数字を含むもの	shannon-3-pro	レビューが計算と単位を思考に照らして再確認する
モデルの知識の縁にある事実に触れる質問	shannon-3-pro	知識収集が、名指しされた空白を照会に変える

実用的なパターンとして、何を尋ねるか詰めている間はLiteを使い、固まった質問を一度だけProで走らせ直す方法があります。ループの対価を払う価値があるのは、あなたが本当に意図したほうの問いに対してです。

11採用前に知っておくべき限界

長所しか並べないモデルカードは広告です。ここではShannon 3ががっかりさせるところを挙げます。

• Proは遅く、しかも予測しにくい。2回で収束するターンと10回まで走るターンでは、実時間が数倍違います。遅延に上限が必要ならLiteを使ってください。
• レビューは証明ではない。自分の作業を確認するモデルは、自分の盲点も共有しています。ループは思考と下書きの不整合は確実に捕まえますが、思考そのものに自信をもって抱かれた誤りは確実には捕まえられません。
• コンテキストはループと共有される。32Kでは、非常に長い入力に加えてフルサイズの下書きが何本も入ると、3.0では現実的な制約になります。引き上げられた上限についてはShannon 3.1をご覧ください。
• 収集はモデルが気づいた空白しか埋めない。「これは自信がない」を照会に変えるのは本物の利得ですが、モデルが自信をもって間違えている事実は欠落として旗が立たないため、収集されることもありません。
• 無検閲は文字どおり無検閲。モデルは拒否しませんし、和らげもしません。製品として拒否の境界が必要なら、モデルが用意してくれることを期待するのではなく、自分で見える場所に作ってください。

12よくある質問

---

Shannon 3はShannon Lab LLC（米国ニューメキシコ州）が運営しています。ここに記載した数値は3.0ローンチ時の構成を説明するものです。現在の上限はShannon 3.1のモデルカードを、ファミリーの残りは研究索引をご覧ください。Shannon 3についてベンチマークのスコアは公開せず、比較性能の主張も行いません。