OpenAI、16MB制約で効率pretrainingを競うParameter Golfを公開

OpenAIは2026年3月18日、Xで新しい研究チャレンジParameter Golfを公開した。案内ページによると、参加者は固定されたFineWeb datasetでheld-out lossを最小化しつつ、weightsとtraining codeを合わせて16 MB以内に収め、さらに学習を8×H100で10分以内に完了させる必要がある。

この設計は単なる話題づくりではなく、効率性そのものを競う実験だ。より大きなモデルや長い学習時間ではなく、parameter efficiency、training efficiency、reproducibilityを同時に最適化することが求められる。edge deployment、compact foundation models、efficient pretrainingに関心を持つ研究者やエンジニアにとって、実務的な意味が大きい。

進め方も公開benchmarkに近い。OpenAIはbaseline、固定dataset、evaluation scriptsを含むGitHub repoを提供し、参加者はそれをforkして制約内でモデルを改善し、code、logs、score、短いwrite-upを添えてPRを提出する。承認されるとleaderboardが自動更新される仕組みだ。

OpenAIはこのチャレンジを採用導線としても位置付けている。案内ページでは、優れた参加者を面接に招く可能性や、優勝アプローチを公開紹介する可能性に触れている。また、在庫と適格性審査を前提に、Runpod経由でquick-start creditsから大きめのgrantまでcompute支援も用意している。

全体としてのシグナルは明快だ。frontier labが再び小型で高効率なモデルと、その周辺のengineering disciplineに強く注目しているということだ。Parameter Golfはその優先順位を公開ルール付きの競争として形にした。優れた結果が出れば、leaderboardの内側だけでなく、小さな予算でより大きな性能を引き出したい開発者にも参考になる手法が生まれる可能性がある。