主流の大規模言語モデルが同種の回答に収束する人工的な群体思考現象が、学術界から産業層まで注目を集めている。NeurIPSベスト論文賞を受賞した「Artificial Hivemind」研究により、訓練データや最適化目標の類似性から、異なるモデル間でも画一的な出力が生じることが実証された。ユーザーは個別対話と感じていても、実際には確率の高い標準表現が優先され、ブレストやクリエイティブ作業における多様性が制限されている。 この課題解決を目指し、オーストラリアのスタートアップSpringboardsはFlintという新規LLMの開発を進めている。CEOのPip Bingemann氏とCTOのKieran Browne氏は、既存モデルの温度パラメータを単純に上昇させる手法が文脈の破綻を招くことに着目し、阿里巴巴のオープンソースQwen 3を基盤として局所的なランダム化技術を導入した。回答生成の特定ノードのみを選択的に多様化させ、安定性を保ちつつアイデアの発散を促す設計だ。 広告・マーケティング業界の専門家たちは、Flintのプロトタイプ版を用いたブレストで従来モデルとは異なる視点を得られていると評価している。金融サービスの企画立案やブランドネーミングにおいて、平均的な回答から脱却する催化剤として機能している。一方、現時点では複雑な指示下での動作不安定さといった技術的課題が残る。 開発陣は、Flintが人間の思考を代替するものではなく、多様な選択肢を提供する創意のカタリストであることを強調している。LLMの画一化が単なる技術課題から対話体験の構造的課題へと拡大する中、Flintの試みはユーザーに出力の制御権を戻し、人工知能との協業における創造性の枠組みを再定義する可能性を秘めている。