doubleAI Maxwellとは？Code Execution Modelで推論コストを下げる仕組み

結論：推論単価ではなく、同じGPUで終えられる仕事を増やすAI

Maxwellの狙いは、モデルのトークン単価を下げることではありません。実行中のPythonやPyTorchを観測し、ボトルネックを見つけ、CPU・GPUと実データに特化した低水準コードへ置き換えます。同じ仕事を短時間で終えられれば、GPU秒、待ち時間、必要台数を減らせる可能性があります。AI推論の原価をモデル選択ではなく実行層から下げるアプローチです。

注目点は、生成した最適化コードをテストだけで承認せず、元の処理と意味的に同じであることを機械が検査できる形式証明と組み合わせる設計です。生成AIによる大胆な書き換えと、決定論的な検証を分離しています。これはコード生成AI、JITコンパイラ、手書きCUDAカーネルのいずれとも異なるカテゴリを作る可能性があります。

ただし、2026年10月20日時点ではcontrolled early accessです。公開API、標準価格、SLA、正式なデータ処理契約は確認できません。LTX-2.5など具体例はありますが、速度値の多くはdoubleAIと協力先による測定です。今すぐ本番採用を決める製品ではなく、GPU費の大きい企業が早期評価へ進む価値がある段階です。

この節の一次情報：Maxwell公式｜The first Code Execution Model ／ Maxwell公式｜Terms of Use（early access）

Maxwellとは：doubleAIが提唱するCode Execution Model

Maxwellは、イスラエルのdoubleAIが開発するパフォーマンスエンジニアリング向けAIです。同社の共同創業者兼CEOは、Mobileyeを共同創業したAmnon Shashua氏です。WSJによると、doubleAIはNVIDIA、Dell系VC、Lightspeed、Bessemerなどから出資を受け、累計2億2,000万ドルを調達しています。

同社がいうCode Execution Modelは、チャットへ回答するLLMでも、IDEでソースコードを提案するコーディングエージェントでもありません。実行中のプログラム、利用中のハードウェア、流れているデータの形や型を観測し、その時点の環境に適したコードを作ります。元のソースは残したまま、下で動くバイナリを置き換えます。

公開デモでは、RTX 4090上のWhisper-small処理を106.23秒から49.82秒へ、CPU上のNetworkX betweenness centralityを61.44秒から17.50秒へ短縮しています。これらは公式デモの特定条件であり、あらゆる処理が同じ倍率で速くなることを示しません。

この節の一次情報：WSJ｜Nvidia-Backed Startup doubleAI Launches Model to Pare Cost of Compute（2026年10月19日） ／ Maxwell公式｜CPU・GPUデモ

仕組み：観測、生成、形式検証、差し替えを実行中に繰り返す

Maxwellはまず、トレースやプロファイル情報から処理時間の大きい箇所を探します。次に、実際のGPU、CPU、入力の形、型、周辺負荷へ特化したアルゴリズムやカーネルを生成します。PythonはSIMDを含む低水準実装へ、PyTorchは対象GPU向けのカーネルへ置き換えると説明されています。

生成したコードはそのまま実行しません。元コードと置換コードが同じ入力条件で同じ結果と副作用を持つことを、意味的同値性の証明として記述し、機械で検査します。証明に前提条件がある場合は実行時ガードを置き、条件を外れた入力では元コードへ戻すという考え方です。

最適化後もプログラムを観測し、別のボトルネックや環境変化に合わせて更新を続けます。開発元はPython全体を形式化したと説明していますが、その完全な定義、証明チェッカー、顧客が監査できる証明成果物の範囲は公開情報だけでは確認できません。

この節の一次情報：Maxwell公式｜Manifesto: Proofs, Mathematics, and Code ／ The Register｜Maxwell gives sub-optimal code a runtime glow-up

JITコンパイラ・コーディングAIとの違い

JITコンパイラも実行時の情報を使って機械語を最適化します。ただし、一般的なJITは開発者が実装した変換規則の範囲で、正しさを保てる保守的な変換を選びます。MaxwellはAIによる探索でアルゴリズム自体を変え、形式証明を安全弁にして探索範囲を広げると説明されています。

Claude CodeやCodexなどのコーディングエージェントは、人の要求に応じてソースコードを作成・修正します。レビュー、テスト、マージを経て配備されるのが基本です。Maxwellはソースを変更せず、実行環境の代理として動作します。両者は競合というより、エージェントが書いたコードを実行層で最適化する補完関係です。

TensorRT、torch.compile、手書きCUDAは成熟した選択肢です。Maxwellの価値は、固定されたコンパイル規則や人手の性能改善を超える最適化を、複数のワークロードへ継続的に適用できるかで決まります。比較では、最終速度だけでなく、初回の探索時間、再利用性、監査性、失敗時の切り戻しを測る必要があります。

速度とコスト：LTX-2.5は250秒から134秒、ただし一般化しない

最も具体的な導入例は、LTX-2.5による5秒の4K動画生成です。2基のNVIDIA B200を使う公式測定で、元のパイプラインは250秒、Maxwell適用後は134秒となり、1.87倍に高速化しました。GPU間で交換する映像のkey/valueを約262MBから約1MBの部分結果へ置き換えるなど、12件を超える変更が含まれます。

動画と音声の出力が完全に同一という意味ではありません。公式資料は音声がbit-for-bitで一致し、映像はPSNR 41dBだったと報告しています。品質許容範囲を保ちながらGPU時間を46.4%短縮した例であり、同じ料金体系なら1件当たりのGPU費も近い割合で下がる可能性があります。ただし、クラウドの最低課金時間、予約容量、探索コスト、Maxwell利用料を含めた請求削減率ではありません。

WSJは別の早期顧客で計算費を67%削減したという会社の説明を報じています。doubleAIは削減額の一部を受け取る成果連動型を計画していますが、料率は非公開です。導入判断では、最適化前後のGPU秒に加え、探索中の追加計算、ランタイムのオーバーヘッド、利用料、運用工数を含む総原価で比較します。

この節の一次情報：doubleAI公式｜LTX-2.5 at 4K, in half the time ／ doubleAI公式｜Maxwell Beats Expert-Written GPU Kernels at Scale

料金・API・提供仕様：現在は個別契約を前提に評価する

2026年10月20日時点で、誰でも使えるAPI、SDKの公開仕様、定額・従量の標準価格は確認できません。公式サイトはearly accessへの申請のみを受け付け、申請しても提供時期、利用権、性能、価格を保証しないと明記しています。価格比較表へ載せられる段階ではありません。

The Registerは、利用者がランタイムを導入し、Maxwellモデル自体はdoubleAIがホストする構成だと報じています。実行トレース、プロファイル、データの型や形を観測するため、何が外部へ送られるか、ソース・中間表現・入力データが保存されるか、推論リージョン、保持期間、学習利用、秘密情報の扱いを契約で確認する必要があります。

早期評価では、対象ランタイムとフレームワーク、CPU・GPU世代、Kubernetesやコンテナとの互換、ウォームアップ時間、スケールアウト時の最適化共有、障害時の元コードへの切り戻し、観測ログ、SLAを質問します。料金は削減額の算定基準、基準期間、成果が出ない場合、クラウド割引や予約容量をどう扱うかまで定義します。

• 標準価格・成果報酬率・最低契約額・請求通貨
• モデルのホスト場所、送信データ、保持期間、学習利用の有無
• 対応するPython・PyTorch・CUDA・GPU・CPUのバージョン
• 最適化探索に使う追加GPU時間と、本番へ反映する承認手順
• 形式証明の閲覧・監査・保存方法と、未証明コードの実行防止
• p95・p99の性能保証、障害時の無効化、SLAと責任分界

この節の一次情報：Maxwell公式｜Preliminary Terms of Use ／ The Register｜導入方式と信頼上の論点

海外で注目される理由と、日本で先に押さえる価値

Maxwellは発表当日にWSJ、The Register、Globesなどが報道しました。Hacker Newsでは公開約11時間で47点・21コメントとなり（2026年10月20日確認）、Python全体の形式化、証明系、最適化の再利用、デバッグ時の可視性について具体的な質問が集まりました。単なる称賛ではなく、仕組みの不足情報を専門家が検討し始めたことがシグナルです。

日本では、Maxwell固有のCode Execution Modelを詳しく扱う記事を検索で確認できませんでした。今後、GPU不足、推論原価、ソブリンAI、オンプレミス推論が国内でも課題になるほど、モデルを小さくする以外の『実行コードをAIで最適化する』選択肢が検索される可能性があります。

一方で、Code Execution ModelはGeminiなどのコード実行ツールとは別物です。前者は既存プログラムの実行を最適化し、後者はLLMが生成したPythonなどを隔離環境で動かす機能です。日本語では同じ『コード実行』に見えるため、検索需要が増える前に違いを整理しておく価値があります。

この節の一次情報：Hacker News｜Maxwell: A new kind of model that sits between code and hardware ／ Globes｜Amnon Shashua’s doubleAI unveils code execution model

向くケース・向かないケースと検証手順

向く可能性があるのは、年間GPU費が大きく、同じ推論やデータ処理を反復し、性能エンジニアがボトルネックを特定できる組織です。動画・画像生成、LLM推論基盤、科学計算、グラフ処理のように、アルゴリズムとハードウェアの最適化余地が費用へ直結する処理が候補です。

向かないのは、実行トレースやデータ形状を外部サービスへ見せられない処理、標準価格とSLAが必要な調達、処理量が小さくGPU削減額より統合作業が大きい用途です。I/O待ちや外部API待ちが支配的な処理も、CPU・GPUコードを高速化しても全体時間はあまり縮まりません。

検証では、代表ワークロードを固定し、Maxwellなし・ありで同じハードウェアを使います。最適化探索と本番実行を分け、初回と定常時のwall-clock、GPU秒、消費電力、メモリ、出力差分、障害率を記録します。最終指標は『1回の高速化倍率』ではなく、Maxwell費と運用工数を含む品質合格タスク1件当たり原価です。

注意点：証明できる範囲と運用上の信頼は別に確認する

形式証明は強い安全策ですが、システム全体の正しさを自動的に保証する言葉ではありません。証明は形式化した意味論、前提条件、証明チェッカー、信頼する実行基盤の範囲で成立します。仕様自体の誤り、未形式化の外部ライブラリ、ハードウェア障害、サイドチャネル、運用設定は別の問題です。

実行中にバイナリが変わると、インシデント解析、再現、監査、SBOM、脆弱性管理の運用が難しくなる可能性があります。適用された最適化の識別子、証明、ハッシュ、条件、元コードへ戻った記録を、リリースと同じ粒度で保存できるか確認します。

公開ベンチマークはまだ少なく、会社が選んだワークロードへ偏っています。Hacker Newsでも技術詳細と可視性の不足が指摘されました。『38倍』『4.25倍』『最大2%の観測オーバーヘッド』などは開発元の主張であり、複数環境の第三者測定ではありません。独立ベンチマークと正式契約が揃うまでは、限定した非機密ワークロードで評価します。

FAQ

Q. MaxwellはLLMですか？ A. doubleAIはフロンティアモデル、Code Execution Modelと呼んでいますが、チャット用LLMではありません。実行コードの最適化を専門にし、生成した置換コードと証明を使うAIシステムです。モデル構造やパラメータ数は公表されていません。

Q. ソースコードを書き換えますか？ A. 公式説明ではソースを変更せず、実行中の下位バイナリを差し替えます。監査やデバッグのために、実際に動いたバイナリと適用条件を追跡できるかは契約・評価で確認が必要です。

Q. 料金はいくらですか？ A. 2026年10月20日時点で標準料金は非公開です。WSJは、顧客が削減できた計算費の一部をdoubleAIが受け取る計画だと報じていますが、料率は公表されていません。

Q. すぐ試せますか？ A. controlled early accessへの申請は可能です。ただし公式規約は、利用可否、提供日、価格、性能を保証しないとしています。公開APIやセルフサービスの導入手順は確認できません。

Q. LTX-2.5のコストは46%下がったのですか？ A. 公開値では処理時間が250秒から134秒へ46.4%短縮しました。GPU秒は近い割合で減る可能性がありますが、Maxwellの利用料、探索費、クラウド契約を含む最終請求額が46.4%下がったと確認されたわけではありません。