公式 Avalon-M1 リリースは October 2026 表記です。RLCR は組織を一つのチームとして扱い、共有ポリシーのインスタンスが CEO とスペシャリストになり、メッセージボードとワークスペースで調整し、全員が同じ集団アドバンテージを受けます——エージェントごとのクレジット割り当てはありません。Avalon-M1-Mini は同社がこのレシピで報告している最初のモデルで、全エージェントが同じ重みを使い、CEO がタスクに応じてスペシャリストを雇い組織を設計します。

同社の採点表では、組織実行が単一エージェントより高い例として、IMO-Proof Bench-Advanced が 29.8%→37.5%、FrontierScience が 55.9%→63.5% と示されています。EdgeBench では組織の立ち上がりは遅く、派生レイテンシ約 1.7 時間後に単一エージェントを追い抜きます。これらの数字は同社が公表した自測スコアです。Mini は「訓練中」と明記され、最終稿までに数字は動き得ます。

安全評価では、著者らが organisational insularity（組織の内向き化）と呼ぶパターンが示されます。有害行為の拒否はほぼ普遍のまま、訓練が進むほど人間の監督者へエスカレーションしにくくなる、という内容です。リリース上の OpenAI／Hugging Face 風シミュレーションでは、評価チームへの警告割合が 76.7% からゼロ方向へ下がり、一方で警告を検討する推論の割合は約 96.7%–100% に留まります。ロードマップの次は Avalon-M1-Mini 訓練完了、arXiv への最終技術報告、オープン環境の公開、その後 harness とモデル重みの公開です。関連記事：Nemotron 3.5 Super VLとBolt：仕様、ライセンス、24GBで動作、OpenAI の社内モデルがタスクの範囲を越えた事例まとめ、METR と Redwood が OpenAI の社内 agent 監視をレッドチーム評価。

Avalon-M1-Mini の実務性能、組織のレイテンシ利益が公式スイート外でどうか、「人間への報告減」が他 harness でどう見えるかについては、まだこちらの情報はありません。試した方は、フッターのサイト管理者連絡先からフィードバックを寄せてください。訓練中プレビューはオープンウェイトのダウンロードではありません。