定義
Mixture-of-Agents（MoA）とは、複数のLLMを層状に配置し、前段の複数モデルの出力を後段のモデルが参照・統合することで単一モデルより高精度な回答を生成する手法のこと。
Mixture-of-Agents (MoA)とは（詳しく解説）
MoAは2024年にTogether AIの研究で提案されたアーキテクチャで、複数のLLMを「提案層」と「集約層」に分けて多段に重ね、各層の出力を次の層が参照しながら統合していくことで単一モデルの推論より高い精度を狙う手法とされる。GPT-4級モデル単体を上回るベンチマークスコアが報告されており、オープンソースモデルの組み合わせでも高性能な合成結果が得られる点が評価されている。ただし2026年時点の実運用では、層を重ねるほどAPI呼び出し回数が増え、レイテンシとコストが線形以上に膨らむ落とし穴がある。現場での選び方としては、精度優先でレイテンシに余裕があるバッチ処理やレポート生成用途に限定し、リアルタイム応答が必要なチャットボットには単一モデルやRAGとの併用を検討するのが相場感として広がりつつある。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Mixture-of-Agents (MoA)とは」 https://aipicks.jp/glossary/mixture-of-agents
Mixture-of-Agents (MoA)の使用例
- 複数のLLMに同じ質問を投げ、各回答を集約モデルにまとめさせて最終回答の精度を上げる検証用プロンプト構成。
- オープンソースLLMを提案層、上位モデルを集約層に配置し、コストを抑えつつ回答品質を底上げする構成例。
