OPALとは？
OPAL（OPtimizer with an Agent in the Loop）は、既存のtorch.optimオプティマイザーを1行でラップします。学習中は一定間隔で、コーディングエージェント（既定ではClaude Code）が損失、勾配の統計、自身の分析レポートを読み、2つの小さなPythonプログラムを書き換えるかどうかを判断します。勾配をパラメーター更新に変える更新ルールと、観察したい値を測る分析コードです。パラメーターグループごとに学習率、スケジュール、モーメンタム、前処理、クリッピングを変えられますが、モデル、データ、損失、評価には触れないよう指示されています。
Xingjian Bai、Jia-Hao Liang、Jayden Teoh、Vincent Sitzmannによる論文Reactive Optimizers（arXiv 2610.33826）の研究コードで、実際に使えるパッケージとして公開されています。pip install opal-optimizerで導入でき、ドライラン、コスト見積もり、ライブ監視、各判断とコード差分をまとめたHTMLレポートのためのCLIが付きます。実験的なCodexバックエンドも含まれます。
リポジトリは2026年10月21日に作成され、MITライセンスで、スターは約440です。v0.3.10は2026年11 月3日に公開されました。
OPALは使う価値があるか？
OPALは、数時間単位の学習に費用を払っている人なら検討する価値があり、それより短い学習ではほとんど役に立ちません。考え方はこうです。固定のオプティマイザー設定は学習前に選ばれ、見直されることがありません。OPALはエージェントに実行を見守らせ、途中で更新ルールを書き換えさせます。エージェントが何かを変えるまで、ラップした実行は通常の実行とビット単位で同一で、backend="keep"のドライランが無料でそれを証明します。懐疑的なエンジニアに最初に示すべき正しいテストです。
著者の結果は心強いものの、根拠は薄いです。ImageNet 256のSiT-B/2ではFID-50Kが35.7から23.6に下がり、LightningDiT-B/1ではガイダンスありで3.22から2.31になりました。ただし、どの数字も設定ごとに1回だけの実行で、著者自身の報告です。READMEには、バージョン0.2.0でのmodded-nanogptの実行が、出発点の記録より悪い結果で終わったことも書かれています。エージェントは毎回違う判断をするので、あなたの数字も変わります。
時間のコストはステップごとではなく判断ごとに一定です。著者の実行では1回の判断に平均約40 sかかり、3.75 hのRAEv2-Bの実行には0.49 hが加わっただけでしたが、1から3分の単一GPUスクリプトは27から31分になりました。blocking=Falseにすると、エージェントが考えている間も学習が続きますが、挙動のばらつきは大きくなります。
セキュリティについては、はっきり書いておく必要があります。エージェントのシェルはネットワークのないOSのサンドボックスで動きますが、エージェントが書 くオプティマイザーのコードはあなたの学習プロセスの中で、あなたの権限で動き、隔離されていません。既定では学習スクリプトとモデルのコードのコピーも読み、それはAnthropicに送られます。share_code=Falseで除外できます。プログラムの各バージョンはディスクに保存されるので、最終的なオプティマイザーは読んで、エージェントなしで再利用できるPythonです。
制約は公開から3週間の研究用パッケージらしいものです。単一ノードのみで、FSDP、DeepSpeed、マルチノードには対応せず、学習そのものを巻き戻すこともできず、max_cost_usdを設定しない限り費用の上限もありません。何度も学習するモデル群のために、より良いオプティマイザー設定を探す手段としてのほうが、毎回のジョブで押すボタンとしてよりも面白い存在です。
真価を発揮する場面
8x H100の1ノードで拡散モデルを学習する博士課程の学生
全面的なスイープなしで、より良い学習率とオプティマイザーのスケジュールを見つける
AdamWをラップし、無料のkeepドライランを行ってから、上限を付けた数時間のエージェント実行を行います。著者のRAEv2-Bの実行ではエージェントの利用料が$13.30、待ち時間が0.49 h増えました。programs/にある最終プログラムは後の実行で再利用できます。
小規 模な言語モデルを事前学習する15人のスタートアップのMLリーダー
計算資源を投じる前に、エージェントが調整したオプティマイザーを採用する価値があるか判断する
まずopal estimateで待ち時間と費用を確認し、opal compareでラップした実行と通常の実行を比べます。実行ごとのばらつきがあるので、結論を出す前に少なくとも2回のエージェント実行を見込んでください。
深層学習の最適化を教える大学の授業
実際の学習の中でオプティマイザーの選択がどう効くかを学生に見せる
CPUで動くMNISTの例は通常の実行で約15 sです。著者のテストでは、エージェント版は862 sかかり、費用は$2.70でした。HTMLレポートで各判断、その理由、差分を確認できます。
導入前に確認すること
- 導入
- 学習環境（Python 3.10以上、PyTorch 2.5以上）にpip install opal-optimizerで導入し、opal doctorを実行してから、opal.wrapと1文の目標でオプティマイザーをラップします。rank 0のマシンにClaude Codeをインストールしてログインしておく必要があります。インターネットのないGPUノードにはメールボックス方式のブローカーで対応します。
- 連携
- torch.optimのあらゆるオプティマイザーとスケジューラー、opal.hf.OpalTrainer経由のHugging Face Trainer、accelerator.prepareの後のAccelerate（制限あり）に対応します。既定のバックエンドはClaude Code（claude-opus-5-5、高い思考量）で、Codexは実験的です。
- データとプライバシー
- エージェントが見るのは目標、パラメーターの名前と形状、損失、自身のレポート、そして既定では学習スクリプトとモデルのコードの読み取り専用コピーで、すべてモデル提供元に送られます。記録した指標はshow_agent=Trueにしない限りローカルに留まります。エージェントが書いたオプティマイザーのコードはプロセス内で隔離なしに動きます。
- 大規模利用時のコスト
- 著者が公開した例では、エージェントの費用は数時間規模の実行1回あたり$9.71から$17.25で、これに学習が待つ間の追加のGPU時間が加わります。たとえば6.13 hのLightningDiTの実行では0.66 hでした。max_cost_usdはClaudeの支出を制限しますが、Codexは制限しません。
- 制限
- 単一ノードのみで、FSDP、DeepSpeed、マルチノードには非対応です。学習は巻き戻せず、次の判断でプログラムを直すことしかできません。短い実行ではエージェントの待ち時間が大半を占めます。バージョン0.3.xで、開発が活発に続いています。
良い点
- エージェントが動くまで、ラップした実行はビット単位で同一
- エージェントを呼ぶ前に無料のドライランとコスト見積もり
- 各判断の理由とコード差分を載せたHTMLレポート
- CPU、単一GPU、単一ノード内のDDPで動作
- エージェントのシェルはネットワークなしのサンドボックス
気になる点
- 結果は著者が報告した単発の実行
- エージェントが書いたオプティマイザーのコードはプロセス内で隔離なしに動く
- 自分で設定しない限り費用の上限がない
- マルチノード、FSDP、DeepSpeedに非対応
おすすめの人
単一ノードで数時間のPyTorchジョブを回し、手作業では試さなかったオプティマイザーの変更を探りたいMLの研究者や小規模な研究室に向いています。
OPALの代替
OPAL：よくある質問
- OPALは使う価値があるか？
- 長い学習をエージェントに途中で調整させる、巧妙で丁寧に計測された方法ですが、改善は著者が報告した単発の実行にすぎず、実行を悪化させることもあります。 評価は5点満点中3.6点です。
- OPALの料金は？
- MITライセンスで無料です。エージェントの呼び出しはあなたのClaudeアカウントに課金されます。著者による数時間規模の実行では、エージェントの利用料は$9.71から$17.25でした。
- OPALの欠点は？
- 結果は著者が報告した単発の実行; エージェントが書いたオプティマイザーのコードはプロセス内で隔離なしに動く; 自分で設定しない限り費用の上限がない; マルチノード、FSDP、DeepSpeedに非対応.
- OPALは誰に向いているか？
- 単一ノードで数時間のPyTorchジョブを回し、手作業では試さなかったオプティマイザーの変更を探りたいMLの研究者や小規模な研究室に向いています。
- チームや本番環境でOPALを使うと費用はいくらか？
- 著者が公開した例では、エージェントの費用は数時間規模の実行1回あたり$9.71から$17.25で、これに学習が待つ間の追加のGPU時間が加わります。たとえば6.13 hのLightningDiTの実行では0.66 hでした。max_cost_usdはClaudeの支出を制限しますが、Codexは制限しません。
- OPALは企業データを扱っても安全か？
- エージェントが見るのは目標、パラメーターの名前と形状、損失、自身のレポート、そして既定では学習スクリプトとモデルのコードの読み取り専用コピーで、すべてモデル提供元に送られます。記録した指標はshow_agent=Trueにしない限りローカルに留まります。エージェントが書いたオプティマイザーのコードはプロセス内で隔離なしに動きます。
- OPALの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はThe AI Scientist (v1, v2 and v3) 、 PyTorchです。
回答確認日：2026年11月11日