Cadenceは10月26日、設計向けAIエージェントを支える専用モデル群を発表しました。Maestroは、ドメイン特化の事後学習済みLLM、学習済みの意思決定モデル、改善できるエージェントスキルを、複数のモデルサイズとアーキテクチャで組み合わせます。既存のAI Super Agents(AuraStack、ChipStack、InnoStack、ViraStack)と同社のEDA/SDAツールを接続し、ツールが出す評価結果を報酬として強化学習に戻す、縦に統合された学習環境が特徴です。
「複雑なエンジニアリング作業を変えるには、深いドメイン特化の知性が必要です。汎用のフロンティアモデルやオープンウェイトモデルと専用モデルを組み合わせ、AI Super AgentsがCadenceのEDA/SDAツールを高い技能と効率で動かせるようにします。」
Revolutionizing complex engineering tasks requires deep domain-specialized intelligence. Combining our Maestro portfolio of domain-specialized models with leading frontier and open-weight models enables our AI Super Agents to drive Cadence EDA and SDA tools with exceptional skill and efficiency to transform chip and system design.
- 01 Maestroモデル
設計内容の生成
ドメイン特化のLLMと意思決定モデルが、設計や検証の作業を出力する
- 02 AI Super Agents
ツールの駆動
AuraStack、ChipStack、InnoStack、ViraStackがEDA/SDAツールへ作業を渡す
- 03 EDA/SDAツール
評価と検証
決定論的なソルバーが、出力を工学的な目的・制約・正解に対して評価する
- 04 強化学習
フィードバック
検証済みの結果を報酬として学習に戻し、モデルとエージェントの技能を改善する
Cadenceプレスリリース(Business Wire配信、2026年10月26日)の説明による。「自己改善」はこの閉じた学習ループを指し、無制限の自律学習ではない。
Cadenceによる初期の設計ワークフロー評価では、汎用の基盤モデルと比べて結果品質(QoR)が最大30%改善し、トークン効率が最大5倍になるとされます。5倍はトークン効率の話で、設計作業全体が5倍速くなるという意味ではありません。これらの数値は同社の初期評価であり、全ての顧客と工程での改善を保証するものではありません。導入事例として、SocionextはInnoStack AI Super Agentを本番の設計環境へ展開中で、物理設計で最大5倍の生産性向上を期待するとコメントしています。これは期待値であり、Maestro導入済みの実測値ではありません。
技術面ではNVIDIAと連携し、NemotronモデルとOpenShell Reference Architectureを学習環境に取り込みます。MaestroがNemotronそのものだけを指すわけではなく、フロンティアモデルやオープンウェイトモデルとの組み合わせも選べるとされます。展開形態はCadence管理のセキュアなクラウドに加え、顧客が管理するオンプレミス環境を選べる点が特徴で、設計データの機密性を外部に出せない半導体企業でも利用しやすくする考えです。ただし、オンプレ運用の具体的な条件やモデル重みの扱い、価格とライセンスは公表されていません。第一弾モデルは2026年第4四半期に一部の早期アクセス顧客へ提供されます。
出典
- Cadence Introduces Maestro, a Domain-Specialized AI Model Portfolio to Revolutionize Agentic Chip and System Design(Business Wire配信、2026年10月26日)モデル構成、RL学習環境、QoR最大30%とトークン効率最大5倍(初期評価)、NVIDIA Nemotron/OpenShell、クラウドとオンプレの展開、Q4 2026早期アクセス、Socionextのコメント。Business Wire本体は未取得のため転載版で全文確認
出典の確認日 2026.10.27