Weights & Biasesとは？機械学習の実験管理と評価をAIで支える開発基盤

機械学習のモデルを訓練するエンジニアや研究者は、設定を変えながら実験を何度も実行し、結果を比べて次に試す内容を決めます。 CoreWeaveの製品ページは、モデルの訓練やエージェントの構築を、データの多い作業だと説明しています。 数値を見るだけでなく、データを可視化して理解する必要があるとも述べています。 Weights & Biasesは、公式案内で、実験の記録とモデルの評価に使うツールを提供すると説明しています。 公式ドキュメントによると、AIエージェントのARIAが実験結果の分析や次の実験の提案を担います。

国：米国。 情報確認日：2026年11月1日。 公式案内によると、Weights & Biasesは2017年にサンフランシスコで創業し、2025年5月5日に米国のCoreWeaveに買収されました。 現在は、CoreWeaveのモデル・エージェント開発向け製品群「CoreWeave Forge」の製品として提供されています（公式案内）。

実験管理：何を記録し、どう比べるか

公式ドキュメントによると、W&B Modelsでは数行のコードで機械学習の実験を記録できます。 記録できるのは、学習率などのハイパーパラメーター、損失や精度などの指標、モデルの重みや予測結果の表です（公式ドキュメント）。 記録した結果は、対話型のダッシュボードで複数の実行を並べて比べられます（公式ドキュメント）。 ハイパーパラメーター探索では、ベイズ最適化、グリッドサーチ、ランダムサーチから方式を選べます（公式製品ページ）。 見込みの低い実行を途中で止める早期終了も設定できます（公式製品ページ）。 Eval Tablesでは、評価スコアの集計に加え、個々の入力、出力、スコアを複数の実行で比べられます（公式製品ページ）。 CoreWeaveの基盤で訓練する場合は、GPUエラーやネットワークのタイムアウトなどの情報を、該当する訓練の実行と合わせて表示できます（公式製品ページ）。

LLMアプリの評価：Weaveの採点機能

LLMを使うアプリの開発者向けには、W&B Weaveの評価機能があります（公式ドキュメント）。 評価では、テスト用の例を集めたデータセットと採点関数（Scorer）を定義します（公式ドキュメント）。 同じテストを繰り返し実行することで、変更前後の性能を比べ、性能の低下を見つけます（公式ドキュメント）。 Scorerは、AIの出力を受け取って分析し、評価指標を辞書形式で返します（公式ドキュメント）。 LLMを評価者として使うScorerでは、スコアに加えて評価の理由も文章で返せます（公式ドキュメント）。 あらかじめ用意されたScorerとして、ハルシネーションの検出や要約の品質評価などが案内されています（公式ドキュメント）。 2025年6月18日の公式発表では、本番環境で動くエージェントの状態を把握するWeave Online Evaluationsをプレビューとして発表しました。

LLMによる採点も誤る可能性があります。 そのためgennaiでは、一部の出力で人の判定とLLMの判定がどれだけ一致するかを確かめてから、採点結果を判断に使うことを勧めます。 CoreWeaveのAgent Lensでは、専門家が人とLLM判定者の採点の食い違いを見直し、判定の基準を調整してから自動評価に使う手順を案内しています（公式製品ページ）。 Weaveの利用者は、Agent Lensを追加費用なしで使えるとされています（公式製品ページ）。 LLMアプリの評価基盤を比べるときは、LangChainの紹介記事も参考になります。

ARIA：実験データを読み、次の実験を提案するAI

公式ドキュメントは、ARIAを「W&BのAI研究エージェント」と位置付けています。 ARIAには、プロジェクトの実験データを読み込ませます。 特定の実行、パネル、Weaveのトレースや評価を会話に追加することもできます（公式ドキュメント）。 ARIAは、W&BのPython SDKを使うスクリプトをサンドボックス環境で動かし、過去の実行を照会して傾向を分析します（公式ドキュメント）。 出力は、実行間の傾向の要約、次に試すハイパーパラメーターなどの提案、グラフ、保存ビュー、レポートです（公式ドキュメント）。 失敗した実行のページで「Debug with ARIA」を押すと、失敗した理由の説明を求められます（公式ドキュメント）。 Automationsでは、新しいモデルの版を本番の版と比べるようARIAに自動で依頼することもできます（公式製品ページ）。

公式製品ページによると、ARIAは実験を起動するたびに人の承認を受けます。 コードを変更する場合は、ブランチごとのプルリクエストとして提示し、人がレビューしてから反映する仕組みです（公式製品ページ）。 ARIAの考え方（Thinking）と実行した操作（shell）は、会話の中で開いて詳細を確認できます（公式ドキュメント）。

gennaiでは、ARIAの効果を測るなら、実験が終わってから次の設定を決めるまでの時間が分かりやすい指標になると考えます。 ARIAの提案を採用した割合や、提案に基づく実験で指標が改善した割合も、自社のプロジェクトで記録すれば比較の材料になります。

買収の経緯と金額

CoreWeaveは2025年3月4日に、Weights & Biasesを買収することで合意したと公式発表しました。 発表によると、取引の完了には規制当局の承認を含む通常の条件があり、2025年上半期の完了を見込んでいました（公式発表）。 買収は2025年5月5日に完了し、同じ日に完了の発表がありました。 CoreWeaveの四半期報告書（Form 10-Q）によると、CoreWeaveはWeights & Biasesの発行済み持分をすべて取得しました。 同報告書は、取得対価の総額を10億ドルとしています。 内訳の合計は約10億2,926万ドルです（Form 10-Q）。 内訳は、現金約9,650万ドル、CoreWeaveのクラスA普通株式と譲渡制限付株式の公正価値約9億2,890万ドル、置き換えた譲渡制限付株式ユニットの公正価値約386万ドルです（Form 10-Q）。 この金額は会計上の取得対価で、取得した資産と負債への配分は暫定値とされています（Form 10-Q）。 このほか、総額1億2,300万ドルの株式報酬の取り決めがあり、そのうち3,300万ドルが取得対価に含まれています（Form 10-Q）。 買収の完了時には、Weights & Biasesの旧株主にクラスA普通株式18,702,433株を発行しました（Form 10-Q）。 合意発表のプレスリリース本文には、金額の記載がありません。 一方、CoreWeaveのニュースページでは、同じ発表の要約文に約17億ドルと書かれています（CoreWeaveのニュースページ）。 ただし、何を基準にした金額かは説明されていません。 確認した資料では、条件付きの追加対価があるかは確認できませんでした。 これらの金額は取引時点の評価を知る材料で、現在の企業価値を示すものではありません。

現在の提供状況

公式案内によると、既存顧客のアカウント、プロジェクト、チーム、APIキーはそのまま使えます。 2026年9月30日時点で、Free、Pro、EnterpriseのSaaSアカウントは、CoreWeave Forgeからサインインする方式になっています（公式案内）。 セルフホストと専用インスタンスのアカウントは、従来どおりです（公式案内）。 Forgeへの移行に伴って、現在の契約と料金は変わらないとしています（公式案内）。 Weights & Biasesは特定のクラウドに依存しないため、利用を続けるためにCoreWeaveの基盤へ移る必要はないと説明しています（公式案内）。 wandb.aiのページは、coreweave.comへ段階的に移されています（公式案内）。

日本のチームが導入前に確かめること

ARIAを使えるのはW&BのMulti-tenant Cloudだけで、個人ではなくチームのプロジェクトが対象です（公式ドキュメント）。 組織の管理者が「Smart features」を有効にする必要もあります（公式ドキュメント）。 gennaiの見立てでは、セルフホストで運用している組織や、実験データを社外のクラウドに置けない組織は、ARIAを使える構成かを最初に確かめる必要があります。 日本語のLLMアプリをWeaveで評価する場合、LLMの評価者が日本語の出力をどの程度正しく採点できるかは、確認した資料では示されていません。 自社の評価データで人の判定と照らし合わせ、採点の基準として使えるかを確かめることが前提になります。

Weights & Biasesを検討するときは、まず実験の記録、比較、次の実験の判断のどこに時間がかかっているかを確かめるのが出発点です。 記録と比較の手間であればW&B Models、LLMアプリの品質の測定であればWeave、結果の分析と次の実験の提案であればARIAが、それぞれ確認すべき機能になります。