Thinking Machinesは2026年8月27日、強化学習を用いてテキストからSQLを生成する新モデル「ReViSQL-K2.6」を発表しました。このモデルは、複雑な手順を組み合わせるエージェント的手法を用いずに、人間と同等以上の精度を達成しています。
強化学習と高品質データの融合による精度向上
従来のテキストからSQLへの変換（text-to-SQL）では、複数のステップを組み合わせる「エージェント的構成」が用いられてきましたが、依然として人間には及ばない精度が課題でした。ReViSQL-K2.6は、検証可能な報酬を用いた強化学習（RLVR）を採用することで、この課題を解決しています。
同社は、既存のデータセットに多くの誤りがあることを突き止め、専門家とLLMを組み合わせて精査した高品質なトレーニングセット「BIRD-Platinum」を構築しました。この検証済みデータを用いて学習を行うことで、モデルの推論能力を大幅に向上させています。
圧倒的なコストパフォーマンスと精度
ReViSQL-K2.6は、自己一貫性選択（SC-16）を用いた評価において、人間の精度である92.96%を超えるスコアを記録しました。これは、GPT-5.6 Sol UltraやClaude Fable 5といった最先端モデルよりも高い精度を示しています。
特筆すべきは、そのコスト効率です。本モデルのタスクあたりのコストは0.56ドルであり、最先端モデルの12〜15%のコストで、より高い精度を実現しています。また、従来のような複雑な中間ステップを必要とせず、単一のプロンプトから複数の出力を生成する手法でも高い性能を発揮します。