Dynamic Capacity Routing

静的・動的能力ベクトル（Capacity Vector）を用いた多次元モデル選定およびルーティング機構を定義する。

1. Purpose

特定モデル名（例: GPT 系モデル）のハードコーディングは、モデル進化や可用性変動に対して脆弱である。AIKernel はモデルを「計算資源と推論能力の集合体」として抽象化し、次を実現する。

• モデル非依存の抽象化: タスク要求能力（論理、創造性、速度、厳格性）を定義し、最適モデルを動的に解決する。
• 実行コンテキスト適応: 予算残高、ハードウェア負荷、レイテンシなどの動的制約で実行レーンを最適化する。
• コストと精度の最適化: 高価なモデルを必要としないタスクを軽量モデルへ自動ルーティングする。

2. Capacity Vector Model

AIKernel はモデル能力を多次元ベクトル空間の座標として扱う。

2.1 Static Capacity（静的能力）

モデル固有の比較的安定した能力指標。

• Logic_Depth: 論理推論、プログラミング、数学能力。
• Creative_Fluency: 表現力、自然さ、多様性。
• Constraint_Rigidity: システム指示・出力形式準拠能力。
• Knowledge_Cutoff: 学習知識の鮮度。

2.2 Dynamic Capacity（動的能力）

実行時環境や契約条件で変動する指標。

• Token_Economic_Efficiency: 残予算に対するコスト適合性。
• Latency_Score: 現在の応答速度、スループット安定性。
• Hardware_Locality: エッジ実行 / クラウド実行の局所性適合。

3. Core Contracts

3.1 ModelCapacityVector and ICapacityAxis

• 責務: 静的能力値を保持する不変コンテナ。
• 定義: 各軸を 0.0..1.0 正規化で比較可能に管理する。

3.2 IDynamicCapacityProvider

• 責務: 実行時状態（レート制限、予算消費、システム負荷）を監視し、IDynamicCapacityVector を供給する。

3.3 IVectorMatcher

• 責務: 要求ベクトル（タスク要件）と候補ベクトル（Provider 群）を比較し、適合スコアを算出する。
• 特記: 単純距離だけでなく重み付けと遮断条件を扱う。

3.4 IModelVectorRouter

• 責務: IVectorMatcher の結果から最終 IModelProvider を選定し、実行経路を確立する。

4. Routing Rules

1. 意図ベース要求構築: IKernel は実行前にメタデータから最低論理深度、最大許容コストなどを抽出し要求ベクトルを構築する。
2. 動的オーバーライド: セキュリティ要件や極端な予算不足時は、動的軸判定が静的性能スコアを上書きできる。
3. フォールバック戦略: 最適候補が利用不可（例: rate limit）な場合、IModelVectorRouter は次点候補へ自動リトライまたは縮退運転を試みる。

5. Fail-Closed Rule

AIKernel は基準未達のモデルで実行を継続しない。

• 要件未充足停止: IVectorMatcher で Mandatory 軸閾値を満たす候補が存在しない場合は拒否する。
• ルーティング不全明示: 停止時は不足軸を明示する（例: Logic_Depth >= 0.8 が必要だが最大 0.6）。
• 予算枯渇遮断: IDynamicCapacityProvider が Hard Limit 到達を検知した時点で後続ルーティングを停止する。

6. Mathematical Concept (Intuition)

$$Score = \sum_{i \in Axes} (Requirement_i \times Capability_i \times Weight_i)$$

Note: AIKernel 実装では単純線形和に加え、特定軸（例: Security_Level）未達時に合計スコアを 0 にする遮断フィルターを IVectorMatcher に組み込める。

変更履歴

• v0.0.0 / v0.0.0.0: 初期ドラフト
• v0.0.1 (2026-05-06): ドキュメント規約に基づくバージョン更新