DeepAnalyze を自前で動かす前に読む: 8Bエージェント型データ分析モデルの構成と導入判断
DeepAnalyze is the first agentic LLM for autonomous data science. 🎈你的AI数据分析师，自动分析大量数据，一键生成专业分析报告！
ひと目でわかる
- これは何？
- DeepAnalyze はデータ準備からレポート生成までを自律実行すると謳うエージェント型LLMで、モデル・コード・学習データがMITで公開されている。ただし公開情報の中心はモデルとWebUI v2であり、CLIやAPIキーなど複数の入口が併存する点は導入前に整理が必要だ。
- 誰に向いている？
- DeepAnalyze は、構造化・半構造化・非構造化データをまたぐ分析パイプラインを自前の環境で組み立てたいチーム、とくに8Bクラスのモデルをローカルまたは自前のGPUで動かせる体制がある組織に向く。逆に、APIキーを取得してホスト側の推論に任せたいだけの個人や、データを外部に出せない規制下のチームは、WebUI v2 のDockerサンドボックスがどの層で動くのかを先に確認すべきだ。
- 商用利用できる？
- できます。MIT は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。
- 今もメンテナンスされている？
- されています。最後のコミットは 5 日前です。
- 何の言語で書かれている？
- 主に Python です（GitHub の言語統計による）。
回答はプロジェクトの GitHub データ（最終同期：2026年9月15日）と当サイトの分析に基づくもので、法的助言ではありません。
オープンソース詳細解説
DeepAnalyze が埋めようとしている穴は何か
一般的なLLMにデータ分析を頼むと、こちらがCSVを渡し、前処理の方針を指示し、可視化の種類を指定し、最後に文章を整えさせる、という往復が発生する。DeepAnalyze が掲げるのはこの往復の削除である。README は「autonomously complete a wide range of data-centric tasks without human intervention」と述べ、対象をデータ準備、分析、モデリング、可視化、レポート生成というパイプライン全体に広げている。想定読者は、分析の各段階を自分で指示する代わりに、データを置いて問いを与えたい層だ。もう一つの特徴は入力の種類で、構造化データ（データベース、CSV、Excel）、半構造化データ（JSON、XML、YAML）、非構造化データ（TXT、Markdown）を横断するとREADMEは説明している。単一のCSVを要約するツールではなく、複数の形式が混在した調査を想定している点が、他のコード生成モデルとの差になっている。
公開物の構成: モデル・コード・学習データ・デモの4点セット
DeepAnalyze はモデル単体の公開ではない。Hugging Face の RUC-DataLab/DeepAnalyze-8B にモデル重み、GitHub の ruc-datalab/DeepAnalyze にコード、Hugging Face の RUC-DataLab/DataScience-Instruct-500K に学習データ、そして同じ Hugging Face 上のデモが公開されている。README はこれを「The model, code, training data, and demo of DeepAnalyze are all open-sourced」と表現し、自前のデータ分析アシスタントを配備または拡張できるとしている。学習データが500K規模で別リポジトリとして切り出されている点は実務上大きい。ファインチューニングを検討する場合、モデル重みだけでなく指示データの形式が手に入るため、自社データに合わせた追加学習の出発点にできる。論文は arXiv:2510.16872 として参照されている。ライセンスはリポジトリ表記で MIT だが、モデル重み側の条件は別途 Hugging Face のページで確認する必要がある。
WebUI v2 とサンドボックス実行という設計の重心
更新履歴で最も実務に効くのは 2026.03.16 の WebUI v2 だろう。README によれば、UI の刷新に加えて HeyWhale API への対応と Docker ベースのサンドボックスコード実行が追加され、詳細は demo/chat_v2/README.md に置かれている。エージェントが生成したコードを実行する以上、実行環境の隔離は避けて通れない論点であり、ここで Docker が選ばれているのは妥当な判断だ。ただし README の記述は対応の事実までで、サンドボックスのネットワーク制限やマウント範囲、タイムアウトの既定値には触れていない。生成コードにファイルシステムを触らせる設計を採用するなら、demo/chat_v2/README.md を読んで実際の制約を確認する作業が先に来る。このシステムの土台は DA-Studio として VLDB 2026 の Demonstration Track に採録されたと 2026.05.31 の項目にある。
動かし方の入口が複数あることの意味
DeepAnalyze には少なくとも4つの入口が用意されている。第一に Hugging Face 上のデモ、第二に OpenAI 互換のAPIエンドポイント（2025.11.13 の項目で対応が告知され、@LIUyizheSDU の貢献によるCLIターミナルUIからも利用できる）、第三に JupyterUI（2025.11.08 の項目で jupyter-mc を基に構築とある）、第四に WebUI v2 である。加えて 2025.12.28 には API キーの配布が告知され、Google Form または Feishu Form から申請し、docs/DeepAnalyze_API_Key_Usage_Guide.md または Feishu Wiki の手順に従う形になっている。入口が多いこと自体は利点だが、推論をどこで行うかは入口ごとに違う。API キーを使う経路はホスト側の推論に依存し、自前配備の経路は8Bモデルを動かすGPUを自分で用意する。この二つを混同したまま検証を始めると、後から構成をやり直すことになる。
向かない場面: 評価の外枠がまだ整っていない
注意すべきは、このリポジトリにリリースが取得できておらず、バージョン番号や変更履歴の体系が確認できない点だ。README の更新履歴は日付ベースで並んでいるが、これはソフトウェアの版管理ではなく告知の記録である。業務システムに組み込む前提で「どの版から何が変わったか」を追いたい場合、この情報だけでは足りない。もう一点、分析結果の正しさをどう検証するかについて README は何も述べていない。エージェントが自律的に前処理とモデリングを選ぶ以上、選択の根拠が出力に残らなければ、業務で使う前に人が確認する工程が必要になる。関連して 2026.06.15 に CoDA-Bench が公開されており、Linux サンドボックス内の数百のデータファイルから自然言語の問いに答える能力を測るベンチマークとして、DeepAnalyze が対象とする課題に近い設定だと説明されている。自前のデータで試す前に、この種の公開ベンチマークで傾向を掴む進め方が現実的だ。
代替手段との違い: 汎用コーディングエージェントに分析させる場合
比較対象として素直なのは、汎用のコーディングエージェントにデータ分析をさせる構成だ。違いは学習の焦点にある。汎用エージェントはリポジトリの改修やテスト作成を主眼に調整されており、データの発見、前処理の判断、可視化の選択は都度プロンプトで補う必要がある。DeepAnalyze は DataScience-Instruct-500K という分析タスク向けの指示データで8Bモデルを調整しており、CoDA-Bench のような「どのファイルが問いに関係するか探す」段階を含む課題を想定している。ただし汎用エージェント側の利点も明確で、既存の開発ワークフロー、CI、権限管理にそのまま乗せられる。分析専用モデルを別途配備すると、モデルの更新、GPUの確保、サンドボックスの保守が新しい運用面として増える。分析の頻度が低く、対象データが数ファイル程度なら、既存のエージェントに数回指示する方が総コストは下がる。
導入前に確認する3つのファイルと、維持コストの見取り図
着手順序ははっきりしている。第一に arXiv:2510.16872 を読み、自律実行の範囲と限界がどこで線引きされているかを確認する。第二に demo/chat_v2/README.md を開き、Docker サンドボックスの実際の設定、とくに何がマウントされ、どのネットワークに到達できるかを把握する。第三に Hugging Face の RUC-DataLab/DeepAnalyze-8B でモデル側のライセンス条件を確認する。リポジトリは MIT と表記されているが、重みの配布条件は別に定められていることが多く、社内利用や再配布の可否はここで決まる。維持コストの中心は8Bモデルの推論基盤で、これはモデルを更新するたびに追随が必要になる。API キー経由なら推論基盤は不要だが、データを外部に送る前提を受け入れられるかが先に来る。DeepPrep が2026.07に公開予定と告知されており、生のテーブルを分析可能な状態に整える工程を別システムに切り出そうとしている。前処理の品質が分析結果を左右する以上、この分離が実際にどこまで効くかは、DeepPrep が出てから判断することになる。
編集部の結論
DeepAnalyze は、構造化・半構造化・非構造化データをまたぐ分析パイプラインを自前の環境で組み立てたいチーム、とくに8Bクラスのモデルをローカルまたは自前のGPUで動かせる体制がある組織に向く。逆に、APIキーを取得してホスト側の推論に任せたいだけの個人や、データを外部に出せない規制下のチームは、WebUI v2 のDockerサンドボックスがどの層で動くのかを先に確認すべきだ。着手前に見るべきは、arXiv:2510.16872 の手法記述、demo/chat_v2/README.md のサンドボックス設定、そしてHugging Face上のDeepAnalyze-8Bのライセンス表記の3点である。
コミュニティノート