先日、Googleは最も経済的なモデルであるGemini 2.0 Flash-Liteを発表し、正式に本番環境で使用できるようになりました。Gemini 2.0 Flash-LiteはGoogle Geminiシリーズの一部であり、コスト効率を重視した選択肢として位置付けられています。このモデルはGoogle AI StudioとVertex AIでパブリックプレビューとして提供され、高コスパなAIソリューションを必要とする開発者を対象としています。その設計は…

DeepSeekオープンソースウィーク初日に最新の技術成果FlashMLAを正式にオープンソース化しました。これはNVIDIA Hopperアーキテクチャ向けに特別に設計された高効率のマルチレイヤーアテンション（Multi-Layer Attention）デコードカーネルです。この技術は特に可変長シーケンスシナリオに最適化されており、大規模モデルの推論性能を大幅に向上させることができます。FlashMLAの核心技術特性にはBF16精度の全面サポートと、ブロックサイズ64のページングキー・バリューキャッシュ（Paged KV）が含まれています。

最近、Vectaraは「幻覚ランキング」と題するレポートを発表し、様々な大規模言語モデル（LLM）が短い文書を要約する際に生じる幻覚を比較しました。このランキングは、VectaraのHughes幻覚評価モデル（HHEM-2.1）を利用しており、このモデルは定期的に更新され、要約に虚偽の情報が含まれる頻度を評価することを目的としています。最新のデータによると、このレポートは、いくつかの一般的なモデルの幻覚率、事実の一貫性率、応答率、平均要約の長さなどの重要な指標を示しています。

革新的なビデオ生成技術であるFlashVideoが先日オープンソースとして公開されました。このフレームワークは独自の二段階設計により、AIビデオ生成における速度と品質のバランス問題を巧みに解決しています。FlashVideoは、WebフロントエンドのLQIP（低画質画像プレースホルダー）に似たアプローチを採用し、ビデオ生成プロセスをプレビューと品質向上という2つの段階に分けています。プレビュー段階では、システムは極めて低い計算コストでビデオの下書きを迅速に生成し、ユーザーに即時のフィードバックを提供することで、ユーザーエクスペリエンスと商業的な応用可能性を大幅に向上させます。

Googleは2025年1月22日、推論モデルGemini 2.0 Flash Thinking の強化版を正式リリースし、Chatbot Arena で首位を奪還しました。今回のアップグレードは主に長文コンテキストの処理能力に焦点を当てており、最大100万トークンの入力をサポートすることで、長文テキスト処理におけるより深い分析能力をユーザーに提供します。Google AI責任者のJeff Dean氏は発表会で、今回の試験的なアップデートはモデルの…

従来の動画理解モデルは、長尺動画の処理において、複雑なコンテキスト理解など多くの課題に直面していました。動画理解能力の向上を目指した研究は数多くありますが、訓練と推論の効率の低さを効果的に克服することは困難でした。本研究チームはこれらの問題に対し、HiCo技術を用いて動画情報の冗長部分を圧縮することで、計算需要を大幅に削減しつつ、重要な情報を保持することに成功しました。具体的には、HiCoは動画を階層的に圧縮し、長尺動画を短いセグメントに分割することで、処理を削減します

北京智譜華章科技有限公司は2025年1月16日、一連の新しいモデルを発表し、bigmodel.cnで公開しました。8月に「智譜清言」を発表して以来、同社は言語、音声、画像、ビデオの理解と生成の分野で深く探求し、GLM-Voice、GLM-4V、CogView、CogVideoXなどのマルチモーダルモデルを発表しました。

大規模言語モデル（LLM）が現代のAIアプリケーションで広く利用されるようになり、チャットボットやコードジェネレーターなどのツールはこれらのモデルの能力に依存しています。しかし、それに伴い、推論過程における効率性の問題もますます顕著になっています。特に、FlashAttentionやSparseAttentionなどのアテンションメカニズム処理において、多様なワークロード、動的な入力パターン、GPUリソースの制限に直面すると、力不足になりがちです。これらの課題に加え、高レイテンシとメモリボトルネックも問題となっています。

近年、ジェネレーティブAI市場の競争は激化の一途を辿っており、価格競争も激しさを増しています。先日、中国のテクノロジー大手阿里巴巴傘下のクラウドコンピューティング部門である阿里巴巴クラウドは、同社のAI製品の値下げを発表し、最大85％の値下げを実施しました。中でも、ビジョン言語モデルQwen-VLの値下げ幅は最も大きくなっています。この動きは、中国の主要テクノロジー企業におけるAI分野の競争が白熱化していることを示しています。過去1年半で、阿里巴巴、テンセント、百度、京東、華為、そして字節跳動などの企業が次々と大規模言語モデルを発表しました。

ElevenLabsは先日、最新のボイス合成モデルFlashを発表しました。これはこれまでで最速のテキスト読み上げ(TTS)ソリューションと主張されており、音声生成の遅延はわずか75ミリ秒(アプリとネットワークの遅延を含む)です。Flashは低遅延の対話型音声アシスタントに最適で、ElevenLabsの対話型AIプラットフォームでこの新機能をすぐに体験できます。Flashモデルには2つのバージョンがあり、Flash v2は英語のみに対応していますが、F

熾烈な競争が続くAI分野において、Googleは先日、Gemini 2.0 Flash Thinkingモデルを発表しました。このマルチモーダル推論モデルは、高速かつ透明性のある処理能力を備え、複雑な問題にも対応できます。GoogleのCEO、サンダー・ピチャイはX（旧Twitter）で「これはこれまでで最も深遠なモデルです」と述べています。開発者向けドキュメントによると、Gemini 2のFlash Thinkingは、基本バージョンのGemini 2.0よりも…

Googleの研究部門は先日、アメリカで最新の生成AI実験ツールWhiskを発表しました。従来の画像生成ツールが主にテキストプロンプトに依存するのに対し、Whiskは画像を入力方法として重視し、ユーザーがより直感的にアート作品を創作することを可能にします。ユーザーはWhiskに画像を直接アップロードするか、ツール内で画像を生成し、主題、背景、スタイルなどの要素を指定できます。Whiskシステムはこれらの要素の組み合わせと、必要に応じて追加のテキストプロンプトによる微調整をサポートします。特筆すべき点として…

建築設計分野における人工知能（AI）の台頭は避けられませんが、万能ではありません。少なくとも現時点では、人間の創造性を代替することはできません。トロントのFlashcube Labsの創設者兼責任者であるKostika Lala氏は、AIが業界に大きな変化をもたらしているものの、まだ初期段階であり、現在の設計成果は「まだ基礎的なもの」であると考えています。彼は、AIが創造性を代替するのではなく、建築家の創造性を拡張できると強調しています。Flashcube Labsは現在、AIを使用してレンダリング画像を生成しています。

テクノロジー大手GoogleのAI研究部門は先日、Gemini AIモデルの最新版であるGemini 2.0 Flashを発表しました。この新しいモデルは、特に処理速度とマルチモーダル機能の拡張において、パフォーマンスが大幅に向上しています。公式発表によると、世界中のGeminiユーザーは、デスクトップとモバイルWebのモデルのドロップダウンリストから2.0 Flashの試験版を選択することで、チャット最適化バージョンにアクセスできます。また、まもなくGeminiモバイルアプリでも提供される予定です。来年は…

Googleとその親会社AlphabetのCEOであるサンダー・ピチャイが、同社が最新の人工知能モデルGemini 2.0を発表したと発表しました。これは、Googleが汎用AIアシスタントの構築において重要な一歩を踏み出したことを意味します。Gemini 2.0は、マルチモーダル入力処理とネイティブツールの使用において著しい進歩を見せており、AIエージェントが周囲の世界をより深く理解し、ユーザーの監督の下でユーザーを代表して行動することが可能になります。

北京智譜華章科技有限公司は、傘下の智譜オープンソースプラットフォームBigModelで、初の無料マルチモーダルAPIであるGLM-4V-Flashをリリースしたと発表しました。この新しいモデルは4Vシリーズモデルの優れた能力をベースに、画像処理の精度を向上させ、様々な分野で開発者が大規模言語モデルを深く掘り下げる際のハードルをさらに下げました。

Googleは最近、Gemini1.5Flash-8B、Gemini1.5Flash、Gemini1.5Proを含む最新のAIモデルGemini 1.5シリーズを発表しました。これらのモデルは、ドキュメント、ビデオ、オーディオなど、長文と大量のマルチモーダル入力を処理することを目的としています。Gemini 1.5Flashは軽量版で、パラメータ数は80億個で、パフォーマンスが大幅に向上し、世界中の開発者にとって最良の選択肢となっています。Gemini 1.5Proは、数学、コーディング、複雑なプロンプトの処理において優れた性能を発揮します。

智譜AIオープンソースプラットフォームは、GLM-4-Flashモデルの無料公開を発表しました。これはAIアプリケーションのイノベーションを促進することを目的としています。このモデルは高速性と経済性を特徴としており、迅速な対応が求められる簡単なタスクに適しており、マルチターン会話、ウェブブラウジング、ファンクションコール、長文推論をサポートし、26の言語に対応しています。適応的重み量子化、並列化、バッチ処理、投機的サンプリングなどの最適化技術により、GLM-4-Flashは推論コストを大幅に削減しました。事前学習段階では、10Tを超える高品質な多言語データを取得しています。モデルは論理…

北京智譜華章科技有限公司は先日、同社のGLM-4-Flash大規模言語モデルのAPIインターフェースを一般に無料で公開すると発表しました。これは大規模モデル技術の普及と応用を促進するためです。GLM-4-Flashモデルは速度と性能において顕著な優位性を示しており、特に推論速度においては、適応的量子化、並列処理技術などを採用することで、…

GoogleがGemini APIのGemini 1.5 Flash無料プランを発表。毎日15億トークンを無料提供し、毎分15回のリクエスト、毎分100万トークン、毎時100万トークンのコンテキストキャッシュサービス、ファインチューニング機能もすべて無料です。AI技術の利用障壁を下げ、革新的なアプリケーションの育成を支援することを目指しています。中小規模の開発チームにとって、大幅なコスト削減と開発の簡素化につながります。これにより、より多くの開発者が参入し、技術の進歩を促進することが期待されます。