北京智譜華章科技有限公司は、漢字の生成に対応した初のオープンソース文描画モデルCogView4を発表しました。このモデルはDPG-Benchベンチマークテストにおいて総合スコアで1位を獲得し、オープンソース文描画モデルのSOTA（State of the Art）となりました。Apache2.0ライセンスに準拠しており、このライセンスに準拠した最初の画像生成モデルでもあります。

2月25日、アリババはQwen2.5-Maxベースの推論モデルQwQ-Max-Previewを発表し、最新の推論モデルQwQ-MaxとQwen2.5-Maxを全面的にオープンソース化する計画を発表しました。今回発表されたQwQ-Max-Previewはプレビュー版であり、アリババは正式版を近日中にリリースし、Apache2.0ライセンスの下で全面的にオープンソース化するとしています。従来とは異なり、今回のオープンソース化はモデル自体だけでなく、Qなど、より小さなバージョンも含みます。

最近、腾讯混元ビデオモデル（Hunyuan Video）がXプラットフォームで正式にテストパートナーを募集し、この最先端のAIビデオ生成技術が重要なテスト段階に入ったことを示しています。公式によると、テスト終了後、このモデルは高い確率でオープンソース化され、世界のAIコミュニティにその技術成果が貢献される予定です。混元ビデオモデルは、テンセントのAIビデオ生成分野における重要なイノベーションであり、13B以上のパラメータを持ち、現在のオープンソースモデルの中で最大規模のビデオ生成モデルの一つです。その中核技術には、

DeepSeek R1に続き、アリババクラウドの通義千問チームは、最新のオープンソースモデルQwen2.5-1Mを発表し、再び業界の注目を集めています。今回発表されたQwen2.5-1Mシリーズには、Qwen2.5-7B-Instruct-1MとQwen2.5-14B-Instruct-1Mの2つのオープンソースモデルが含まれています。これは通義千問が初めて、100万トークンのコンテキスト長をネイティブサポートするモデルを発表したものであり、推論速度も大幅に向上しています。

最近、国産大規模言語モデルDeepSeek V3がAI競技場での優れたパフォーマンスで業界の注目を集めています。トップ10入りを果たした唯一のオープンソースモデルとして、o1-miniを凌駕し、プログラミングや数学など複数の分野でClaude3.5Sonnetをも上回る結果を残しました。その実力を検証するため、様々な実測比較が行われています。基礎的な理解力テストでは、両モデルがそれぞれ異なる特性を示しました。例えば、中国語のなぞなぞ「小明のママには子供が3人います」という問題に対して、DeepSeek V3は見事な解答を示しました。

中国の人工知能企業である無問芯穹は、最新開発のエンドサイド全モーダル理解AIモデルであるMegrez-3B-Omniのオープンソース化を発表しました。このモデルは世界初の同種のオープンソースプロジェクトであり、同社のAI分野における革新的な発展を示しています。同時に、無問芯穹は純粋な言語版モデルであるMegrez-3B-Instructも発表し、製品ラインをさらに充実させました。無問芯穹は2023年5月に設立され、創業チームは清華大学電子工学科出身です。同社は高効率な…

AI時代において、大規模言語モデル（LLM）は高度な技術の結晶であり、その開発には莫大な計算資源とデータが必要とされます。オープンソースモデルの公開は、貴重な技術を広く共有することに繋がりますが、Apache2.0やLLaMA2コミュニティライセンスなどのライセンスによって知的財産権(IP)が保護されます。しかしながら、不正利用の試みも存在します。一部の開発者は独自のLLMを開発したと主張しながら、実際にはLlamaなどの既存モデルを不正に利用しているケースが見られます。

2024年世界インターネット大会烏鎮峰会期間中、アリババ集団CEOの呉泳銘氏は11月21日、インターネット企業家フォーラムにおいて基調講演を行い、人工知能（AI）がインターネット業界に与える深遠な影響を強調しました。同氏は、今年のインターネット業界における最大の変化は依然としてAI技術の急速な発展であると指摘しました。呉氏は、AIの最大の価値は、スマートフォン上で1つか2つのスーパーアプリを作るだけにとどまらず、あらゆる業界の生産性革命を推進することにあると述べました。AIの発展には、繁栄した技術、製品、市場の構築が必要です。

Stability AIは最近、最新のテキストから画像への深層学習生成モデルであるStable Diffusion 3.5を発表しました。このバージョンには、研究者、企業顧客、愛好家など、さまざまなユーザーのニーズに対応するために、3つの改良されたオープンソースモデルが含まれています。中でもStable Diffusion 3.5 Largeは、パラメーター数が81億個と、シリーズ全体で最も強力なモデルです。このモデルは、卓越した画像品質とプロンプトへの高い応答性により、プロフェッショナルユーザーに最適です。

AIスタートアップのMoondreamは、450万ドルのシード資金調達を発表しました。同社は、AIモデルの世界では、小規模なモデルの方が優れている可能性があるという画期的な主張をしています。Felicis Ventures、MicrosoftのM12、GitHubファンド、Ascendの支援を受け、わずか16億パラメーターのビジョン言語モデルを発表しました。このモデルは、4倍規模のモデルと同等の性能を実現しています。Moondreamの...

AI動画企業Genmoは最近、Mochi1を発表しました。これはテキストプロンプトから高品質な動画を生成できる、全く新しいオープンソースの動画生成モデルです。Mochi1のパフォーマンスは、Runway、Luma AIのDream Machine、快手の可灵、MinimaxのHailuoなど、市場をリードする現在のクローズドソースの競合製品に匹敵し、場合によってはそれらを上回ると評価されています。このモデルはApache2.0ライセンスの下で公開されています。

アレン人工知能研究所（AI2）は、高性能と低コストのソリューションを提供することを目的とした、オープンソースの大規模言語モデルOLMoEを発表しました。このモデルは、スパース混合専門家（MoE）アーキテクチャを採用しており、70億のパラメータを備えています。しかし、インテリジェントなルーティングメカニズムにより、各入力トークンは10億のパラメータしか使用せず、効率的な計算を実現しています。OLMoEには、汎用版と指示調整版の2つのバージョンがあり、4096トークンのコンテキストウィンドウをサポートしています。そのトレーニングデータはCommon Crawl、Dolma CC、ウィキペディアなど、幅広いソースから収集されています。

Microsoftは、テキストとビジュアル入力を処理するように設計された、軽量でマルチモーダルなオープンソースAIモデルであるPhi-3.5-visionを発表しました。128Kコンテキスト長をサポートし、リソースの少ない環境に適しています。画像理解、OCR、グラフ解析、複数画像のサマリーなどの機能を備え、優れたパフォーマンスと低遅延を実現します。42億パラメーターで構成され、高品質なデータでトレーニングされているため、パフォーマンスとプライバシーが確保されています。軽量AI、エキスパートミックス、マルチモーダルモデルの3つのモデルが含まれており、いずれも画像とビデオ処理のベンチマークテストで優れた結果を示しています。

上海人工知能実験室は、2024年7月4日のWAIC科学最前線フォーラムにおいて、書生・浦語シリーズモデルの最新バージョンInternLM2.5を発表しました。このバージョンは複雑な状況下での推論能力が大幅に向上し、1Mを超える超長文コンテキストに対応、インターネット検索を自律的に行い、100以上のウェブページ情報を統合することも可能です。

AI画像生成分野の権威であるRobin Rombach氏によって発表されたオープンソースの大規模モデルプラットフォーム、FLUX.1。120億パラメーターのVision Transformerアーキテクチャを採用し、プロセス整合トレーニング方法や回転位置埋め込みなどの技術を用いることで、DALL・E 3、Midjourney V6などのクローズドソースモデルやSD3シリーズを大幅に凌駕しています。性能面では、テキストの意味の再現性、画像品質、動作の一貫性、連続性、多様性において、テキスト生成においてさえ…

Metaは、405Bパラメーターバージョンを含むLlama3.1オープンソースモデルシリーズを発表し、その性能はGPT-4に匹敵します。その中で、8BパラメーターバージョンのLlama3.1-8B-Instructは多言語をサポートし、コンテキスト長は131072トークンに達し、2500万件の合成データでトレーニングされ、GPT3.5Turboと同様の認知能力と推論能力を示します。OpenBuddyはこのモデルに基づいて、中国語の質問応答とクロスリンガル翻訳をサポートするOpenBuddy-Lをリリースしました。

Meta AIが発表したLlama3.1モデルは、性能においてトップレベルのクローズドソースモデルに匹敵し、オープンソースAIの大きなブレイクスルーを意味します。これは次世代の大規模言語モデルであり、最適化されたトレーニングスタックと大規模GPUコンピューティングリソースによって支えられ、コンテキスト長を128Kに拡張、8言語に対応、複数のテスト分野で卓越した能力を示すなど、多くの技術的ハイライトを実現しています。反復的なポストトレーニングプロセスを通じて、モデルのパフォーマンスは継続的に向上し、特に指示への従順性、一貫性、多言語翻訳において優れた結果を示しています。

Xinsir社は最近、ControlNet++という新しいオープンソースモデルを発表しました。このモデルは、単一のネットワークで10種類以上の画像制御を実現できる点が特徴です。Openpose、Cannyなどの入力をサポートし、マッチングモデルの必要性を大幅に削減します。ControlNetアーキテクチャをベースとしており、追加されたモジュールにより10種類以上の異なる制御タイプに対応。高品質な画像の生成と編集に特に適しており、Midjourneyと同等の高解像度画像を生成できます。

先日開催された世界人工知能大会において、百度創設者の李彦宏氏と阿里雲CTOの周靖人氏は、オープンソースモデルの重要性について異なる見解を示しました。

上海で開催された世界人工知能大会で、アリババクラウドCTOの周靖人は、通義大規模モデルとアリババクラウド百煉プラットフォームの最新動向を発表しました。通義千問オープンソースモデルのダウンロード数は2ヶ月で3倍に増加し、2000万回を突破しました。同時に、アリババクラウド百煉サービスの顧客数は9万から23万に増加し、150％を超える成長を遂げました。