この度、チャージサービスの再開と同時に、DeepSeekでは一部モデルの呼び出し価格を調整いたしました。Deepseek-chatモデルの優待期間は終了し、これをベースとしたV3モデルの呼び出し価格は、入力トークン100万につき2元、出力トークン100万につき8元に変更となります。一方、deepseek-reasonerモデルをベースとしたR1モデルの呼び出し価格は、入力トークン100万につき4元、出力トークン100万につき16元となります。

Google Researchは最近、革新的なTitansシリーズのモデルアーキテクチャを発表しました。バイオミメティック設計により、画期的な200万トークンコンテキスト長を実現し、将来的には関連技術をオープンソース化することを計画しています。このアーキテクチャの中核となる革新は、深層神経長期記憶モジュールの導入です。その設計は人間の記憶システムから着想を得ています。Titansは、短期記憶の迅速な応答能力と長期記憶の永続的な特性を巧みに組み合わせ、同時にアテンションメカニズムを使用して即時コンテキストを処理することで、効率的な情報処理システムを形成しています。Googleによると

近年、ビジョン大規模言語モデル（Large Vision Language Models、LVLMs）は画像理解やクロスモーダルタスクにおいて卓越した能力を示していますが、同時に「ハルシネーション現象」の問題も顕著になっています。この課題に対処するため、タオティエングループの未来生活研究所チームは、「トークン選好最適化」(Token Preference Optimization、略称：TPO) と呼ばれる新しい手法を提案し、自己校正機構を導入しました。

中国の人工知能企業DeepSeekは先日、画期的なオープンソース大規模言語モデルDeepSeek V3を発表しました。6710億パラメーターを持つこのモデルは、MetaのLlama3.1を規模で上回り、複数のベンチマークテストにおいて、GPT-4を含む主要なクローズドソースモデルを上回る性能を示しました。DeepSeek V3は、その強力な性能と効率的な開発プロセスが大きな特徴です。このモデルは、プログラミングプラットフォームCodeforcesのコンテストで優れた成績を収め、テストにおいて…

アブダビ技術革新研究所（TII）は、次世代オープンソースAIモデルFalcon3を発表しました。14兆トークンのトレーニングデータと最適化されたアーキテクチャ設計により、コンシューマー向けハードウェア上でのパフォーマンスにおいて新記録を達成しました。このトレーニング規模は、前身であるFalcon2の2倍以上です。Falcon3シリーズは、1B、3B、7B、10Bの4つのサイズが提供され、それぞれにベースモデルと対話最適化されたInstructバージョンがあります。英語、フランス語、スペイン語、アラビア語に対応。日本語対応については言及されていません。

12月18日、火山エンジンFORCE原動力カンファレンスにおいて、火山エンジン社長の譚待氏が、新たな豆包ビジュアル理解大規模モデルを発表しました。このモデルはテキストと画像情報を同時に処理することで、より正確な回答を提供します。コンテンツの認識、理解、推論能力において優れた性能を発揮し、より繊細な視覚的な説明能力を備え、企業ユーザーに強力なインテリジェント処理能力を提供します。譚待社長は発表会で、豆包ビジュアル理解大規模モデルは技術的な飛躍を遂げただけでなく、価格も大幅に引き下げられたと述べました。

現在の人工知能分野において、開発者やデータサイエンティストにとって、言語モデルの正確な制御が非常に重要になっています。Anthropic社のClaude言語モデルは多くの可能性を提供していますが、トークンの使用を効果的に管理することは依然として課題です。この問題を解決するために、Anthropicは新しいトークンカウントAPIを発表しました。これは、トークンの使用に関するより深い洞察を提供し、言語モデルとのインタラクションの効率性と制御能力を高めることを目的としています。トークンは言語モデルにおいて

テンセントは本日、MOE大規模言語モデルHunyuan-largeをオープンソース化しました。総パラメータ数は398B、活性化パラメータ数は52Bです。公開された評価結果によると、テンセント混元Largeは、CMMLU、MMLU、CEva1、MATHなどの多様な学問分野を網羅する評価セット、および中国語と英語のNLPタスク、コード、数学など9つの主要な分野で、Llama3.1、Mixtralなどのトップクラスのオープンソース大規模モデルを上回っています。このモデルは、高品質な合成データを実現する技術革新が施されており、〜

最近、X（旧Twitter）で、OpenAIの新しいo1モデルが短期間ながらURL「chatgpt.com/?model=o1」で一部ユーザーにアクセス可能になった後、迅速に閉鎖されたという情報が拡散されました。ユーザーのフィードバックによると、この最新モデルは約20万文字のテキストを処理でき、画像分析機能も備えています。OpenAIはo1モデルを「最も強力なモデル」と呼び、創造性と高度な推論能力を必要とするタスクに最適だと説明しています。

イーロン・マスク率いるxAI社が8月の約束を果たし、主力AIモデルGrokのAPIを正式に公開しました。しかし、待望のAPIは少々慌ただしく、基本的な機能しか提供していません。現時点では、grok-betaというモデルのみが提供されています。価格設定は、入力トークンが5ドル/百万トークン（約75万語）、出力トークンが15ドル/百万トークンです。注目すべきは、tok

北京智源人工智能研究院は、次世代マルチモーダル世界モデルEmu3を発表しました。このモデルの最大の特徴は、次のトークンの予測能力のみで、テキスト、画像、ビデオという3つの異なるモーダルにおける理解と生成を可能にする点です。画像生成において、Emu3はビジュアルトークンの予測に基づいて高品質な画像を生成できます。これにより、ユーザーは柔軟な解像度と多様なスタイルを期待できます。ビデオ生成においては、Emu3は他のモデルとは異なる、全く新しい方法で動作します。

フランスの人工知能スタートアップ企業Mistral AIは最近、次世代言語モデルであるMinistral 3BとMinistral 8Bを発表しました。これらの新しいモデルは「Ministraux」シリーズの一部であり、エッジデバイスとエッジコンピューティングのシナリオ向けに設計されており、最大128,000トークンのコンテキスト長をサポートしています。これは、これらのモデルが強力な処理能力を持つだけでなく、データプライバシーとローカル処理が特に重要な状況で使用できることを意味します。

AIの世界では、データはまさに金鉱です。豊富であればあるほど輝きを増します。最近、LLM360は、大規模言語モデルの訓練のために特別に設計された注目すべきデータセットTxT360を発表しました。この巨大なデータセットは、さまざまな業界からの高品質なテキストデータを収録しているだけでなく、世界規模での大規模なクレンジング作業を経て、最終的に5.7兆個の高品質トークンを集約しました。まさに「データ界の宝箱」と言えるでしょう！TxT360の魅力はその巨大な規模と非常に高い品質にあり、既存のFを凌駕しています。

この度、智譜AIは、オープンソースプラットフォームbigmodel.cnにおいて、国慶節期間中に大規模な割引キャンペーンを実施することを発表しました。同時に、清言科技は新たなプレミアム会員システムを発表し、ユーザーにより多くのメリットと選択肢を提供します。智譜AIの国慶節特別キャンペーンは、かつてない規模です。ユーザーは智譜の全AIモデルを10%という低価格で利用でき、企業や開発者にとって高度なAIサービスの利用コストを大幅に削減できます。さらに、キャンペーン期間中は全ユーザーに最大1億トークンの無料利用枠が提供され、より多くの人が体験と応用を行う機会を得られます。

智譜AIは本日、KDD2024展示会での発表以来、同社の主力言語モデルGLM-4-Plusと初の動的ビデオ理解モデルGLM-4V-Plusが広く認められ、権威ある評価ランキングで優秀な成績を収め、海外モデルによる上位3位独占を打破し、国際トップレベルに躍進したことを発表しました。

科大讯飞のiFLYTEKオープン プラットフォームは、iFLYTEK星火APIプラットフォームの大幅なアップデートを発表しました。今回のアップデートにはSpark Maxモデルと4.0Ultraモデルが含まれており、生成速度が70％向上したほか、論理推論、創作能力、インターネット検索などの主要性能において顕著な進歩を遂げました。アップグレードされたSpark Maxと4.0Ultraモデルは、論理推論においてより高速で高精度なパフォーマンスを発揮し、特に複雑なタスク処理においては、詳細な推論プロセスを提供できます。コンテンツ作成においては、

北京月面暗黒科技有限公司が提供するKimiスマートアシスタントは、Kimi APIがインターネット検索機能に対応したことを発表しました。これにより、ユーザーはAPIを通じてインターネット上の情報にアクセスできるようになり、インタラクティブ性が向上します。このKimi APIのアップデートにより、開発者はこの機能を利用して、アプリケーションが「インターネットサーフィン」を行い、会話中に問題が発生した場合に自動的にWeb検索を行い、回答を提供することが可能になります。

NVIDIAは複数の大学と共同で、画像を見てチャットできる大規模ビジョン言語モデル「NVEagle」を発表しました。NVEagleは画像の内容を解析し、正確な回答を生成できます（例：画像内の人物をジェンスン・フアンと識別）。このモデルは、画像をビジュアルトークンに変換し、テキスト埋め込みと組み合わせることで、視覚情報の理解能力を大幅に向上させています。高解像度画像処理の課題に対処するため、研究チームは様々なビジュアルエンコーダと融合戦略を検討し、Eagle-X5-7B、Eagle-Xを含むモデルを構築しました。

生成AIプログラミングに特化したスタートアップ企業Magicが、3.2億ドルの資金調達を発表しました。これにより、総調達額は約4.65億ドルに達します。今回の資金調達は、元Google CEOのエリック・シュミット氏がリードインベスターを務め、多くの著名な投資家が参加しました。Magicの中核技術である「長期記憶ネットワーク（LTM）」は大量のデータを処理し、コード生成時のバイアスを回避することができます。最新のモデルであるLTM-2-miniは、1億トークン（1000万行のコードまたは750冊の小説に相当）を処理可能です。Google Cloudとの連携により、2台の…（続きは原文参照）

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。