Stability AI、携帯機器向け30億パラメータモデル「Stable LM 3B」を公開
Stability AIは携帯端末やノートPCで動作する30億パラメータの言語モデル「Stable LM 3B」の実験版を公開した。低消費電力ながら従来の3Bモデルや一部の7Bオープンソースモデルを上回る常識推論性能を持つ。CC-By-SA 4.0ライセンスで提供され、ベースモデルとして活用できる。
AIモデル
GPT、Claude、Gemini、DeepSeek、Qwenなど大規模言語モデルの新バージョン、ベンチマーク、料金、APIの変更を毎日まとめています。
新しいニュースを見る
ChatGPTが「見て・聞いて・話せる」ように：画像認識と音声対話を追加
OpenAIはChatGPTに音声と画像の認識・対話機能を追加したと発表した。冷蔵庫の写真を撮って献立を相談したり、5種類の自然な声でリアルタイムに会話したりできる。PlusおよびEnterpriseユーザー向けに2週間かけて順次提供される。
GoogleのGeminiに対抗、OpenAIがマルチモーダル機能「GPT-Vision」の投入を急ぐ
米The Informationの報道によると、OpenAIは今秋登場予定のGoogle「Gemini」に先駆けて、画像認識などのマルチモーダル機能「GPT-Vision」の一般提供を急いでいる。次世代モデル「Gobi」の開発も進められており、先行するAI市場での優位を死守する構えだ。
MetaがOpenAI対抗の次世代AIを開発中か、米WSJ報道
米WSJは関係者の話として、MetaがOpenAIの最高峰モデルに対抗する新しいAIシステムを開発中だと報じた。現行のLlama 2を大幅に上回る性能を目指し、2024年初頭にトレーニングを開始する計画とされる。Metaは現時点で公式コメントを控えている。
Stability AI、初の日本語対応画像言語モデル「Japanese InstructBLIP Alpha」を公開
Stability AIは初の日本語画像言語モデル「Japanese InstructBLIP Alpha」を発表した。日本語LLMとInstructBLIP構成を組み合わせ、東京スカイツリーや金閣寺など日本特有の被写体の認識や画像QAに対応する。Hugging Faceにて研究目的限定で公開中。
百度、対話型AI「Ernie Bot」を一般公開 中国政府の認可受け19時間で100万ユーザー突破
中国の百度（Baidu）は対話型 AI「Ernie Bot（文心一言）」を一般向けに正式提供開始したと発表した。中国政府による生成 AI 認可を受けたもので、公開から 19 時間でユーザー数が 100 万人を突破した。文章作成や文書要約などの機能を備え、アプリ等から利用可能だが、登録には中国の電話番号が必要となる。
OpenAI、「GPT-3.5 Turbo」のファインチューニングを提供開始
OpenAIは「GPT-3.5 Turbo」のファインチューニング機能の一般提供を開始した。独自データを用いて指示への追従性や出力フォーマットを安定化でき、プロンプトサイズを最大90%削減可能。実行速度の向上とAPI利用コストの大幅な削減につながる。
OpenAI、GPT-4 を活用したコンテンツモデレーション手法を発表
OpenAI は GPT-4 を使ったコンテンツモデレーションの新手法を発表した。ポリシーをプロンプトに入力して判定させ、専門家との判断の違いを分析してルールを微調整する仕組み。新ポリシーの適用を数時間に短縮できるとする一方、偏見を防ぐため人による監視が必要だとしている。
ChatGPTの「カスタム指示」が無料ユーザーにも開放 前提プロンプトの再入力が不要に
OpenAIはこれまでPlus有料会員限定だった「カスタム指示」機能を無料ユーザーにも拡大した。事前に役割や口調、文字数などを登録しておけば毎回同じ前提を入力する手間が省け、チャット履歴をオフにした状態でも機能する。
AnthropicがClaude Instant 1.2公開、10万トークン対応で推論と安全性を強化
Anthropicは軽量・高速モデルの最新版「Claude Instant 1.2」をAPI経由でリリースした。上位版Claude 2譲りの10万トークン文脈長を備え、コーディングや数学スコアの向上に加え、ハルシネーションの低減や脱獄プロンプト耐性の強化が図られている。
Stability AI、初のコーディング特化モデル「Stable Code Alpha」を発表
Stability AIは、初のプログラミング向け大規模言語モデル「Stable Code Alpha 3B」を発表した。5600億トークンのコードで学習され、基本モデル、指示モデル、16000トークンの文脈に対応する長文モデルの3種類を用意。Pythonファイル5本相当のコードを一度に処理できる。
Amazon、Bedrockに対話型エージェント機能を追加 Claude 2なども導入
Amazonは生成AI基盤「Bedrock」に新機能「Agents for Bedrock」をプレビュー公開した。社内データと連携してAPIを自動実行する対話型エージェントを構築できる。あわせてAnthropicのClaude 2やStability AIのStable Diffusion XL 1.0、CohereのモデルもBedrock上で利用可能になった。
Appleが社内チャットボット「Apple GPT」をテスト：独自基盤Ajaxを構築、来年発表か
Bloomberg報道によると、Appleが「Apple GPT」と呼ばれる社内向けAIチャットボットをテスト中だという。独自LLM基盤「Ajax」を活用しており、現在は製品試作や文章要約の用途に限定されているが、来年に向けて大規模なAI発表を準備しているとされる。
マイクロソフトとMetaが提携拡大：Llama 2をAzureとWindowsで提供開始
マイクロソフトはMetaとの提携を拡大し、商用利用可能な大規模言語モデル「Llama 2」をAzureとWindowsでサポートすると発表した。7B、13B、70Bの各モデルをAzure上で微調整・展開できるほか、ONNX Runtimeを通じてWindows PC上でのローカル実行にも対応する。
Stability AIが「Stable Beluga」公開：少量の合成データで首位獲得
Stability AIとCarperAIが、LLaMAおよびLLaMA 2をベースにした指示調整モデル「Stable Beluga 1/2」を公開しました。マイクロソフトのOrca手法を参考に、わずか10分の1となる約60万件の合成データでファインチューニングを行い、Hugging Faceの公開LLMランキングで1位を獲得。非商用研究ライセンスで提供されています。
Google、Bardを大幅アップデート：日本語含む40言語以上や画像入力に対応
Googleは対話型AI「Bard」の提供地域を欧州やブラジルに拡大し、日本語や中国語など40以上の言語に対応したと発表した。Googleレンズによる画像入力や回答の音声読み上げ、口調の変更、Replitへのコードエクスポート機能などが追加されている。
Anthropicが「Claude 2」公開、10万トークン対応でウェブ版ベータも提供開始
Anthropicは新モデル「Claude 2」を発表し、ウェブサイトclaude.aiで一般向けベータ版の提供を開始した。最大10万トークンの入力に対応し、コーディング試験HumanEvalのスコアは71.2%に向上。米国と英国向けに公開されており、APIも前世代と同価格で提供される。
Google、医療特化AI「Med-PaLM 2」をMayo Clinicなどで試験運用
Googleが4月より、医療特化型AI「Med-PaLM 2」を米Mayo Clinicなどの医療機関でテストしている。医師国家試験の問題などで訓練され、問答やカルテ要約をこなす。ただし誤った回答を堂々と生成する課題は残っており、臨床診断への実用にはまだ慎重な検証が必要だ。
アリババとファーウェイがAI新製品：画像生成「通義万相」と産業向け「盤古3.0」
金曜日、アリババクラウドはMidjourneyに対抗する画像生成AI「通義万相」を発表し、企業向けベータ版の提供を始めた。同日、ファーウェイもコンテンツ生成ではなく貨物列車の検査や気象予測など産業用途に特化した「盤古3.0」を公開した。
OpenAI、GPT-4 APIを一般提供開始：有料開発者へ即時開放、旧モデルは来年1月廃止へ
OpenAIはGPT-4 APIの一般提供を開始し、支払い実績のある全API開発者に8Kコンテキスト版を開放した。あわせてGPT-3.5 TurboなどのAPIも正式版となり、利用の97%を占めるChat Completions APIへの移行を進めるため、旧補全モデルは2024年1月4日に廃止される。