Baidu、最新モデル「ERNIE 3.5」発表 中国語テストでChatGPT上回る
Baiduは、基盤モデルの最新版「ERNIE 3.5」を発表した。中国語の標準試験や選択問題テストなどでChatGPTやGPT 4を上回る成績を記録したという。新たにプラグイン機能に対応し、Baidu検索との連携も可能になった。一方で、米国大学による総合テストでは依然として後塵を拝している。
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
DeepMindがGemini開発を明かす：AlphaGoの技術融合でChatGPT超えへ
Google DeepMindのCEOデミス・ハサビス氏は、次世代AI「Gemini」を開発中だと明かした。AlphaGoで培った強化学習や木探索技術を言語モデルに組み込み、計画立案や問題解決能力を付与することで、ChatGPTを支えるGPT-4を凌駕することを目指している。
Inflection、独自LLM「Inflection-1」を発表 GPT-3.5匹敵もコーディングには課題
AIスタートアップのInflectionは、対話型AI「Pi」を支える自社開発モデル「Inflection-1」を発表した。GPT-3.5と同等の訓練規模を誇り、一般常識や試験タスクで高い性能を示す一方、コード生成では差をつけられている。
GPT-4がツールを利用可能に：OpenAIが「Function Calling」を提供開始
OpenAIはGPT APIに「Function Calling」機能を追加した。計算やデータベース照会、外部APIの実行が必要な場合、モデルが自ら判断して適切な外部ツールを呼び出せる。不安定な外部ライブラリに頼らず、GPTと既存ソフトウェアの確実な連携が可能になる。
OpenAI、APIに「Function calling」を追加 GPT-3.5の16k版提供と値下げも実施
OpenAIはChat Completions APIに「Function calling」機能を追加したと発表した。モデルが関数の引数を構造化JSONとして正確に出力できるようになり、外部ツールやDBとの連携が容易になる。あわせてGPT-3.5 Turboの16kコンテキスト版の提供や各種値下げも実施された。
Anthropic、Claudeのコンテキスト長を10万トークンに拡大
AnthropicはClaudeのコンテキストウィンドウを従来の9Kから100Kトークン（約7万5000語）に拡張した。数百ページの書類や決算書を一括で読み込ませて数分で要約や質疑応答が可能になり、API経由で利用できる。
Googleが次世代LLM「PaLM 2」を発表：Bardに搭載、スマホ動作モデルも用意
Googleは開発者会議「I/O」で次世代大規模言語モデル「PaLM 2」を発表した。強化版Bardの頭脳となるほか、開発者向けAPIも即日開放。パラメータ数の規模競争から距離を置き、推論や数学、100以上の多言語処理を強化したほか、コード特化のCodeyやスマホ上で毎秒20トークン処理できる小型版も展開する。
Google、年次イベント「I/O」で次世代言語モデル「PaLM 2」を発表へ
米CNBCが入手した内部文書によると、Googleは今週開催の開発者会議「Google I/O」で次世代の大規模言語モデル「PaLM 2」を発表する予定です。100以上の言語に対応しコーディングや数学能力が強化されているほか、Bardや検索、Workspaceへの生成AI機能の統合も披露されます。
ロシア最大手銀行Sber、ChatGPT対抗のAI「GigaChat」を発表
ロシア最大手銀行のSberbankは、ChatGPTに対抗するAIチャットボット「GigaChat」を発表し、招待制テストを開始した。ロシア語での自然な対話能力を強みとして掲げており、西側の制裁下で進む外国製テクノロジー依存からの脱却を加速させる狙いがある。
OpenAI共同創業者ブロックマン氏、TEDでChatGPTの設計思想と未公開機能を披露
OpenAI共同創業者のグレッグ・ブロックマン氏がTEDで講演し、ChatGPTの設計原理を解説するとともに未公開プラグインの実演を行いました。TED代表のクリス・アンダーソン氏との対談では、開発経緯や強力なAIツールがもたらすリスクについても見解を述べています。
アリババ、大規模言語モデル「通義千問」を発表 全製品へ順次導入へ
アリババは独自のChatGPT風大規模言語モデル「通義千問（Tongyi Qianwen）」を発表した。中英両言語に対応し、まずは業務アプリ「DingTalk」や「天猫精霊」に先行導入され、将来的には全製品へ統合される。企業や開発者向けに独自データでファインチューニングを行うベータテストの受付も開始した。
GoogleのピチャイCEO、Bardの性能批判に反論 「PaLM」への移行で大幅強化へ
Googleのスンダー・ピチャイCEOはポッドキャスト番組で、AIチャットボット「Bard」を近日中に高性能なPaLMモデルへ切り替えると表明した。現状を「改造シビックでスーパーカーのレースに出たようなもの」と振り返り、推論やコーディング、数学の回答精度が向上すると説明している。
中国Baidu、「Ernie Bot」の新機能を非公開デモで披露 産業特化版も発表
Baiduは月曜、企業顧客向けの非公開イベントでAI「Ernie Bot」の新機能を公開した。財務報告書の要約やPPT作成、旅行日程の作成、広告向けアバター生成などを実演し、通常版に加え産業向けバージョンの提供も発表。3月31日より企業のテスト申請を受け付ける。
OpenAI、3月20日のChatGPT障害原因を公表：OSSのRedisバグで情報誤表示
OpenAIは発生したChatGPT障害の原因を報告した。オープンソースライブラリ「redis-py」のバグにより、他人のチャット履歴タイトルや、特定9時間のPlus会員約1.2%の氏名やカード番号下4桁が誤表示されたという。現在はパッチが適用され、サービスは完全復旧している。
百度のAI「文心一言」発表、録画デモで失望誘い株価6.4%急落
百度が対話型AI「文心一言（Ernie Bot）」を発表した。しかし発表会では実機でのリアルタイム操作がなく録画映像の紹介にとどまり、投資家の失望を招いて香港株が6.4%急落。同日よりテスト登録を開始したものの、李CEOは完成度に課題が残ることを認めている。
AnthropicがAIアシスタント「Claude」を発表、軽量版Instantも提供
Anthropicが次世代AIアシスタント「Claude」と、軽量・高速・低コスト版「Claude Instant」を公開した。安全性や指示追従性の高さを強みとし、チャットUIおよび開発者向けAPIを通じて要約や文章作成、コーディングを支援する。
OpenAI、次世代モデル「GPT-4」を発表 画像入力対応で司法試験も上位10％
OpenAIはマルチモーダルAIモデル「GPT-4」を発表した。画像とテキストの入力に対応し、模擬司法試験ではGPT-3.5の「下位10％」から「上位10％」へと大幅にスコアを伸ばした。テキスト入力はChatGPT PlusおよびAPIの待機リスト向けに提供を開始し、画像機能は順次公開予定。
マイクロソフトドイツ幹部が明言、GPT-4は来週登場でマルチモーダル対応へ
マイクロソフトドイツのCTOであるAndreas Braun氏がイベントで、GPT-4が来週登場することを明らかにしました。最大の注目点はマルチモーダルへの対応で、テキストだけでなく動画なども扱えるようになる見込みです。正式な提供形式や提供日程の詳細は今後の公式発表を待つ必要があります。
マイクロソフト、画像認識モデル「Florence」をAzureでプレビュー提供 Redditが画像説明生成に採用
マイクロソフトはマルチモーダル視覚モデル「Florence」をAzure Cognitive ServicesのVision APIに統合しプレビュー公開した。Redditが視覚障害者向けの画像説明（alt text）自動生成や検索改善に採用。数十億の画像・テキスト対で学習され、背景除去や動画要約にも対応する。
Google、1000言語対応を目指す音声AIモデル「USM」の進捗を公開
Google は1000 言語の理解を目指す音声基盤モデル「USM」の詳細を発表した。20 億パラメータを備え、1200 万時間の音声データで学習されており、すでに 100 以上の言語で自動認識や翻訳に対応する。現在は YouTube の自動字幕生成にも実用化されている。