「オープンなモデル」は、実務で使える選択肢になったのでしょうか。Swiss AIが公開した Apertus 1.5 Release Notes は、その問いに向き合う材料になります。
元記事の要点
Hugging Face上のリリースノートです。Apertus 1.5は72Bパラメータで、タスク区分は「Image-Text-to-Text」、つまり画像とテキストを入力にしてテキストを返すモデルです。ページ上では更新から4日、ダウンロード数は4.32k、いいね数は127と表示されています。なお、ここで確認できたのはモデルページの表示情報までです。ベンチマークや学習データなどの詳細は、元記事で確認してください。
72Bのマルチモーダルが開く余地
確認できた事実から読み取れる機会は、次の2点です。
- 画像とテキストを1モデルで扱える: 図表やスクリーンショットを含む資料の読解など、これまで別々のモデルを組み合わせていた処理を、1つの系統にまとめられる可能性があります。
- Hugging Faceで公開されている: 評価や検証を自分たちの環境で始めやすくなります。
Apertusは公開性を重視する取り組みです。ただし1.5での具体的な公開範囲やライセンスは、今回確認できていません。導入を検討するなら、ここが最初の確認点です。
判断のための最初の一歩
72B規模は、推論に必要なGPUメモリが大きくなります。自社でホストするか、外部の推論基盤を使うかは、最初に決めておく必要があります。
まずは自社の実データ、たとえば社内文書や画像付きの問い合わせを小規模に評価してみてください。コストと精度の見通しを持ってから、本格導入の可否を判断できます。選択肢が増えたことは、技術選定の交渉力が上がることでもあります。
関連記事
- Introducing Playground: Create and play custom games
- Staying Evergreen: How we automated secure access and repo hygiene in a shared org
- 人間の承認を増やせば、AIエージェントの事故は防げるのか？
参考文献
コメント