大規模言語モデル– tag –

OpenAIの最新モデル「o3」と「o3-mini」は、人間を超える推論能力と安全性を備え、AIの新たな可能性を提示します。特に、o3は難関ベンチマークで人間超えのスコアを達成し、o3-miniは低コストで高効率な推論を実現しました。安全性評価においても、Deliberative Alignment技術により、従来のモデルを上回る性能を達成しています。この記事では、これらのモデルの性能、安全性、将来の展望について詳しく解説します。

Googleの最新AI「Gemini 2.0」は、テキスト、画像、音声を統合的に処理するマルチモーダルAIです。特に「Gemini 2.0 Flash」は、従来比2倍の処理速度と高い性能を実現。ネイティブツール利用やリアルタイムAPIにより、多様なアプリ開発を支援します。本記事では、開発者向け機能、活用事例、安全性、将来性を深掘りし、その可能性を解説します。

Gemini-exp-1206は、Google DeepMindが開発した実験的な大規模言語モデルです。200万トークンを超えるコンテキストウィンドウとマルチモーダル機能が特徴で、LMArenaベンチマークで高い性能を示しています。テキスト、画像、音声、動画を処理でき、ソフトウェア開発、コンテンツ作成、データ分析など様々な分野で活用が期待されています。Google AI Studioで無料で利用可能で、Gemini APIを通じてアプリケーションにも統合できます。

Meta社が新たな大規模言語モデルLlama 3.3を発表しました。70Bパラメータでありながら、Llama 3.1の405Bモデルに匹敵する性能を実現し、大幅なコスト削減を達成。推論、数学、知識、指示追従、ツール使用など、幅広いタスクで性能向上しています。多言語にも対応し、チャットボット、アシスタント、コンテンツ生成など、様々な用途で効果を発揮。オープンソースとして公開され、AIコミュニティへの貢献も期待されます。

こんにちは、スクーティー代表のかけやと申します。​弊社は生成AIを強みとするベトナムオフショア開発・ラボ型開発や、生成AIコンサルティングなどのサービスを提供しており、最近はありがたいことに生成AIと連携したシステム開発のご依頼を数多く頂いてい...

DifyのワークフローをDifyのエージェントから呼んでみる、ということをやってみました。「え、なんのために・・・？」と思われるかもしれませんが、やってみたら結構便利そうだったので紹介します！

多くの企業がこの技術を活用し、業務プロセスの自動化やクリエイティブ分野での革新を実現していますが、正しい導入方法やリスクへの対応が欠かせません。

この記事では、Difyのv0.8.1アップデートで追加されたOpenAIの最新モデルo1-previewとo1-miniを使用する方法についてご紹介します。

Llama 3.2は、テキスト生成、質問応答、翻訳、要約など、従来の言語モデルが得意としていたタスクに加え、画像の内容説明、画像からの情報抽出、画像に基づいた推論といった、視覚情報を扱うタスクにも対応できるようになりました。また、軽量モデルの提供により、従来はクラウド環境での実行が必須であったLLMを、より身近なデバイスで利用することが可能になり、AI技術の民主化を大きく前進させる可能性を秘めています。

Contextual Retrievalは、従来のキーワードマッチングや意味検索に加えて、ユーザーのクエリやタスクの文脈を深く理解することで、より正確で適切な情報を提供します。特に、プログラミングや技術的な質問など、文脈理解が重要なタスクにおいて効果を発揮します。この記事では、Contextual Retrievalの概要をご紹介します。

Reflexionという手法が注目されています。LLMの出力の精度を上げる有効な手法のようです。 Reflexionは仕組みとしてはシンプルなので、Difyのワークフローで再現し、出力を検証してみました！

OpenAI社は、2024年9月12日、高度な推論能力を備えたAIモデルシリーズ「OpenAI o1」を発表しました。​本記事では、OpenAI o1-preview/miniの技術的な詳細、従来モデルとの比較、ベンチマーク結果、ユースケース、そして安全性について、詳細に解説していきます。 これは、人間のように思考プロセスを用いて複雑な問題に取り組み、より洗練された、高精度なアウトプットを生成するAIモデルです。

SELF-ROUTEという手法が注目されています。RAGの精度を上げる有効な手法のようです。SELF-ROUTEは仕組みとしてはシンプルなので、Difyのワークフローで再現し、出力を検証してみました！

Difyのバージョン0.6.14がリリースされました。このリリースではいくつかの新しい機能が追加されていますが、その中でも音声出力（TTS: Text-to-Speech）機能が追加されており、早く試そう試そうと思いつつ、やっと試すことができました！ なのですが、、、あれれ？どうやって使うの・・・・・・？ということで結構はまったので（僕だけでしょうか？？）、使い方をご紹介いたします！

米国時間で2024年7月23日、Meta社の最新のLLMであるLlama 3.1が発表され、多くの注目を集めています。Llama 3からLlama 3.1へのマイナーバージョンアップではありますが、大幅に進化したLlama 3.1は、その驚異的な性能とオープンソース化という決断により、生成AIの世界に新たな波を起こしています。 ​本記事では、Llama 3.1の魅力を余すところなく解説し、その可能性に迫ります。

この記事では、私の独断と偏見で決めた方法で、GPT-4oとClaude 3.5 Sonnetに対決してもらい、性能を比較してみました。まずは簡単にClaude 3.5 Sonnetがどのようなものかをまとめつつ、記事の最後では、同じプロンプトで出力を比較した10番勝負を記載していますので、ぜひそちらまで御覧ください！

いまだざわめきが収まらないGPT-4oですが、こちらも噂のノーコードAIプラットフォームであるDifyで使えるようになっていました。早速私のMac上で試してみましたので、その作業内容とGPT-4oを試してみた結果をお伝えします。

こんにちは、スクーティー代表のかけやと申します。​弊社は生成AIを強みとするベトナムオフショア開発・ラボ型開発や、生成AIコンサルティングなどのサービスを提供しており、最近はありがたいことに生成AIと連携したシステム開発のご依頼を数多く頂いてい...

OpenAIから衝撃のGPT-4oの発表後に、OpenAIのCEOであるサム・アルトマンが、インタビューでオープンAIの取り組みと将来の展望について話しています。そのインタビューの内容を簡単にまとめました。

​​​Meta社が最新のLLM「Llama 3」をオープンソースとして公開したことが話題になっています。早速、GroqというLLMの推論を超高速に動作することができるサービスを経由してLlama 3を試してみましたので、実際に動作を確認できるまでの過程も含めてお伝えしようと思います。Llama 3もすごかったですが、Groqの圧倒的高速レスポンスに衝撃を受けました・・・！