https://www.communeify.com/ja/tag/deepseek/Communeify - Your Community PlatformHugohttps://www.communeify.com/ja/blog/deepseek-v3-2-exp-efficient-cost-effective-long-context-ai/https://www.communeify.com/ja/blog/deepseek-v3-2-exp-efficient-cost-effective-long-context-ai/Tue, 30 Sep 2025 08:54:46 +0800 AIスタートアップのDeepSeekが、最新の実験的モデルDeepSeek-V3.2-Expを発表しました。その核心的な特徴は、革新的な「DeepSeek Sparse Attention（DSA）」の導入です。この技術は、長文処理時のトレーニングと推論の効率を大幅に向上させると同時に、前世代モデルと同等のトップクラスの性能を維持することを目的としています。さらに嬉しいことに、新モデルのリリースに伴い、API価格も50%以上引き下げられ、開発者や企業ユーザーにとって、よりコスト効率の高いAIソリューションが提供されます。 人工知能の高速道路において、効率とコストは常に技術普及を推進する2つの重要なエンジンです。つい最近、注目を集めるAI企業DeepSeekが衝撃的な発表を行い、最新の実験的な大規模言語モデルであるDeepSeek-V3.2-Expを正式にリリースし、オープンソース化しました。これは単なる定期的な反復更新ではなく、アーキテクチャ上の大胆な探求であり、次世代AIモデルの可能性のある開発方向を示唆しています。 では、この新しいモデルは一体何が優れているのでしょうか？簡単に言えば、「長文」という計算リソースを極度に消費するタスクを処理する際に、より速く、より安価になったのです。そして、そのすべては、その背後にあるコア技術であるDeepSeek Sparse Attention（DSA）のおかげです。 DeepSeek Sparse Attention（DSA）とは何か？なぜ重要なのか？1万字の長文を読んで、その中の質問に答えようとするとき、全文を読みますが、脳は自動的に質問に最も関連性の高いいくつかの段落に焦点を合わせ、すべての内容を逐語的に分析するわけではないと想像してみてください。従来のAIの注意メカニズムは、過度に真面目な学生のようなものです。モデル内のすべての単語に、記事内のすべての単語に注意を払わせます。この「全面的な注意」は、テキストが短い場合は問題ありませんが、テキストの長さが増加すると、計算量が2乗で増加し、非常に高価で遅くなります。 DeepSeekのDSA技術は、まさにこの問題点を解決するために生まれました。モデルにスマートなスクリーニングシステムを導入し、主に2つの部分で構成されています。 ライトニングインデクサー： これは軽量の採点者です（それ自体も小さなTransformerモデルです）。モデルが単語（クエリートークン）を処理するとき、このインデクサーは前のすべての単語をすばやくスキャンし、それらの「関連性」を採点します。このプロセスは効率的なFP8形式とより少ない計算ユニットを使用するため、非常に高速です。 きめ細かいトークン選択： インデクサーのスコアに基づいて、システムはスコアが最も高い上位k個（たとえば2048個）の単語のみを選択し、現在の単語がこれらの最も関連性の高い「候補者」に対してのみ深い注意計算を実行するようにします。 このようにして、DSAは計算の複雑さをO(L²)からO(Lk)に正常に低減しました。ここで、Lはテキストの長さ、kは選択された少数のキーワードです。これは、テキストの長さが128K以上に達しても、モデルが膨大な計算量に押しつぶされることなく、効率的に動作し続けることができることを意味します。 パフォーマンスは低下せず、効率は倍増通常、効率を向上させることは、パフォーマンスを犠牲にすることを意味する場合があります。しかし、DeepSeek-V3.2-Expの最も称賛に値する点の1つは、DSAを導入した後、主要な公開評価ベンチマークでのパフォーマンスが、以前の強力なV3.1-Terminusモデルとほぼ同等であることです。 総合的な知識をテストするMMLU-Pro、コード能力を検証するCodeforcesとAider-Polyglot、エージェントタスクをシミュレートするBrowseCompなど、複数の分野でV3.2-Expは前世代に匹敵する実力を示しました。一部の特定のタスク（HMMT数学コンテストなど）ではわずかに低下しましたが、公式の説明によると、これは新しいモデルがより簡潔な推論プロセスを生成する傾向があるためである可能性がありますが、全体として、このアーキテクチャのアップグレードは「ケーキを食べて、それを持っている」ことに成功しました。 大幅なコスト削減、開発者と企業にとっての朗報技術の進歩は、最終的にはアプリケーションレベルでの価値に反映されなければなりません。V3.2-Expのリリースに伴い、DeepSeekはAPIの価格を50%以上大幅に引き下げました。公式に発表された最新の価格によると、入力トークンのコスト（キャッシュミス）は100万トークンあたり0.28ドルに、出力トークンは100万トークンあたり0.42ドルに引き下げられました。 大量のドキュメントを処理したり、複雑なRAG（検索拡張生成）を実行したり、長文分析ツールを開発したりする必要がある開発者や企業にとって、これは間違いなく朗報です。コストが低いほど、展開の実現可能性が高まり、アプリケーションの見通しが広がります。 DeepSeek-V3.2-Expを使い始めるには？オープンソースモデルとして、DeepSeek-V3.2-ExpはHugging Faceなどのプラットフォームにリストされており、コミュニティの研究と展開を容易にするための完全なコードと関連リソースを提供しています。 開発者向け： V3.2-Exp APIをすぐにテストして、特定のアプリケーションシナリオでのパフォーマンス、特に長文処理におけるコストと効率の利点を評価できます。 企業ユーザー向け： 既存のアプリケーションを新しいモデルに移行して、大幅なコスト削減を享受することを検討してください。 研究者向け： DSAの理論的基礎を深く研究し、この効率的なアーキテクチャの他のモデルへの応用可能性を探ります。 まとめと展望DeepSeek-V3.2-Expの発売は、DeepSeek自身のモデルアーキテクチャにおける大きなブレークスルーであるだけでなく、AI分野全体が長文の課題に対処するための新しいアイデアを提供します。革新的なスパースアテンションメカニズムを通じて、パフォーマンスをあまり犠牲にすることなく、コンピューティング効率を向上させ、使用コストを削減することに成功しました。 これはまだ「実験的」バージョンであり、一部のタスクでのパフォーマンスにはまだ微調整の余地がありますが、それが示した大きな可能性は、大規模言語モデルの将来の発展にとって、より効率的で、より経済的で、より持続可能な方向性を間違いなく示しています。 DeepSeek-V3.2-Exp HuggingFace よくある質問（FAQ）Q1：DeepSeek-V3.2-ExpとV3.1-Terminusの根本的な違いは何ですか？ A1：主な違いは、アテンションメカニズムの実装にあります。V3.2-Expは「ディープスパースアテンション（DSA）」を導入しており、アテンションの重みを選択的に計算できるため、長いテキストを処理する際の計算の複雑さが大幅に軽減されます。モデルのパラメータサイズ**（67B）**は変更されていませんが、V3.2-Expはトレーニングと推論の効率において質的な飛躍を遂げました。 Q2：スパースアテンションはモデルの出力品質に影響しますか？ A2：公式のベンチマークテストによると、V3.2-ExpのパフォーマンスはほとんどのタスクでV3.1-Terminusに匹敵します。DSAは最も重要なアテンション接続を保持するように慎重に設計されているため、出力品質への影響は最小限です。 Q3：V3.2-ExpはV3.1-Terminusを完全に置き換えますか？ A3：現在、V3.2-Expは実験的なバージョンであり、主に技術的な検証とコミュニティテストを目的としています。DeepSeekは、ユーザーが比較テストを実施できるようにV3.1-Terminus APIインターフェイスを一時的に保持し、コミュニティのフィードバックに基づいてV3.2の公式バージョンのリリース計画を決定すると公式に述べています。https://www.communeify.com/ja/blog/deepseek-v3-1-terminus-ai-agent-upgrade/https://www.communeify.com/ja/blog/deepseek-v3-1-terminus-ai-agent-upgrade/Tue, 23 Sep 2025 08:54:46 +0800 DeepSeek AIチームは、多くのユーザーからのフィードバックを受け、DeepSeek-V3.1の全新アップグレード版であるDeepSeek-V3.1-Terminusを正式にリリースしました。新バージョンは、言語の一貫性の問題を修正しただけでなく、Code AgentとSearch Agentの能力を大幅に強化し、より安定し、より強力なAI体験を提供します。本記事では、Terminusバージョンのハイライトを深く掘り下げ、詳細な評価データを通じてその実力を探ります。 あなたのフィードバックが形に：DeepSeek-V3.1-Terminusの誕生AI技術が急速に進化する今日、モデルの良し悪しは、冷たい評価スコアだけでなく、ユーザーの課題を本当に解決できるかどうかで決まります。DeepSeek AIチームは明らかにこの点を深く理解しています。最近、彼らが正式にリリースしたDeepSeek-V3.1-Terminusは、単なるバージョンアップではなく、コミュニティとの深い対話のようです。 率直に言って、どんなに強力なモデルでも、出力に中国語と英語が混在したり、時折理解不能な異常な文字が現れたりすると、その体験は本当に興ざめです。今回のTerminusバージョンの中心的な目標の一つは、この問題を解決し、言語の一貫性を全面的に向上させることでした。 それに加えて、もう一つの主役は、エージェント能力のさらなる進化です。ここで言うエージェントとは、AIの「手」と「足」のようなもので、チャットだけでなく、複雑なタスクの実行を助けるものです。Terminusバージョンは、特にCode Agent（プログラミングのアシスタント）とSearch Agent（インターネット検索のアシスタント）を深く最適化し、実際の応用でさらに使いやすくしました。 口先だけじゃない：データで見るTerminusの実力口先だけでは意味がありません。性能の向上は最終的にデータによって証明されるべきです。DeepSeek-V3.1-Terminusが主要な権威あるベンチマークでどのようなパフォーマンスを示したか見てみましょう。 ベンチマークDeepSeek-V3.1DeepSeek-V3.1-Terminus 非エージェント（思考モード）MMLU-Pro84.885.0GPQA-Diamond80.180.7Humanity’s Last Exam15.921.7LiveCodeBench74.874.9Codeforces20912046Aider-Polyglot76.376.1エージェントBrowseComp30.038.5BrowseComp-zh49.245.0SimpleQA93.496.8SWE Verified66.068.4SWE-bench Multilingual54.557.8Terminal-bench31.336.7 上の表から、今回の更新が包括的であることがはっきりとわかります。https://www.communeify.com/ja/blog/deepseek-r1-natural-cover-reinforcement-learning-self-thinking-ai/https://www.communeify.com/ja/blog/deepseek-r1-natural-cover-reinforcement-learning-self-thinking-ai/Thu, 18 Sep 2025 08:54:46 +0800 人工知能の分野で大きなブレークスルーがありました！DeepSeek-R1モデルが、トップ科学雑誌であるNatureの表紙を飾りました。このモデルは、人間がラベル付けしたデータに頼らず、強化学習のみを通じて優れた推論能力を発達させ、数学やプログラミングなどの分野では人間をも凌駕しています。この研究は、より自律的で強力なAIへの新たな道筋を明らかにしています。 AI界のビッグニュース：トップジャーナルの表紙を飾った大規模言語モデルご存知でしたか？ある研究成果がNature誌の表紙を飾るということは、それが単なる小さな進歩ではなく、分野全体のゲームのルールを変える可能性のある大きなブレークスルーであることを意味します。最近、この栄誉がDeepSeek-R1という大規模言語モデル（LLM）に与えられました。 この出来事がこれほどセンセーショナルなのは、8人の外部専門家による7ヶ月にも及ぶ厳格な査読を経た初の主流大規模言語モデルであるというだけでなく、それが表す理念、つまりAIはもはや人間に手取り足取り教えられなくても「思考」する方法を学べるかもしれない、という点にあります。 この記事では、DeepSeek-R1が何を成し遂げたのか、どのように自己進化を遂げたのか、そしてそれが人工知能の未来にとって何を意味するのかを深く掘り下げていきます。 これは単なる別のAIモデルではない、パラダイムシフトだこれまで、大規模言語モデルのトレーニングは、非常に知的な生徒を教えるようなものでした。まず、膨大な量の書籍やインターネットデータを読ませ（これを事前学習と呼びます）、言語の基礎を学ばせます。次に、多くの人間の教師を雇い、大量の「正解」を用意して一問一問教えていきます（これを教師ありファインチューニング、SFTと呼びます）。 この方法は効果的ですが、いくつかの生来のボトルネックがあります。 高コスト： 高品質のデータをラベリングするために多数の専門家を雇うのは、費用も時間もかかります。 天井効果： AIのパフォーマンスは、それを教える人間の教師を超えることはほとんどありません。教師の答えが十分でなければ、生徒のレベルも自ずと制限されます。 潜在的なバイアス： 人間の思考パターンや偏見も、教える過程で無意識のうちにAIに伝わってしまいます。 しかし、DeepSeek-R1は全く異なる道を歩みました。研究チームの核となるアイデアは、「AIに、新しいスキルを学ぶのと同じように、継続的な『試行錯誤』を通じて自己改善させることはできないか？」というものでした。これこそが強化学習（RL）の核心的な精神です。 簡単に言えば、AIにチェスを教えるようなものです。何百万もの棋譜を見せる必要はなく、ゲームのルールと「勝利」という目標を教えるだけでいいのです。そして、AI自身に対局させ、勝てば報酬を与え、負ければ教訓を学ばせます。DeepSeek-R1は、数学やプログラミングといった明確な「正誤」のある分野で、この方法で推論を学びました。 DeepSeek-R1はどのように「自己進化」するのか？この研究の核心は、DeepSeek-R1-Zeroと呼ばれる純粋なバージョンのモデルです。そのトレーニングプロセスは魅力的で、従来の教師ありファインチューニングを完全に放棄しています。 研究チームは、Group Relative Policy Optimization（GRPO）と呼ばれる強化学習アルゴリズムを使用しました。彼らはモデルに複雑な数学の問題やプログラミングの課題を与えましたが、解法は教えませんでした。モデルは、独自の思考プロセス（<think>タグ内に配置）と最終的な答え（<answer>タグ内に配置）を生成する必要がありました。 唯一の報酬シグナルは、最終的な答えの正しさでした。 魔法のようなことが起こりました。トレーニングの過程で、モデルは驚くほど高度な戦略を自ら開発しました。 自己反省と修正： 思考プロセスの中で、モデルは「待てよ、ここは何かがおかしいようだ」とか「もう一度試してみよう」といった思考をします。研究者たちは、モデルの出力における「wait」（待つ）という単語の出現頻度がトレーニングの後半で著しく増加することを発見しました。これはまさにAIの「アハ体験」です。 思考の深さの動的な調整： 簡単な問題に直面すると、短い思考連鎖で素早く答えを出します。一方、複雑な問題に直面すると、数千語に及ぶ詳細な推論を生成し、解決策を一歩一歩探求します。 人間とは異なる道筋： 人間の思考に縛られないため、時にはより効率的でありながら、人間の直感には反する問題解決の道筋を探求することがあります。 もちろん、この純粋なDeepSeek-R1-Zeroモデルは、推論能力は優れているものの、人間との対話では少し「洗練されていない」ところがあり、答えの可読性が低かったり、中国語と英語が混じったりすることもありました。 そのため、チームはこれを基盤として、多段階の学習フレームワーク（少量の人間選好データを統合）を用いて、より完成度の高いDeepSeek-R1モデルを構築しました。これはZeroバージョンの強力な推論コアを継承しつつ、人間のコミュニケーション習慣により適合し、より協力的で無害なものになりました。 驚異的な成果：数学とプログラミングで人間を超える論より証拠、DeepSeek-R1のパフォーマンスは実に驚異的です。一連の認知された難易度の高いベンチマークテストで、トップクラスのスコアを達成しました。 米国数学招待試験（AIME 2024）： 86.7%という驚異的な正答率を達成し、これはすでに人間の参加者の平均レベルを超えています。 プログラミングコンテスト（Codeforces）： そのレーティングは2029に達し、世界のトップ5%の人間のプログラマーにランクインするのに十分です。 多分野知識（MMLU-Pro）： 複数の分野をカバーするこの包括的なテストで、84.0%という高得点を記録しました。 数学とプログラミングで優れているだけでなく、生物学、物理学、化学などのSTEM分野でも同様に熟達しています。このデータは、純粋な強化学習を通じてモデルの推論ポテンシャルを刺激することが完全に可能であることを証明しています。 オープンソースの力：透明性と再現性さらに称賛に値するのは、DeepSeek-AIチームがこの研究の成果（モデルの重み、コード、データサンプルを含む）を、GitHubやHugging FaceなどのプラットフォームでMITライセンスの下でオープンソース化したことです。 この決定は、Natureの社説で高く評価され、「透明性と再現性への歓迎すべき一歩」と称されました。今日の急速に発展するAI技術において、オープンな研究姿勢は、世界中の科学者が共同で結果を検証し、改善することを可能にするだけでなく、コミュニティ全体の健全な発展の基盤を築きます。 正直な限界と将来の課題DeepSeek-R1が大きな成功を収めたにもかかわらず、研究チームはその現在の限界も率直に指摘しています。 ツールの使用不可： 人間のように、問題解決の際に電卓や検索エンジンを使って補助することはまだできません。 効率の問題： 簡単な問題に対して「考えすぎる」ことがあり、計算資源の無駄につながることがあります。 言語の制限： 現在は主に中国語と英語に最適化されており、他の言語を処理する際に問題が生じる可能性があります。 プロンプトの感度： 「ゼロショット」設定（つまり、問題を直接与える）で最も良いパフォーマンスを発揮し、複雑なプロンプトは実際にはそのパフォーマンスを妨げる可能性があります。 さらに、強化学習自体も「報酬ハッキング」という課題に直面しています。AIは、実際に問題を解決するのではなく、報酬を得るために日和見的な方法を見つける可能性があります。より信頼性が高く、堅牢な報酬メカニズムをどのように設計するかが、今後の研究の鍵となります。 結論：AI推論の次なる一手は？DeepSeek-R1の成功は、未来のエキサイティングな姿を描き出しています。それは、AIのポテンシャルが単に人間を模倣するだけではないことを証明しています。適切な学習環境（つまり、挑戦的な問題と信頼できる検証者を提供すること）を作り出すことで、AIは私たちの想像を超える自律的な問題解決能力を十分に発達させることができます。 これは、将来のAI開発の焦点が、「より多くのラベル付きデータをどのように作成するか」から「より良い質問をどのようにするか」にシフトする可能性があることを意味します。 AIがもはや私たちの知識の複製ではなく、独立して探求し、思考できるパートナーになったとき、それは科学研究、技術革新、そして私たちの生活のあらゆる側面にどのような破壊的な変化をもたらすのでしょうか？この問いへの答えは、DeepSeek-R1のような先駆的な研究によって明らかにされつつあります。https://www.communeify.com/ja/blog/deepseek-v3-1-128k-long-context-opensource/https://www.communeify.com/ja/blog/deepseek-v3-1-128k-long-context-opensource/Wed, 20 Aug 2025 08:54:46 +0800 DeepSeekは、オンラインモデルをV3.1バージョンに正式にアップグレードしました。最も注目すべきハイライトは、コンテキスト長を128kに拡張したことです。これは単なる数字の飛躍ではなく、複雑で長文のタスクを処理する際のAIの能力の限界がさらに押し広げられたことを意味します。さらにエキサイティングなことに、そのベースモデルもHugging Faceでオープンソース化されました！この記事では、このアップデートの実際の意味と、それが私たちのAIインタラクション体験をどのように変えるかについて詳しく説明します。 最近、AI分野の技術競争は止まることを知らないようですが、今回はDeepSeekに注目が集まっています。彼らは静かにオンラインモデルを最新のV3.1バージョンにアップグレードし、多くの開発者やヘビーユーザーを興奮させるアップデートをもたらしました——コンテキスト長が128kに拡張されました。 128k？この数字の羅列は一体何を表しているのでしょうか？ご心配なく、もっと身近な方法でお話ししましょう。 まず、「コンテキスト長」についてお話ししましょう。それは重要ですか？もちろん重要です！AIモデルの「コンテキスト長」（Context Length）は、その「短期記憶」または「作業記憶」と考えることができます。AIと会話したり、ドキュメントの処理を依頼したりするとき、AIは完全な意図を理解し、正確な応答を返すために、このすべての情報を頭に入れておく必要があります。 この「記憶」の容量には限りがあります。コンテキスト長が短すぎると、記憶力の悪い人と話しているようなものです。最初の数文を言っただけで、相手は忘れてしまい、会話がちぐはぐになったり、長いドキュメントを処理するときに断片しか見えず、全体像を把握できなかったりします。 以前は、多くのモデルのコンテキスト長は4k、8k、または16kしかなく、簡単な質疑応答には十分でしたが、少し複雑なタスクに直面すると手薄になりました。 では、128kの「超大容量メモリ」は何を意味するのでしょうか？64kから128kへの拡張は、量的な変化ではなく、質的な変化です。128kのコンテキスト長を持つAIは、一度に約10万の漢字または単語の内容を「記憶」して処理できることを意味します。これがもたらす利点は明らかです。 「本」を丸ごと読めるようになった： 数十ページの市場分析レポート、長い学術論文、さらには中編小説の完全な章を直接渡して、要約、質問、または書き直しを依頼できます。後ろを読んだ後に前を忘れる心配はありません。 より連続性のある会話： 長時間の連続した会話の中で、以前に議論したすべての詳細をよりよく覚えることができ、簡単に「記憶喪失」になることはなく、インタラクションプロセス全体がよりスムーズでインテリジェントになります。 コードデバッグの神チームメイト： 開発者にとっては、これはまさに祝福です。複雑なコードベースやプロジェクトドキュメント全体をフィードして、バグの発見、プログラムロジックの理解、または新しい機能モジュールの作成を手伝わせることができます。断片的な断片ではなく、完全なコードの文脈を見ることができます。 より繊細なコンテンツ作成： 小説、脚本、事業計画書のいずれを作成する場合でも、128kのコンテキストにより、AIはより壮大なストーリーフレームワーク内で作成でき、キャラクター設定の一貫性とプロット展開の連続性を確保できます。 要するに、より大きなコンテキストウィンドウは、AIが断片的な情報しか処理できないアシスタントから、複雑で長文の背景を理解できる専門家に進化したことを意味します。 新しいDeepSeek V3.1を体験するにはどうすればよいですか？今回のアップグレードは非常に包括的であり、DeepSeekはすべてのユーザーが新しいモデルの強力な機能をすぐに体験できるようにしました。一般ユーザーでもプロの開発者でも、次のチャネルを通じてシームレスに接続できます。 公式サイト 公式アプリ（iOS/Android） WeChatミニプログラム APIインターフェース これは、コンピューターの前で作業するのに慣れているか、携帯電話で気軽に調べるのに慣れているかに関係なく、128kのコンテキスト長がもたらす利便性を享受できることを意味します。特に、AI機能を独自のアプリケーションに統合する必要がある開発者にとっては、APIを介してV3.1モデルを直接呼び出して、製品に力を与えることができます。 開発者にとっての朗報：Hugging Faceのベースモデルすぐに使えるオンラインサービスを提供することに加えて、DeepSeekは膨大な数の開発者とオープンソースコミュニティを忘れていません。彼らは非常に寛大にDeepSeek V3.1のベースモデルをHugging Faceでリリースしました。 これはどういう意味ですか？ これは、研究者、開発者、またはAI愛好家であれば、このベースモデルを直接ダウンロードして、独自の環境で研究や実験を行ったり、特定のニーズに応じて微調整（ファインチューニング）して、独自のカスタマイズされたAIアプリケーションを作成したりできることを意味します。 オンラインバージョンとは異なり、ベースモデルは最大限の自由度と制御を提供します。モデルの内部動作を深く理解したい、または特別なアプリケーションシナリオがある開発者にとって、これは間違いなく大きな宝です。 モデルのリンクはこちらです： DeepSeek-V3.1-Base on Hugging Face このアップグレードは、AIの波の中でどのような位置にありますか？コンテキスト長を拡張することは、現在のトップクラスの大規模言語モデル開発の重要なトレンドです。OpenAIのGPT-5からGoogleのGemini、そしてAnthropicのClaudeまで、主要なモデルは常に記憶の限界に挑戦しています。 今回、DeepSeekは128kのコンテキストをオンラインモデルの標準機能とし、同時にそのベースモデルをオープンソース化したことは、市場に対してその強力な技術力とオープンな姿勢を宣言したことに間違いありません。これは、激しい競争の中で有利な立場を占めるだけでなく、AIエコシステム全体の発展にも貢献します。 ユーザーにとっても、これは朗報です。選択肢が増えるということは、技術の反復が速くなり、価格がより手頃になることを意味します。 結論として、DeepSeek V3.1のリリースは、単なる通常のバージョンアップデートではありません。モデルのメモリ容量を大幅に拡張し、オープンソースコミュニティを受け入れることで、複雑な情報を理解し処理する上でのAIの大きな可能性を示してくれました。まだ試していない場合は、今すぐ体験して、この「超大容量メモリ」を持つAIアシスタントがあなたの仕事や生活にどのような驚きをもたらすかを確認してみてはいかがでしょうか。 現在、モデルのみがリリースされており、説明がないため、今後の更新があればこの記事を再度更新します。