アングル:中国の新高性能AIモデル登場、「ミニ・ディープシーク・ショック」か
[北京/ベンガルール 2日 ロイター] - 2025年初頭に中国の人工知能(AI)企業ディープシークが低コストながら比較的高性能のモデルを発表して市場に衝撃を与えて以来、世界中のAIユーザーに2つの選択肢が与えられた。
価格を抑えた中国製モデルか、それとも巨額の開発投資によって非常に高い性能を実現してきたオープンAIやアンソロピックといった米国勢か、という構図だ。
しかし先月に北京を拠点とするスタートアップの智譜AI(Zhipu AI)が披露した新モデル「GLM−5.2」は、最終的に米国側の優位性を消す形でこの格差を埋めるかもしれない。
(以下略、続きはソースでご確認ください)
ロイター 2026年7月4日
https://jp.reuters.com/business/technology/DPHN3AP4HJPJJNKO7QYXU5VVO4-2026-07-03/
関連スレ
【AI】中国のオープンウェイトモデル「GLM-5.2」が脆弱性検出ベンチマークでClaude Codeを上回る [すらいむ★]
https://egg.5ch.io/test/read.cgi/scienceplus/1782911284/
【AI】中国の新高性能AIモデル登場、「ミニ・ディープシーク・ショック」か [すらいむ★]
■ このスレッドは過去ログ倉庫に格納されています
すらいむ ★
名無しのひみつ
>>3
ガセwww 愛国ユーチューブ視聴者か?
ガセwww 愛国ユーチューブ視聴者か?
名無しのひみつ
超分散型AIデータセンターだってさ
民間AIならこれでもいけるとかいけないとか
もちろん中国風なので自己責任だ
民間AIならこれでもいけるとかいけないとか
もちろん中国風なので自己責任だ
名無しのひみつ
日本もなんか作ってるが
日本のは自動運転向けになってるな
まずはバスとか自動車とかをAIで動かそうぜってあれ
日本のは自動運転向けになってるな
まずはバスとか自動車とかをAIで動かそうぜってあれ
名無しのひみつ
中国のAIはよくわからない
てっきり人間型ロボットをAIで統合制御でもすんのかと思ったがどうも違うようだ
あくまでアメリカのAIを参考にって感じだな
てっきり人間型ロボットをAIで統合制御でもすんのかと思ったがどうも違うようだ
あくまでアメリカのAIを参考にって感じだな
名無しのひみつ
>>4
ガセではないな
ガセではないな
名無しのひみつ
そういやcopilotにディープシーク採用するって話どうなった
名無しのひみつ
中国ダセェwwwwwwwwwwww
中国はいつも始めの宣伝だけは元気だな
その後尻つぼみで消えるのがいつものパターン
その後尻つぼみで消えるのがいつものパターン
名無しのひみつ
既存技術の延長線上で大幅な性能向上が続いているんで、中国にとってもキャッチアップするのは難しいことではない
米国も気をつけないと、余計な規制をやっているうちに中国に追い抜かれる可能性は十分ある
米国も気をつけないと、余計な規制をやっているうちに中国に追い抜かれる可能性は十分ある
名無しのひみつ
この分野では中共はすごい人類に貢献してるなw
狙いはアメリカAI産業への妨害やろうがww
狙いはアメリカAI産業への妨害やろうがww
日本なんて独自モデルすら
オープンの存在しないもんな
オープンの存在しないもんな
名無しのひみつ
>>15
いや相当進んでるみたい、ただ特定アジアに技術盗まれる恐怖から完全に情報を遮断してる
ここまで情報を隠蔽してるのは異例だがシャープや東芝の二の舞いは嫌だだってさ
まともに情報が公開されるのはスパイ防止法ができ、さらに特許法が欧米並に強固になってからかなあ
いや相当進んでるみたい、ただ特定アジアに技術盗まれる恐怖から完全に情報を遮断してる
ここまで情報を隠蔽してるのは異例だがシャープや東芝の二の舞いは嫌だだってさ
まともに情報が公開されるのはスパイ防止法ができ、さらに特許法が欧米並に強固になってからかなあ
名無しのひみつ
エヌビディア社が大朝鮮傘下になった
名無しのひみつ
16のが妄想で無い事を祈るw
中国ショックというか、Fableが勝手に高くなりすぎてるだけだと思う
2割高い、とかそういうレベルじゃないもんな。中華製に比べて何十倍も高い
2割高い、とかそういうレベルじゃないもんな。中華製に比べて何十倍も高い
名無しのひみつ
中国製AI使う前に毎回「天安門」とか「チベット」とか確認しないと
情報抜かれる不安のほうがひどそう
情報抜かれる不安のほうがひどそう
名無しのひみつ
新しいのをチラチラ出すのに、実際使っているのは米国製
名無しのひみつ
現行のメモリ、ストレージ、プロセッサを使う理論は最終的に中華に模倣されて負ける
なのでより省エネ長寿命最適化された次世代技術じゃないと話にならない
逆に中華製プロセッサは現行模倣で次世代に逃げれば勝てる
なのでより省エネ長寿命最適化された次世代技術じゃないと話にならない
逆に中華製プロセッサは現行模倣で次世代に逃げれば勝てる
名無しのひみつ
米高官ピーター・ナヴァロ「中国共産党は世界の寄生虫」
チャイナは、知的財産の盗みや不正による経済成長モデルであり
経済成長のために行ったすべては
他人の利益の犠牲を代償にしている。
チャイナは、知的財産の盗みや不正による経済成長モデルであり
経済成長のために行ったすべては
他人の利益の犠牲を代償にしている。
名無しのひみつ
そもそもAIの推論は言語に作用される
デフォは当然英語
日本語は比較的精度が高い変換可能
中国語はかなり精度が落ちる
韓国語=チョーセン語は変換効率2割ほど
だって口語なんだよ
日本語で言えばカタカナで小説読むようなモン
同音異義語だらけでワケワカメ
gefoceもお手上げ
デフォは当然英語
日本語は比較的精度が高い変換可能
中国語はかなり精度が落ちる
韓国語=チョーセン語は変換効率2割ほど
だって口語なんだよ
日本語で言えばカタカナで小説読むようなモン
同音異義語だらけでワケワカメ
gefoceもお手上げ
名無しのひみつ
GLM 5.2はマジで良いぞ
どの性能もOpus 4.8と殆ど変わらん
中華AIといえばベンチマークテスト番長だったり日本語で応答すると性能が大きく下がったりしてたけどこれに関してはマジで米国AIと同じ様な使い方が出来るようになった
それでいて価格はClaudeの1/3
Fableがこのまま定額料金から外れたままなら本気で乗り換え検討するレベル
どの性能もOpus 4.8と殆ど変わらん
中華AIといえばベンチマークテスト番長だったり日本語で応答すると性能が大きく下がったりしてたけどこれに関してはマジで米国AIと同じ様な使い方が出来るようになった
それでいて価格はClaudeの1/3
Fableがこのまま定額料金から外れたままなら本気で乗り換え検討するレベル
名無しのひみつ
中国製AIは信用できないから使わない。
天安門事件、中国共産党の問題点などを聞いても答えないだけでなく、中国政府に通報される恐れもある。
天安門事件、中国共産党の問題点などを聞いても答えないだけでなく、中国政府に通報される恐れもある。
名無しのひみつ
中国製モデルには別な面があるから
名無しのひみつ
まず
>>1
の解説がおかしい
価格を抑えた中国製モデルか、それとも巨額の開発投資によって非常に高い性能を実現してきたオープンAIやアンソロピックといった米国勢か、という構図
ではない
ディープシークR1はそれまで巨額の開発投資をしていた米国モデルが備えていなかった開発手法と実装手法を提案したものだ
2024年クリスマスのそれに全世界の開発者が学んだ
パクったわけじゃないのはディープシークR1はオープンソースモデルだっただけでなく
ペーパー(論文)まで公開していたからだ
大規模な強化学習(RL)でのモデルに段階的な推論を行わせる手法を採用 アルファGo時代の過去のものと思われていたRLをgen AI LLMに適用した、
従来の評価モデルの代わりにGroup Relative Policy Optimization(GRPO)を使った
グループ内の複数の回答候補を比較することで報酬を算出して回答の質を向上させる手法
その実装には4段階の学習プロセスがある
・すでに公開されていたR1-Zeroモデルの合成データベースとしたコールドスタート時の教師ありファインチューニング
・推論問題に対する大規模な強化学習
・小規模モデルへのdistillation
・リジェクションサンプリングと教師ありファインチューニングによるさらなる洗練という工程
これをオープンAIからジェミナイからアンソロピックからミストラルからそのあとのモデルは全てそこから学んだの
2025年上半期はDeepSeek R1が先生だったの
データではなくLLMの訓練の仕方
そしてここから本格的な推論の世界になった
だからこそAIエージェント、エージェンティックAIが現実となったの
ロイターも食わせ記事書くんだな
>>1
の解説がおかしい
価格を抑えた中国製モデルか、それとも巨額の開発投資によって非常に高い性能を実現してきたオープンAIやアンソロピックといった米国勢か、という構図
ではない
ディープシークR1はそれまで巨額の開発投資をしていた米国モデルが備えていなかった開発手法と実装手法を提案したものだ
2024年クリスマスのそれに全世界の開発者が学んだ
パクったわけじゃないのはディープシークR1はオープンソースモデルだっただけでなく
ペーパー(論文)まで公開していたからだ
大規模な強化学習(RL)でのモデルに段階的な推論を行わせる手法を採用 アルファGo時代の過去のものと思われていたRLをgen AI LLMに適用した、
従来の評価モデルの代わりにGroup Relative Policy Optimization(GRPO)を使った
グループ内の複数の回答候補を比較することで報酬を算出して回答の質を向上させる手法
その実装には4段階の学習プロセスがある
・すでに公開されていたR1-Zeroモデルの合成データベースとしたコールドスタート時の教師ありファインチューニング
・推論問題に対する大規模な強化学習
・小規模モデルへのdistillation
・リジェクションサンプリングと教師ありファインチューニングによるさらなる洗練という工程
これをオープンAIからジェミナイからアンソロピックからミストラルからそのあとのモデルは全てそこから学んだの
2025年上半期はDeepSeek R1が先生だったの
データではなくLLMの訓練の仕方
そしてここから本格的な推論の世界になった
だからこそAIエージェント、エージェンティックAIが現実となったの
ロイターも食わせ記事書くんだな
名無しのひみつ
アリババのQwenもディープシークR1のディスティルモデルをすぐさま出してそれが今のQwen3.6とかに繋がる
GLMもそのやり方でできてる
もちろんOpenAi GPTもGeminiもClaideもだ
GLMもそのやり方でできてる
もちろんOpenAi GPTもGeminiもClaideもだ
名無しのひみつ
>>9
してるだろとっくに
Amazonでも使える
パープレでも使える
なぜならオープンモデルだからだ
自分のところで動かしてる
QwenがdistillしたDeepSeekR1 の小さいやつはうちのmac mini でも遅いが動く
してるだろとっくに
Amazonでも使える
パープレでも使える
なぜならオープンモデルだからだ
自分のところで動かしてる
QwenがdistillしたDeepSeekR1 の小さいやつはうちのmac mini でも遅いが動く
名無しのひみつ
これはローカル
Microsoft releases DeepSeek R1 7B & 14B Distilled Models for Copilot+ PCs, allowing developers to build apps that were not possible
The models are now available to devs.
Published on March 4, 2025
Microsoftは、Azure AI Foundryを通じて、Copilot+ PC向けの「DeepSeek R1 7B」および「14B」蒸留モデル(distilled models)の提供開始を発表しました。これらの新しいモデルは、クラウドとエッジシステム全体でAIをシームレスに統合するという同社のビジョンに基づくものであり、開発者はデバイス上で直接、強力なAI機能を活用できるようになります。
DeepSeek R1 7Bおよび14Bモデルは、Copilot+ PCに搭載されたNPU(ニューラル・プロセッシング・ユニット)で動作するように最適化されています。対応プロセッサは、Qualcomm Snapdragon Xを皮切りに、Intel Core Ultra 200VやAMD Ryzenへと順次拡大されます。この最適化により、バッテリー駆動時間や熱への影響を最小限に抑えつつ効率的なAI処理が可能となり、CPUやGPUを他のタスクに割り当てることができます。
これらのモデルの導入により、開発者はこれまで実現不可能だったAI搭載アプリケーションを構築できるようになります。7Bおよび14Bパラメータの推論モデルをNPU上でローカルに実行できることは、大規模機械学習モデルへのアクセスを民主化するものであり、デバイスのリソースへの負荷を抑えつつ、持続的なAI処理能力の活用を可能にします。
MicrosoftのDeepSeekモデルはONNX QDQ形式で最適化されており、VS Code拡張機能である「AI Toolkit」からダウンロード可能です。同社は今年初め、OpenAIのGPT-4oと直接競合する中国発のAIであるDeepSeek R1をAzureおよびGitHubに導入し、業界を驚かせました。
詳細については、Windows Developer Blogをご覧ください。
https://windowsreport.com/microsoft-releases-deepseek-r1-7b-14b-distilled-models-for-copilot-pcs-allowing-developers-to-build-apps-that-were-not-possible/
Microsoft releases DeepSeek R1 7B & 14B Distilled Models for Copilot+ PCs, allowing developers to build apps that were not possible
The models are now available to devs.
Published on March 4, 2025
Microsoftは、Azure AI Foundryを通じて、Copilot+ PC向けの「DeepSeek R1 7B」および「14B」蒸留モデル(distilled models)の提供開始を発表しました。これらの新しいモデルは、クラウドとエッジシステム全体でAIをシームレスに統合するという同社のビジョンに基づくものであり、開発者はデバイス上で直接、強力なAI機能を活用できるようになります。
DeepSeek R1 7Bおよび14Bモデルは、Copilot+ PCに搭載されたNPU(ニューラル・プロセッシング・ユニット)で動作するように最適化されています。対応プロセッサは、Qualcomm Snapdragon Xを皮切りに、Intel Core Ultra 200VやAMD Ryzenへと順次拡大されます。この最適化により、バッテリー駆動時間や熱への影響を最小限に抑えつつ効率的なAI処理が可能となり、CPUやGPUを他のタスクに割り当てることができます。
これらのモデルの導入により、開発者はこれまで実現不可能だったAI搭載アプリケーションを構築できるようになります。7Bおよび14Bパラメータの推論モデルをNPU上でローカルに実行できることは、大規模機械学習モデルへのアクセスを民主化するものであり、デバイスのリソースへの負荷を抑えつつ、持続的なAI処理能力の活用を可能にします。
MicrosoftのDeepSeekモデルはONNX QDQ形式で最適化されており、VS Code拡張機能である「AI Toolkit」からダウンロード可能です。同社は今年初め、OpenAIのGPT-4oと直接競合する中国発のAIであるDeepSeek R1をAzureおよびGitHubに導入し、業界を驚かせました。
詳細については、Windows Developer Blogをご覧ください。
https://windowsreport.com/microsoft-releases-deepseek-r1-7b-14b-distilled-models-for-copilot-pcs-allowing-developers-to-build-apps-that-were-not-possible/
名無しのひみつ
January 29, 2025
2 min read
DeepSeek R1 is now available on Azure AI Foundry and GitHub
2 min read
DeepSeek R1 is now available on Azure AI Foundry and GitHub
名無しのひみつ
DeepSeek R1がAzure AI FoundryおよびGitHubのモデルカタログで利用可能になりました。これにより、最先端モデル、オープンソースモデル、業界特化型モデル、タスク特化型モデルなど、1,800種類を超える多様なモデルのラインナップに新たに加わります。Azure AI Foundryの一部として提供されるDeepSeek R1は、信頼性が高く、拡張性に優れ、エンタープライズ利用に対応したプラットフォーム上で利用可能です。企業は、Microsoftの信頼性とイノベーションに裏打ちされた環境下で、SLA(サービス品質保証)、セキュリティ、および責任あるAIへの取り組みを遵守しつつ、高度なAIをシームレスに導入・統合することができます。
名無しのひみつ
DeepSeek R1は、Microsoft 365 Copilotにとってどのような意味を持つのでしょうか?
2025 01
Microsoftは、Microsoft CopilotやMicrosoft 365 Copilot Chatの主要モデルとしてDeepSeekを採用するのでしょうか?
AzureおよびAzure AIへのDeepSeek R1の導入は、組織にとってどのような意味を持つのでしょうか?
DeepSeek R1に関する情報が大きく報じられるようになってからの48時間で、こうした質問を数多く受けてきました。そこで、これらについて詳しく見ていきましょう。
DeepSeek R1はどのように開発されたのでしょうか?
まず、この点を理解することが、他のすべての疑問に答える上で重要です。
DeepSeek R1の学習には、他の基盤モデル(膨大な数のGPUを搭載した特殊なハードウェアを稼働させる必要があり、多額のコストがかかるもの)と比較して、はるかに安価なハードウェアが使用されました。報道によると、ChatGPT-4oの学習コストが6,300万ドルであったのに対し、DeepSeek R1の学習コストはわずか600万ドルでした。しかも、DeepSeek R1はChatGPT-4oよりもはるかに高度なモデルであるとされています。厳密に比較するなら、OpenAIの「o1」モデルの学習コストと比べるべきでしょうが、その数値はまだ公表されていません。
しかし、多くの人が注目しているのは、このDeepSeekの学習コストの低さです。つまり、大規模言語モデル(LLM)を構築するための参入障壁やコストが、今や大幅に下がっているということなのでしょうか?
DeepSeekの学習手法も重要なポイントです。OpenAIのモデルが強化学習(RL)と教師ありファインチューニング(SFT)を併用しているのに対し、DeepSeekは強化学習(RL)を用いて自律的に学習を行いました。
「それで、結局どういうことなのか?」と思われるかもしれませんね。
ここでの違いは、RLとSFTを併用することで、より優れた学習アプローチと全体的なパフォーマンスを実現できるという点にあります。強化学習(RL)のみを用いる場合、精度向上に他のAIモデルを活用することはあっても、RLとSFTを組み合わせたモデルに比べると、全体的な性能が及ばない可能性があります。
報道によれば、DeepSeek R1の学習には、Metaのオープンソースモデル(Llama)や、OpenAIの一部のモデルが利用されたとされています。
2025 01
Microsoftは、Microsoft CopilotやMicrosoft 365 Copilot Chatの主要モデルとしてDeepSeekを採用するのでしょうか?
AzureおよびAzure AIへのDeepSeek R1の導入は、組織にとってどのような意味を持つのでしょうか?
DeepSeek R1に関する情報が大きく報じられるようになってからの48時間で、こうした質問を数多く受けてきました。そこで、これらについて詳しく見ていきましょう。
DeepSeek R1はどのように開発されたのでしょうか?
まず、この点を理解することが、他のすべての疑問に答える上で重要です。
DeepSeek R1の学習には、他の基盤モデル(膨大な数のGPUを搭載した特殊なハードウェアを稼働させる必要があり、多額のコストがかかるもの)と比較して、はるかに安価なハードウェアが使用されました。報道によると、ChatGPT-4oの学習コストが6,300万ドルであったのに対し、DeepSeek R1の学習コストはわずか600万ドルでした。しかも、DeepSeek R1はChatGPT-4oよりもはるかに高度なモデルであるとされています。厳密に比較するなら、OpenAIの「o1」モデルの学習コストと比べるべきでしょうが、その数値はまだ公表されていません。
しかし、多くの人が注目しているのは、このDeepSeekの学習コストの低さです。つまり、大規模言語モデル(LLM)を構築するための参入障壁やコストが、今や大幅に下がっているということなのでしょうか?
DeepSeekの学習手法も重要なポイントです。OpenAIのモデルが強化学習(RL)と教師ありファインチューニング(SFT)を併用しているのに対し、DeepSeekは強化学習(RL)を用いて自律的に学習を行いました。
「それで、結局どういうことなのか?」と思われるかもしれませんね。
ここでの違いは、RLとSFTを併用することで、より優れた学習アプローチと全体的なパフォーマンスを実現できるという点にあります。強化学習(RL)のみを用いる場合、精度向上に他のAIモデルを活用することはあっても、RLとSFTを組み合わせたモデルに比べると、全体的な性能が及ばない可能性があります。
報道によれば、DeepSeek R1の学習には、Metaのオープンソースモデル(Llama)や、OpenAIの一部のモデルが利用されたとされています。
名無しのひみつ
「教師」と「生徒」の関係に例えられます
生徒は教師から学びます。DeepSeek R1もまさにこれを行い、他のAIモデル(LlamaやOpenAIなど)を教師として利用することで、それらのモデルが持つ「バイアス(偏り)」を学習しました。こうした学習手法を用いると、他のAIモデルの挙動を吸収することになり、結果として自身のモデルも他者の挙動をベースにしたものになります。
ここで、Microsoft 365 Copilotに関する話に移ります。
Microsoft 365 CopilotにDeepSeek R1が採用されることはあるのでしょうか?
答えは単純に「ノー(採用されない)」です。Microsoft 365 Copilotを利用する際、ユーザーはオーケストレーション層(システム全体の制御・連携を行う仕組み)を管理しません。それはMicrosoftが担っています。ユーザーはプロンプトを入力するだけで、回答が得られます。Microsoftは、そこで使用される大規模言語モデル(LLM)の挙動、安全性、そして「信頼できるAI(Trusted AI)」としての要件を定義・管理しています。Microsoft 365 Copilotのリリース以来、バックエンドのモデルは更新されており、プロンプトに対する回答の質が向上したのを感じた方もいらっしゃるでしょう。現時点でMicrosoft 365向けに公表されているモデルは、OpenAIの「GPT-4o」です。将来的には、コストが下がれば「o1」や「o3」といったモデルへアップグレードされる可能性もあります。それらのモデルの方が、ユーザーや企業により優れたアウトプットを提供できるからです。
Microsoft 365 Copilotにおける適切な挙動、安全性、信頼性を確保するためにオーケストレーション層を自社で管理したいと考えるMicrosoftにとって、他のAIモデルから学習し、バイアスを含んでいる可能性のあるDeepSeek R1モデルを信頼して採用できるでしょうか?答えが「ノー」である理由はここにあります。Microsoftは、自社が掲げる「信頼できるAI」の基準を支えられるモデルを、Microsoft 365 Copilotのユーザーに提供しようとするはずだからです。
だからといって、Microsoft CopilotでDeepSeekを使えないわけではありません!
Microsoftは現在、Azure AI FoundryにおいてDeepSeek R1を利用可能にしています。そこでは、OpenAI o1やLlama 3.1など、すでに1,800以上のモデルが提供されています。モデルをカスタマイズし、独自のデータや自動化処理を組み込んだ上で、それをCopilot StudioやMicrosoft 365 Copilot内のエージェントとして公開することが可能です。つまり、クローズドな環境でDeepSeekを利用したいのであれば、それが可能なのです。世界中でAIの構築や技術革新が進む中、Microsoftはオープンソースの技術を活用し、企業の皆様がプライベートな環境で利用できるようにしています。これにより、組織は最先端の優れたAIモデルを自社のために活用することが可能になります。
これによって、モデルの構築方法や参入コストは変わったのでしょうか?
もちろん変わりました。LlamaやOpenAIが行っているような大規模なモデルをゼロから構築するのと比べ、自社利用向けのモデルを作成する際の参入コストは大幅に抑えられています。今後は、自社のハードウェア上でモデルを構築し、社内で運用する組織が増えていくでしょう。近い将来、Microsoftのデータセンター内にあるAzureサブスクリプション上で、これらの一連の作業を完結できるAzureの機能として提供されるようになると確信しています。
生徒は教師から学びます。DeepSeek R1もまさにこれを行い、他のAIモデル(LlamaやOpenAIなど)を教師として利用することで、それらのモデルが持つ「バイアス(偏り)」を学習しました。こうした学習手法を用いると、他のAIモデルの挙動を吸収することになり、結果として自身のモデルも他者の挙動をベースにしたものになります。
ここで、Microsoft 365 Copilotに関する話に移ります。
Microsoft 365 CopilotにDeepSeek R1が採用されることはあるのでしょうか?
答えは単純に「ノー(採用されない)」です。Microsoft 365 Copilotを利用する際、ユーザーはオーケストレーション層(システム全体の制御・連携を行う仕組み)を管理しません。それはMicrosoftが担っています。ユーザーはプロンプトを入力するだけで、回答が得られます。Microsoftは、そこで使用される大規模言語モデル(LLM)の挙動、安全性、そして「信頼できるAI(Trusted AI)」としての要件を定義・管理しています。Microsoft 365 Copilotのリリース以来、バックエンドのモデルは更新されており、プロンプトに対する回答の質が向上したのを感じた方もいらっしゃるでしょう。現時点でMicrosoft 365向けに公表されているモデルは、OpenAIの「GPT-4o」です。将来的には、コストが下がれば「o1」や「o3」といったモデルへアップグレードされる可能性もあります。それらのモデルの方が、ユーザーや企業により優れたアウトプットを提供できるからです。
Microsoft 365 Copilotにおける適切な挙動、安全性、信頼性を確保するためにオーケストレーション層を自社で管理したいと考えるMicrosoftにとって、他のAIモデルから学習し、バイアスを含んでいる可能性のあるDeepSeek R1モデルを信頼して採用できるでしょうか?答えが「ノー」である理由はここにあります。Microsoftは、自社が掲げる「信頼できるAI」の基準を支えられるモデルを、Microsoft 365 Copilotのユーザーに提供しようとするはずだからです。
だからといって、Microsoft CopilotでDeepSeekを使えないわけではありません!
Microsoftは現在、Azure AI FoundryにおいてDeepSeek R1を利用可能にしています。そこでは、OpenAI o1やLlama 3.1など、すでに1,800以上のモデルが提供されています。モデルをカスタマイズし、独自のデータや自動化処理を組み込んだ上で、それをCopilot StudioやMicrosoft 365 Copilot内のエージェントとして公開することが可能です。つまり、クローズドな環境でDeepSeekを利用したいのであれば、それが可能なのです。世界中でAIの構築や技術革新が進む中、Microsoftはオープンソースの技術を活用し、企業の皆様がプライベートな環境で利用できるようにしています。これにより、組織は最先端の優れたAIモデルを自社のために活用することが可能になります。
これによって、モデルの構築方法や参入コストは変わったのでしょうか?
もちろん変わりました。LlamaやOpenAIが行っているような大規模なモデルをゼロから構築するのと比べ、自社利用向けのモデルを作成する際の参入コストは大幅に抑えられています。今後は、自社のハードウェア上でモデルを構築し、社内で運用する組織が増えていくでしょう。近い将来、Microsoftのデータセンター内にあるAzureサブスクリプション上で、これらの一連の作業を完結できるAzureの機能として提供されるようになると確信しています。
名無しのひみつ
OllamaでDeepSeek R1を実行する方法(2026年7月)
Carl Peterson
2026年7月1日
読了時間:11分
推論モデル「DeepSeek R1」をローカル環境で実行するのは一見簡単そうに思えますが、ハードウェア要件を確認するとそうはいきません。完全な671B(6710億)パラメータモデルを動かすには数百GBものVRAMが必要となり、これは一般的なコンシューマー向けGPUの性能をはるかに超えています。
本ガイドでは、DeepSeek R1の概要からOllamaでの実行方法までを網羅的に解説します。また、複雑な設定なしに、API利用料よりも安価なコストでクラウドGPUを活用する方法も紹介します。
DeepSeek R1とは?
DeepSeek R1は、2023年に設立された中国のAI研究所「DeepSeek」が開発した、オープンウェイトの推論モデルです。
数学、コーディング、科学分野のベンチマークにおいて、OpenAIの「o1」モデルに匹敵する性能を示した初のオープンウェイトモデルとなりました。商用利用やセルフホスト(自前での運用)が可能な、寛容なMITライセンスの下で提供されています。
標準的なチャットモデルとR1の大きな違いは、「Chain-of-Thought(思考の連鎖)」による推論能力にあります。回答を生成する前に、モデルは`<think>`タグで囲まれた「思考」のプロセスを可視化して出力します。これにより、回答前に問題の検討、エラーの検出、そして軌道修正を行うことが可能になります。その結果、速度よりも推論の質が重視される場面で特に高い効果を発揮します。
DeepSeek R1モデルの詳細:パラメータ数、コンテキストウィンドウ、リリース日
DeepSeek R1は2025年1月20日にリリースされました。完全版モデルは「Mixture of Experts(MoE)」アーキテクチャを採用し、671B(6710億)のパラメータを擁しています。一度の推論処理(フォワードパス)で実際に使用される(アクティブになる)パラメータは約37B(370億)に過ぎません。これにより、膨大な知識ベースを活用しつつ、推論に必要な計算量を抑えることが可能になっています。
このモデルはGPT-4oと同等の128Kトークンというコンテキストウィンドウをサポートしており、長文のドキュメント処理や、長期にわたる対話(マルチターン会話)において優れた性能を発揮します。また、蒸留(distillation)によって生成された6つのバリエーション(1.5B、7B、8B、14B、32B、70B)も用意されています。
Carl Peterson
2026年7月1日
読了時間:11分
推論モデル「DeepSeek R1」をローカル環境で実行するのは一見簡単そうに思えますが、ハードウェア要件を確認するとそうはいきません。完全な671B(6710億)パラメータモデルを動かすには数百GBものVRAMが必要となり、これは一般的なコンシューマー向けGPUの性能をはるかに超えています。
本ガイドでは、DeepSeek R1の概要からOllamaでの実行方法までを網羅的に解説します。また、複雑な設定なしに、API利用料よりも安価なコストでクラウドGPUを活用する方法も紹介します。
DeepSeek R1とは?
DeepSeek R1は、2023年に設立された中国のAI研究所「DeepSeek」が開発した、オープンウェイトの推論モデルです。
数学、コーディング、科学分野のベンチマークにおいて、OpenAIの「o1」モデルに匹敵する性能を示した初のオープンウェイトモデルとなりました。商用利用やセルフホスト(自前での運用)が可能な、寛容なMITライセンスの下で提供されています。
標準的なチャットモデルとR1の大きな違いは、「Chain-of-Thought(思考の連鎖)」による推論能力にあります。回答を生成する前に、モデルは`<think>`タグで囲まれた「思考」のプロセスを可視化して出力します。これにより、回答前に問題の検討、エラーの検出、そして軌道修正を行うことが可能になります。その結果、速度よりも推論の質が重視される場面で特に高い効果を発揮します。
DeepSeek R1モデルの詳細:パラメータ数、コンテキストウィンドウ、リリース日
DeepSeek R1は2025年1月20日にリリースされました。完全版モデルは「Mixture of Experts(MoE)」アーキテクチャを採用し、671B(6710億)のパラメータを擁しています。一度の推論処理(フォワードパス)で実際に使用される(アクティブになる)パラメータは約37B(370億)に過ぎません。これにより、膨大な知識ベースを活用しつつ、推論に必要な計算量を抑えることが可能になっています。
このモデルはGPT-4oと同等の128Kトークンというコンテキストウィンドウをサポートしており、長文のドキュメント処理や、長期にわたる対話(マルチターン会話)において優れた性能を発揮します。また、蒸留(distillation)によって生成された6つのバリエーション(1.5B、7B、8B、14B、32B、70B)も用意されています。
名無しのひみつ
OllamaでDeepSeek R1を動かす
Ollamaは、モデルの重み、設定ファイル、推論パラメータを一つのダウンロード可能なパッケージにまとめたオープンソース・フレームワークです。これにより、ローカル環境へのモデル導入が単一のコマンドで完結します。
GGUF形式のモデル読み込み、GPUの自動検出、コンテキスト管理といった処理をOllamaが自動的に行います。DeepSeek R1をローカル環境ですぐに動かしたい場合、Ollamaを利用するのが最も手軽で迅速な方法です。
DeepSeek R1の実行に必要なVRAM容量は?
必要なVRAM容量は、実行するモデルのバリエーションや量子化、クオンタイズ、つまり間引きのレベルによって異なります。以下量子化とあるのは間引きと読み換えると完全に理解できます。
量子化とは、モデルの重みを低精度の形式に圧縮する技術です。これによりメモリ使用量を削減できますが、モデルの精度は多少低下します。推奨される最初の選択肢は「Q4_K_M」です。これは、精度の低下を最小限に抑えつつ、メモリ使用量をFP16(16ビット浮動小数点数)の場合の約半分に削減できる設定です。
Ollamaは、モデルの重み、設定ファイル、推論パラメータを一つのダウンロード可能なパッケージにまとめたオープンソース・フレームワークです。これにより、ローカル環境へのモデル導入が単一のコマンドで完結します。
GGUF形式のモデル読み込み、GPUの自動検出、コンテキスト管理といった処理をOllamaが自動的に行います。DeepSeek R1をローカル環境ですぐに動かしたい場合、Ollamaを利用するのが最も手軽で迅速な方法です。
DeepSeek R1の実行に必要なVRAM容量は?
必要なVRAM容量は、実行するモデルのバリエーションや量子化、クオンタイズ、つまり間引きのレベルによって異なります。以下量子化とあるのは間引きと読み換えると完全に理解できます。
量子化とは、モデルの重みを低精度の形式に圧縮する技術です。これによりメモリ使用量を削減できますが、モデルの精度は多少低下します。推奨される最初の選択肢は「Q4_K_M」です。これは、精度の低下を最小限に抑えつつ、メモリ使用量をFP16(16ビット浮動小数点数)の場合の約半分に削減できる設定です。
名無しのひみつ
いまや当たり前のMoEもDeepSeek R1が提案して実装したから普及したんだよ
中華がAIでアメリカの最先端に追いついたってのは嘘
3~6ッ月は遅れてる
でも、そんな程度の差しかないのも事実
3~6ッ月は遅れてる
でも、そんな程度の差しかないのも事実
名無しのひみつ
>>40
まだFable 5サブスク枠でつかえるのにおまえなにOpus4.8自慢してるんだ
まだFable 5サブスク枠でつかえるのにおまえなにOpus4.8自慢してるんだ
名無しのひみつ
>>20
copilotもMSの事を少しでもネガティブな事聞くと凄まじい勢いで擁護してくるけどなw
逆にgeminiはgoogleにネガティブな事聞くとノリノリでgoogle叩き出す
いやそこまでは言ってないんだけどってこっちが引くくらいにw
対応としてはcopilotだとより叩きたくなるがgeminiだと叩く気失せるから
geminiのが正解だよな
copilotもMSの事を少しでもネガティブな事聞くと凄まじい勢いで擁護してくるけどなw
逆にgeminiはgoogleにネガティブな事聞くとノリノリでgoogle叩き出す
いやそこまでは言ってないんだけどってこっちが引くくらいにw
対応としてはcopilotだとより叩きたくなるがgeminiだと叩く気失せるから
geminiのが正解だよな
名無しのひみつ
copilotいってもそれは外側で中はいろいろあるよ
例えばこれ2025年11月25日の発表
本日より、Microsoft 365 CopilotにおいてAnthropic社のモデルが以下のように利用可能になります。
Researcherエージェント:この独自の推論エージェントは、OpenAIの高度な推論モデルに加え、Anthropicの「Claude Opus 4.1」でも動作させることが可能になりました。詳細な市場投入(GTM)戦略の策定、新たな製品トレンドの分析、包括的な四半期報告書の作成など、専門的な業務を行う際に、好みのモデルを選択して活用できます。Researcherは、複雑で多段階にわたる調査業務を支援します。Webや信頼できるサードパーティのデータだけでなく、メール、チャット、会議、ファイルなど、あらゆる業務コンテンツを基に推論を行い、高度な専門的知見をオンデマンドで提供します。今回のアップデートにより、モデルの選択肢がさらに広がりました。
Copilot Studio:Copilot Studioのモデルオプションとして「Claude Sonnet 4」および「Claude Opus 4.1」が利用可能になり、エンタープライズグレードのエージェントを容易に作成・カスタマイズできるようになりました。これにより、高度な推論、ワークフローの自動化、柔軟なエージェントタスクを実行する、Anthropicモデル搭載のエージェントを構築・連携・管理できます。さらに、Copilot Studioのマルチエージェントシステムやプロンプトツールを活用すれば、専門的なタスクに応じて、AnthropicやOpenAI、あるいはAzureモデルカタログ内のモデルを組み合わせて使用することも可能です。
例えばこれ2025年11月25日の発表
本日より、Microsoft 365 CopilotにおいてAnthropic社のモデルが以下のように利用可能になります。
Researcherエージェント:この独自の推論エージェントは、OpenAIの高度な推論モデルに加え、Anthropicの「Claude Opus 4.1」でも動作させることが可能になりました。詳細な市場投入(GTM)戦略の策定、新たな製品トレンドの分析、包括的な四半期報告書の作成など、専門的な業務を行う際に、好みのモデルを選択して活用できます。Researcherは、複雑で多段階にわたる調査業務を支援します。Webや信頼できるサードパーティのデータだけでなく、メール、チャット、会議、ファイルなど、あらゆる業務コンテンツを基に推論を行い、高度な専門的知見をオンデマンドで提供します。今回のアップデートにより、モデルの選択肢がさらに広がりました。
Copilot Studio:Copilot Studioのモデルオプションとして「Claude Sonnet 4」および「Claude Opus 4.1」が利用可能になり、エンタープライズグレードのエージェントを容易に作成・カスタマイズできるようになりました。これにより、高度な推論、ワークフローの自動化、柔軟なエージェントタスクを実行する、Anthropicモデル搭載のエージェントを構築・連携・管理できます。さらに、Copilot Studioのマルチエージェントシステムやプロンプトツールを活用すれば、専門的なタスクに応じて、AnthropicやOpenAI、あるいはAzureモデルカタログ内のモデルを組み合わせて使用することも可能です。
名無しのひみつ
2024年7月の解説してる話
もう変わってるけど
以前はシンプルだから
Copilot for Microsoft 365 の特長
Copilot for Microsoft 365(以下、Copilot)は、大規模言語モデル(LLM)と組織内のほぼすべてのデータを組み合わせたAIアシスタントであり、一般的なChatGPTのようなアシスタントよりもはるかに強力な機能を備えています。すべての対話において、ドキュメント、メール、メッセージなどのデータに基づくコンテキスト(文脈)が考慮されるため、企業内検索や組織のコンテンツ作成といった場面でCopilotが役立ちます。
Copilotの仕組み
Copilotのアーキテクチャは、ユーザーインターフェイス、大規模言語モデル(LLM)、Microsoft Graphという3つの主要コンポーネントで構成されています。
ユーザーインターフェイス - Copilotには複数のユーザーインターフェイスがあります。
汎用チャット - ChatGPTのようなチャットインターフェイスですが、Microsoft 365アプリケーションからの組織のコンテキストが組み込まれ、機能が強化されています。このインターフェイスには、Microsoft Teams、Microsoft 365ポータルのCopilotアプリ、Windows 11、およびモバイルアプリからアクセスできます。
アプリ固有のチャットインターフェイス - Word、PowerPoint、Excelなど、ほぼすべてのMicrosoft生産性向上アプリに、そのアプリに最適化されたチャット機能が搭載されています。このチャットはアプリのコンテンツに特化しつつ、組織のデータを基盤としています。例えば、SharePoint上のWordドキュメントを基にPowerPointでスライドを作成するといったことが可能です。
Copilotには、デスクトップデバイスやモバイルデバイスからアクセスでき、組織のポリシーに応じて、管理対象デバイスか非管理対象デバイスかを問わず利用可能です。
LLM - これは大規模言語モデルエンジンであり、OpenAIのGPT(Microsoftによると現在はGPT-4 Turbo)を搭載しています。これはMicrosoftがホストおよび保守を行う特別なインスタンスであり、OpenAIがアクセスすることはありません。
Microsoft Graphは、Microsoftエコシステム内のあらゆる組織データへのゲートウェイとなっています。GraphのAPIは、SharePoint、OneDrive、Teams、Exchangeなどのデータソースから情報を取得します。また、ユーザーやグループとの関係性に関する情報も取得します。Graphを使用して取得されたデータは、各ユーザーのプロンプトに対するコンテキストとして機能します。
もう変わってるけど
以前はシンプルだから
Copilot for Microsoft 365 の特長
Copilot for Microsoft 365(以下、Copilot)は、大規模言語モデル(LLM)と組織内のほぼすべてのデータを組み合わせたAIアシスタントであり、一般的なChatGPTのようなアシスタントよりもはるかに強力な機能を備えています。すべての対話において、ドキュメント、メール、メッセージなどのデータに基づくコンテキスト(文脈)が考慮されるため、企業内検索や組織のコンテンツ作成といった場面でCopilotが役立ちます。
Copilotの仕組み
Copilotのアーキテクチャは、ユーザーインターフェイス、大規模言語モデル(LLM)、Microsoft Graphという3つの主要コンポーネントで構成されています。
ユーザーインターフェイス - Copilotには複数のユーザーインターフェイスがあります。
汎用チャット - ChatGPTのようなチャットインターフェイスですが、Microsoft 365アプリケーションからの組織のコンテキストが組み込まれ、機能が強化されています。このインターフェイスには、Microsoft Teams、Microsoft 365ポータルのCopilotアプリ、Windows 11、およびモバイルアプリからアクセスできます。
アプリ固有のチャットインターフェイス - Word、PowerPoint、Excelなど、ほぼすべてのMicrosoft生産性向上アプリに、そのアプリに最適化されたチャット機能が搭載されています。このチャットはアプリのコンテンツに特化しつつ、組織のデータを基盤としています。例えば、SharePoint上のWordドキュメントを基にPowerPointでスライドを作成するといったことが可能です。
Copilotには、デスクトップデバイスやモバイルデバイスからアクセスでき、組織のポリシーに応じて、管理対象デバイスか非管理対象デバイスかを問わず利用可能です。
LLM - これは大規模言語モデルエンジンであり、OpenAIのGPT(Microsoftによると現在はGPT-4 Turbo)を搭載しています。これはMicrosoftがホストおよび保守を行う特別なインスタンスであり、OpenAIがアクセスすることはありません。
Microsoft Graphは、Microsoftエコシステム内のあらゆる組織データへのゲートウェイとなっています。GraphのAPIは、SharePoint、OneDrive、Teams、Exchangeなどのデータソースから情報を取得します。また、ユーザーやグループとの関係性に関する情報も取得します。Graphを使用して取得されたデータは、各ユーザーのプロンプトに対するコンテキストとして機能します。
名無しのひみつ
>>47
1.プロンプトは、前述のいずれかのユーザーインターフェースから送信されます。
2.Copilotは、Microsoft Graph、Web、およびその他の拡張機能(後述します)からデータを取得します。このデータは、ユーザーのプロンプトのコンテキストとして使用されます。
3.ユーザーの元のプロンプト、コンテキスト、およびその他のシステム指示を含む、作成されたプロンプトがLLMに送信されます。
4.LLMはプロンプトを処理し、応答を返します。
5.応答はユーザーに返されます。
ここに書いたアーキテクチャは一直線に動くように見えますが、Copilotはユーザーのプロンプトと過去の結果に基づいて、データソースに対して複数のクエリを実行する場合があります。
1.プロンプトは、前述のいずれかのユーザーインターフェースから送信されます。
2.Copilotは、Microsoft Graph、Web、およびその他の拡張機能(後述します)からデータを取得します。このデータは、ユーザーのプロンプトのコンテキストとして使用されます。
3.ユーザーの元のプロンプト、コンテキスト、およびその他のシステム指示を含む、作成されたプロンプトがLLMに送信されます。
4.LLMはプロンプトを処理し、応答を返します。
5.応答はユーザーに返されます。
ここに書いたアーキテクチャは一直線に動くように見えますが、Copilotはユーザーのプロンプトと過去の結果に基づいて、データソースに対して複数のクエリを実行する場合があります。
名無しのひみつ
>>48
責任あるAI(レスポンシブルAI)
このプロセスのほぼすべての段階において、ユーザーによるCopilotの悪用を防ぐためのAIファイアウォールが機能しています。これらの対策が防ぐ事象の例を以下に挙げます。
LLMへの攻撃(プロンプトインジェクション、ジェイルブレイクなど)
コンテンツフィルタリング(AIの応答によって有害なコンテンツが生成・拡散されるのを防ぐ)
Copilotシステム自体に
関する情報の取得の試み
セマンティック・インデックス作成
Copilotの優れた機能の一つは、Microsoftエコシステム内のデータに基づいて回答を生成できることです。この高度な検索機能は、「セマンティック・インデックス作成(semantic indexing)」という技術を用いて実現されています。セマンティック・インデックス作成では、AIを活用してデータのベクトル・エンベディング(ベクトル表現)を生成し、単なるキーワードの一致に頼るのではなく、データの「意味(セマンティクス)」を捉えます。
ドキュメント、メール、チャット内の関係性や文脈を分析することで、Copilotは文脈を理解した、極めて関連性の高い検索を実行できるようになります。このアプローチにより、検索結果はデータの意味や文脈に基づいたものとなり、より正確で有益な回答が提供されます。
(GoogleはこれをジェミナイでGoogleの検索のためのデータと突き合わせして同じようなことをする)
責任あるAI(レスポンシブルAI)
このプロセスのほぼすべての段階において、ユーザーによるCopilotの悪用を防ぐためのAIファイアウォールが機能しています。これらの対策が防ぐ事象の例を以下に挙げます。
LLMへの攻撃(プロンプトインジェクション、ジェイルブレイクなど)
コンテンツフィルタリング(AIの応答によって有害なコンテンツが生成・拡散されるのを防ぐ)
Copilotシステム自体に
関する情報の取得の試み
セマンティック・インデックス作成
Copilotの優れた機能の一つは、Microsoftエコシステム内のデータに基づいて回答を生成できることです。この高度な検索機能は、「セマンティック・インデックス作成(semantic indexing)」という技術を用いて実現されています。セマンティック・インデックス作成では、AIを活用してデータのベクトル・エンベディング(ベクトル表現)を生成し、単なるキーワードの一致に頼るのではなく、データの「意味(セマンティクス)」を捉えます。
ドキュメント、メール、チャット内の関係性や文脈を分析することで、Copilotは文脈を理解した、極めて関連性の高い検索を実行できるようになります。このアプローチにより、検索結果はデータの意味や文脈に基づいたものとなり、より正確で有益な回答が提供されます。
(GoogleはこれをジェミナイでGoogleの検索のためのデータと突き合わせして同じようなことをする)
名無しのひみつ
>>49
Web 検索
Copilot は、組織内のデータを検索するだけでなく、Web を検索して最新情報を取得することもできます。Web 検索機能は、テナント レベルで管理者が有効にできるほか、各会話の中でユーザーが有効にすることも可能です。
Copilot は検索結果の取得に Bing を使用しますが、検索結果に表示された Web サイトを直接クロールすることはありません。つまり、Bing によってインデックス登録された Web サイトのみが表示され、取得されるデータは Bing のインデックスに基づいたものであって、Web サイトの現在のコンテンツそのものではありません。このような動作になっているのは、Copilot を悪用したデータ流出攻撃を防ぐためです。
Web 検索の結果は、Copilot の回答の中で参照されます。
Microsoftエコシステム内におけるCopilotの機能について説明してきました。さらに機能拡張のために、Microsoftは、Copilotを拡張・カスタマイズするためのツールやオプション(例えば、Microsoftエコシステム外のデータと連携させるためのものなど)を提供しています。Copilotを拡張する方法は複数あり、自社開発やサードパーティベンダーによる提供、あるいはプロコードやローコードを用いた開発などが挙げられます。
Web 検索
Copilot は、組織内のデータを検索するだけでなく、Web を検索して最新情報を取得することもできます。Web 検索機能は、テナント レベルで管理者が有効にできるほか、各会話の中でユーザーが有効にすることも可能です。
Copilot は検索結果の取得に Bing を使用しますが、検索結果に表示された Web サイトを直接クロールすることはありません。つまり、Bing によってインデックス登録された Web サイトのみが表示され、取得されるデータは Bing のインデックスに基づいたものであって、Web サイトの現在のコンテンツそのものではありません。このような動作になっているのは、Copilot を悪用したデータ流出攻撃を防ぐためです。
Web 検索の結果は、Copilot の回答の中で参照されます。
Microsoftエコシステム内におけるCopilotの機能について説明してきました。さらに機能拡張のために、Microsoftは、Copilotを拡張・カスタマイズするためのツールやオプション(例えば、Microsoftエコシステム外のデータと連携させるためのものなど)を提供しています。Copilotを拡張する方法は複数あり、自社開発やサードパーティベンダーによる提供、あるいはプロコードやローコードを用いた開発などが挙げられます。
名無しのひみつ
中国のAIなんてまともな神経なら怖くて使えないだろ。
どんなバックドアがあるかわかったもんじゃないし、思考結果も恣意的だろうし。
どんなバックドアがあるかわかったもんじゃないし、思考結果も恣意的だろうし。
名無しのひみつ
そのままではな…いろいろ手を入れてる
そんな奴が一番騙される
名無しのひみつ
天安門など調べられない時点でゴミ🤣
名無しのひみつ
オープンソースモデルのディープシークとかGLMとか天安門は他と同じ
中国がホスティングするクラウド使用はRAGの時点で検閲入ってる
それはデジタルのSNSやアナログのメディアと同じ
中国領域内での運用が法的に制限されてるから
そこをオープンソースモデルとしてる中国のLLMはわかってる
そして世界の技術者に大きな影響を与えて今のアメリカのモデルもその技術をもとに動いてる
そこがわからないおまえは日本の無能ぶりを顕著に示す
中国がホスティングするクラウド使用はRAGの時点で検閲入ってる
それはデジタルのSNSやアナログのメディアと同じ
中国領域内での運用が法的に制限されてるから
そこをオープンソースモデルとしてる中国のLLMはわかってる
そして世界の技術者に大きな影響を与えて今のアメリカのモデルもその技術をもとに動いてる
そこがわからないおまえは日本の無能ぶりを顕著に示す
>アメリカのモデルもその技術をもとに動い
ココが笑うとこですよw
ココが笑うとこですよw
名無しのひみつ
>>56
この認識が日本の低レベルのあかし
ラピダスさんのIBMがなんと言っていたか
当人はLLM競争に参画していない第三者の視点
DeepSeek-R1が重要な理由
DeepSeek-R1は、数学、コーディング、推論といったタスクにおいて、OpenAIのo1やAnthropicのClaude 3.5 Sonnetといった主要モデルに匹敵する性能を発揮た。どのモデルが「最高」であるかは主観や状況によるが、オープンモデルとしてこれほどの性能を実現したことは驚くべき快挙だった。しかし、R1の最も重要な点は、オープンソースコミュニティにもたらされたその「学習手法」にあった。
通常、標準的なLLMを未学習の状態からエンドユーザーが利用可能な状態にするまでのプロセスは、以下の通り
事前学習(Pretraining):自己教師あり学習を通じて、モデルが言語パターンを学習する
教師ありファインチューニング(SFT):ラベル付けされたデータ(例)を用いて、モデルがそれらの言語パターンをどのように適用すべきかを学習する
強化学習(RL):より具体的かつ抽象的な思考を行うように、モデルを誘導する。一般的なチャット向けモデルの場合、この段階では通常、回答をより有益かつ無害なものにするために、「人間からのフィードバックに基づく強化学習(RLHF)」を行う。一方、推論モデルは、より深く、時間をかけた「思考プロセスを促すために強化学習」を使う。
o1のような独自の推論モデルでは、この最終段階の具体的な詳細は通常、厳重に守られる企業秘密とされている。しかし、DeepSeekはそのプロセスを詳述した技術論文を公開した。
この認識が日本の低レベルのあかし
ラピダスさんのIBMがなんと言っていたか
当人はLLM競争に参画していない第三者の視点
DeepSeek-R1が重要な理由
DeepSeek-R1は、数学、コーディング、推論といったタスクにおいて、OpenAIのo1やAnthropicのClaude 3.5 Sonnetといった主要モデルに匹敵する性能を発揮た。どのモデルが「最高」であるかは主観や状況によるが、オープンモデルとしてこれほどの性能を実現したことは驚くべき快挙だった。しかし、R1の最も重要な点は、オープンソースコミュニティにもたらされたその「学習手法」にあった。
通常、標準的なLLMを未学習の状態からエンドユーザーが利用可能な状態にするまでのプロセスは、以下の通り
事前学習(Pretraining):自己教師あり学習を通じて、モデルが言語パターンを学習する
教師ありファインチューニング(SFT):ラベル付けされたデータ(例)を用いて、モデルがそれらの言語パターンをどのように適用すべきかを学習する
強化学習(RL):より具体的かつ抽象的な思考を行うように、モデルを誘導する。一般的なチャット向けモデルの場合、この段階では通常、回答をより有益かつ無害なものにするために、「人間からのフィードバックに基づく強化学習(RLHF)」を行う。一方、推論モデルは、より深く、時間をかけた「思考プロセスを促すために強化学習」を使う。
o1のような独自の推論モデルでは、この最終段階の具体的な詳細は通常、厳重に守られる企業秘密とされている。しかし、DeepSeekはそのプロセスを詳述した技術論文を公開した。
名無しのひみつ
>>57
DeepSeek-R1の仕組み
DeepSeek-V3を推論モデルにするにはSFT(教師あり微調整)の段階をスキップし、事前学習から直接、シンプルな強化学習のスキームへと移行した。
・モデルへのクエリ:モデルに質問を投げる。その際の指示で「<think>」と「</think>」の間に思考プロセスを、「<answer>」と「</answer>」の間に最終的な回答を出力しなさいとする。
・正解精度に対する報酬:回答の質(生成されたコードがどれだけ適切に動作するかなど)に応じて報酬を与える。
・形式に対する報酬:応答での「<think>」や「<answer>」といった形式を正しく使用しているかどうかを評価し報酬を与える
こうして完成したモデル(DeepSeek-R1-Zero)は、複雑な思考の連鎖(Chain of Thought CoT)を生成し、数学や推論のタスクにおいて優れた性能を発揮する推論戦略を用いるようになった
このプロセスは単純明快で、SFTに不可欠な「コストのかかるラベル付きデータ」が不要となった。
欠点は、技術論文で説明されているように、DeepSeek-R1-Zeroには「終わりのない繰り返し、読みやすさの欠如、言語の混在」といった課題があった
R1-Zeroの後継モデルであるDeepSeek-R1を学習させるにあたり、DeepSeekはプロセスを以下のように修正した
・「コールドスタート(学習の初期段階での停滞)」を避けるため、まずは従来のSFTを実施
・言語の混在を防ぐための報酬項目を追加した上で、R1-Zero方式の強化学習を実施
・その結果得られた強化学習済みモデル(およびベースとなるDeepSeek-V3モデル)を使用し、さらに80万件のSFT用データを生成
・SFTをさらに追加実施
・R1-Zero方式の強化学習をさらに追加実施
・人間からのフィードバックに基づく強化学習(RLHF)
この微調整(ファインチューニング)プロセスは半分だけ
もう半分は、R1のベースモデルであるDeepSeek-V3の存在にある
DeepSeek-R1の仕組み
DeepSeek-V3を推論モデルにするにはSFT(教師あり微調整)の段階をスキップし、事前学習から直接、シンプルな強化学習のスキームへと移行した。
・モデルへのクエリ:モデルに質問を投げる。その際の指示で「<think>」と「</think>」の間に思考プロセスを、「<answer>」と「</answer>」の間に最終的な回答を出力しなさいとする。
・正解精度に対する報酬:回答の質(生成されたコードがどれだけ適切に動作するかなど)に応じて報酬を与える。
・形式に対する報酬:応答での「<think>」や「<answer>」といった形式を正しく使用しているかどうかを評価し報酬を与える
こうして完成したモデル(DeepSeek-R1-Zero)は、複雑な思考の連鎖(Chain of Thought CoT)を生成し、数学や推論のタスクにおいて優れた性能を発揮する推論戦略を用いるようになった
このプロセスは単純明快で、SFTに不可欠な「コストのかかるラベル付きデータ」が不要となった。
欠点は、技術論文で説明されているように、DeepSeek-R1-Zeroには「終わりのない繰り返し、読みやすさの欠如、言語の混在」といった課題があった
R1-Zeroの後継モデルであるDeepSeek-R1を学習させるにあたり、DeepSeekはプロセスを以下のように修正した
・「コールドスタート(学習の初期段階での停滞)」を避けるため、まずは従来のSFTを実施
・言語の混在を防ぐための報酬項目を追加した上で、R1-Zero方式の強化学習を実施
・その結果得られた強化学習済みモデル(およびベースとなるDeepSeek-V3モデル)を使用し、さらに80万件のSFT用データを生成
・SFTをさらに追加実施
・R1-Zero方式の強化学習をさらに追加実施
・人間からのフィードバックに基づく強化学習(RLHF)
この微調整(ファインチューニング)プロセスは半分だけ
もう半分は、R1のベースモデルであるDeepSeek-V3の存在にある
名無しのひみつ
これを受けて約1ヶ月ののちにサムアルトマン
OpenAIのサム・アルトマン氏、DeepSeek R1を「素晴らしい」と評価し、より優れたモデルの早期リリースを約束
アルトマン氏はDeepSeek R1による挑戦を受け止め、より高性能なAIモデルのリリースを誓うとともに、進歩の鍵は計算リソース(コンピュート)にあると強調しました。
つまりハード投資は変わらないことも合わせてコメントした
OpenAIのサム・アルトマン氏、DeepSeek R1を「素晴らしい」と評価し、より優れたモデルの早期リリースを約束
アルトマン氏はDeepSeek R1による挑戦を受け止め、より高性能なAIモデルのリリースを誓うとともに、進歩の鍵は計算リソース(コンピュート)にあると強調しました。
つまりハード投資は変わらないことも合わせてコメントした
名無しのひみつ
MoE Mixture of Expertは1990年代の提案かららしいが
大規模言語モデル(LLM)において、Mixture of Experts(MoE)は著しい進化を遂げてきました。その中でDeepSeek-R1は、より積極的なMoEアーキテクチャを採用することで効率と性能を向上させ、この分野の発展に寄与しています。この手法は「スパース(疎)な活性化」を行うモデルを実現するものであり、計算コストを抑えつつ、ベンチマークにおいて高い性能を達成することが可能です。
大規模言語モデル(LLM)において、Mixture of Experts(MoE)は著しい進化を遂げてきました。その中でDeepSeek-R1は、より積極的なMoEアーキテクチャを採用することで効率と性能を向上させ、この分野の発展に寄与しています。この手法は「スパース(疎)な活性化」を行うモデルを実現するものであり、計算コストを抑えつつ、ベンチマークにおいて高い性能を達成することが可能です。
名無しのひみつ
大規模言語モデル(LLM)において、Mixture of Experts(MoE)は著しい進化を遂げてきました。その中でDeepSeek-R1は、より積極的なMoEアーキテクチャを採用することで効率と性能を向上させ、この分野の発展に寄与しています。この手法は「スパース(疎)な活性化」を行うモデルを実現するものであり、計算コストを抑えつつ、ベンチマークにおいて高い性能を達成することが可能です。
名無しのひみつ
一方、キンペーは中華AI輸出規制へ…
名無しのひみつ
名無しのひみつ
ソフトバンクG、生成AIの特許数で世界首位 WIPOが報告書
2026年7月14日
https://www.nikkei.com/article/DGXZQOGR14A030U6A710C2000000/
特許がとれるから研究開発に多額の投資が行われるという面はあるものの、
こういった数学的な知識に近いものを囲い込んで独占し、無料で自由に使え
なくしてしまうのは、果たして社会にとって有益なことだろうか?
特許があっても、軍事利用や、ソースコード等を外部に出さずにクラウド
だけで運営しているのなら、特許が利用されていることを確実に検出立証
することは難しいから、このような特許を取る傾向が高まれば、システムの
内部を公開しないで、ネット経由で機能だけを利用させるという傾向が
ますますたかまりそうだ。つまり昔ながらの特許で守るのではなくて、
実態を隠すことで守るようになるのでは?
2026年7月14日
https://www.nikkei.com/article/DGXZQOGR14A030U6A710C2000000/
特許がとれるから研究開発に多額の投資が行われるという面はあるものの、
こういった数学的な知識に近いものを囲い込んで独占し、無料で自由に使え
なくしてしまうのは、果たして社会にとって有益なことだろうか?
特許があっても、軍事利用や、ソースコード等を外部に出さずにクラウド
だけで運営しているのなら、特許が利用されていることを確実に検出立証
することは難しいから、このような特許を取る傾向が高まれば、システムの
内部を公開しないで、ネット経由で機能だけを利用させるという傾向が
ますますたかまりそうだ。つまり昔ながらの特許で守るのではなくて、
実態を隠すことで守るようになるのでは?
日本のAIチップ設計・LLM開発の人もGLMでコード走らせて寝てたりしてるね
名無しのひみつ
孫正義氏「2040年に人型ロボット10億台」 AI時代の未来予測
2026年7月15日
https://www.asahi.com/articles/ASV7H240YV7HULFA00SM.html
ペッパー2 を開発するのかな。
2026年7月15日
https://www.asahi.com/articles/ASV7H240YV7HULFA00SM.html
ペッパー2 を開発するのかな。
■ このスレッドは過去ログ倉庫に格納されています
ニュース
- 「ほぼ全人類が永久に失業する」Anthropic研究者がAIの未来を予測★2 [♪♪♪★]
- 【AED】男性は女性を救助すべきではない? SNSで続く噂に応急手当普及団体が声明 [少考さん★]
- 六花亭オンラインショップに不正アクセス カード番号全桁、セキュリティコード、名義人、有効期限が流出か 約8000件対象 [煮卵★]
- 【速報】JT ロシア子会社の支配喪失に伴い、26年12月期に1兆3770億円損失計上 [蚤の市★]
- 【🇯🇵速報】髙市首相、習国家主席と再び握手… ★2 [BFU★]
- 【速報】米大統領、中国との関係は一層緊密になっている [蚤の市★]
- 孫正義さん二週間、ずっと号泣していた模様「なんてつまらない人生だったのか」 [718439955]
- 【悲報】元ジャンポケ斉藤事件の伊藤ゆう子裁判長、大炎上WWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWW [939270813]
- 何なのら…?!?!(・o・🍬)🏰
- 【悲報】GTA6、女と黒人を殺すゲームになるwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww [339035499]
- GTA6、左翼活動家を虐殺するイベントが見つかりネトウヨが大歓喜してしまうwwww [197015205]
- 【悲報】ロシア報道官「プーチン大統領は高市首相と接触していない」日本の発表と食い違う [431136663]