登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 Cohere
Cohere コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
Cohere を含む検索結果
OpenTextは、Cohereと戦略的パートナーシップを締結し、信頼できるデータ基盤とエージェンティックAIを融合
LLMは数学の問題で人間より高い正解率を出せるようになりました。でもそれは「きちんと積み上げて理解している」からでしょうか? タイトル: Do LLMs Exhibit Coherent Knowledge Structures in Mathematical Reasoning? A Perspective from Knowledge Space Theory URL: ❓ LLMは前提知識をきちんと積み上げて正解しているの? 💡 正解率自体は人間79.6%に対しLLM最高92.5%(Qwen3-80B)と上回りますが、前提を完全に満たした上での正解の割合は人間72.7%に対しLLMは48.16%にとどまります。正解していても土台が抜けているケースが多いということです。 ❓ 前提知識をヒントとして教えてあげれば改善する? 💡 実は前提に基づくヒントを与えても、無関係な例を与えた場合とほとんど差が出ませんでした。構造的な前提推論ではなく、表層的なパターンマッチングに頼っている可能性が高いです。 ❓ 賢いモデル同士なら、似たような知識の持ち方をしているはず? 💡 人間の学習者グループ間では知識の重なりが0.9以上と高いのに対し、LLM同士では0.38〜0.6程度しか重なりません。強いモデルほど人間から離れていく傾向も見られました。 ❓ つまりこの研究が示しているのは? 💡 精度という指標だけでは、LLMの「理解の仕方」のズレは見抜けないということです。知識空間理論という新しい評価レンズを使うことで、正解率の裏にある断片的な知識構造が浮かび上がります。 #LLM評価# #数学的推論#
もっと見る
💡 IREN Limited $IREN Q4 FY2026決算 2026-08-27 💰 今四半期業績 - 🔴 EPS:$-1.91 (予想$-0.55) - 🟢 売上高:$137.2M (予想$132M) 📊 重要指標 - 🟢 AI Cloud Services売上高:$70.5M (Q3: $33.6M, QoQ+109.8%) - 🔴 Bitcoin Mining売上高:$66.7M (Q3: $111.2M, QoQ-40.0%) - 🔴 Adjusted EBITDA:$19.2M (Q3: $59.5M, QoQ-67.7%) - 🔴 非現金減損損失:$450.4M (Bitcoin Mining機器の除却関連) - 🟢 契約済ARR:$4B (2026年キャパシティ), 稼働中ARR $1B - 🟢 GPU関連ファイナンス:$2.8B (GPU Capexの90%をカバー) - 🟢 通期売上高 (FY26):$707M (FY25: $501M, YoY+41.1%) 📍決算内容の注目ポイント - 大手フロンティアAIラボとの新規マルチイヤーAI Cloud契約を締結。Cohere、Prometheus、Perplexity、Figure AI、Fal AI、Higgsfield AIとも契約を締結し、顧客基盤を大幅に拡大。 - Microsoftへの初の50MW液冷GPU展開(Horizon 1)を完了。NVIDIA Exemplar Cloud認定をGB300 NVL72で取得。Horizon 2-4も2026年Q4に順次展開予定。 - Blue OwlおよびPacific Investment Management Company主導の$2.4Bファイナンスを含む$2.8BのGPUファイナンスを確保。固定金利9.0%で関連GPU Capexの90%をカバー。 - MirantisおよびNostrumの買収を完了し、ソフトウェア・サービス能力を強化。欧州(Badajoz, Spain)を含む5GW超のデータセンターパイプラインでグローバル展開を推進。 - FY26中にヘッドカウントが約3倍に増加し、Cスイートレベルの幹部5名を新たに任命。組織体制を大幅に強化。 🤵‍♂️CEO (Daniel Roberts) コメント 「私たちはシンプルな観察からIRENを始めました。デジタルの世界はほぼ瞬時にスケールできますが、物理的な世界はそうではありません。今年、その創業時の仮説が現実のものとなりました。指数関数的なAI消費の成長が、利用可能なインフラ供給をはるかに超えるコンピュート容量への需要を生み出しています。IRENはまさにこの瞬間のために構築されました。2026年のキャパシティはほぼ完売しています。プラットフォームが拡大し市場ポジションが強化されるにつれ、より強力な価格設定、より魅力的な契約条件、改善されたペイバックを確保しています。電力、土地、データセンター、コンピュート、ソフトウェア、人材という、複製困難な資産を数年かけて構築してきました。これはまだ始まりに過ぎません。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 14.46B - PER: 1013.25 - Forward PER: 27.96 - PEG: -10.64 🎯市場評価 - 株価 (発表前): 📈$40.555 (2.46%) - 株価 (発表後): 📉$40.21 (-0.85%) - 決算前アナリスト目標株価: $83.86 ($100 ~ $50) C - 決算総合サプライズ率 (AI推定): 😥-5.82% - 決算後目標株価 (AI推定): $39.43 🤖 決算まとめるくん(AI)コメント 「IREN LimitedのFY2026 Q4決算は、同社がBitcoin Miningから AI Cloud Servicesへの構造転換を加速させる過渡期の姿を鮮明に映し出しています。 売上高は$137.2Mとアナリスト予想$132Mを上回りましたが、EPSは非現金減損$450.4M(Bitcoin Mining機器の除却)の影響で-$1.91と大幅な赤字となりました。ただし、この減損はAI Cloud成長に向けたサイト転換に伴う一時的な会計処理であり、事業の実態を反映するAdjusted EBITDAは$19.2Mと黒字を維持しています。 AI Cloud Services売上は前四半期比+109.8%の$70.5Mへ急拡大し、通期では前年比約8倍の$128.8Mに達しました。一方、Bitcoin Mining売上は$66.7Mへ減少しており、収益構成の転換が急速に進行しています。 将来の成長基盤として注目すべきは、$4Bの契約済ARR(2026年キャパシティ)と現時点で$1Bの稼働中ARRです。MicrosoftへのHorizon 1(50MW液冷GPU展開)の納入完了やNVIDIA GB300 NVL72でのExemplar Cloud認定取得は、技術的信頼性の証左です。 資本面では、$2.8BのGPUファイナンスがCapexの90%をカバーし、顧客プリペイメントと合わせて資金調達の見通しは安定しています。ただし、Altman Z-Score 2.17は「グレーゾーン」にあり、急拡大に伴う財務リスクには留意が必要です。 決算発表後の株価が小幅に軟化した背景には、GAAP純損失の大きさと、次期以降の具体的な売上ガイダンスが明示されなかった点が意識されたと推察されます。しかし、2026年キャパシティの完売状況や2027年に向けた顧客交渉の進展を踏まえると、中期的な収益拡大の蓋然性は高いと評価されます。 評価は📈ポヨ」 🏢 IREN Limited 概要 - セクター: テクノロジー - 特徴: オーストラリア発の垂直統合型AI Cloudプラットフォーム企業。データセンター、コンピュート、ソフトウェアを一体提供し、Bitcoin Miningからの事業転換を推進中。 🤘情報提供 Stock Slayer :
もっと見る
# Weaviateの機能と実践的な使い方 🚀 埋め込みAPIの呼び出しコードをアプリから消したいと思ったことはありませんか。Weaviateのモデルプロバイダ統合を使えば、ベクトル化も生成もリランクも、コレクション設定に書くだけで自動的に動きます。 📌 タイトルと機能のURL タイトル: Model provider integrations URL: 📝 概要 Weaviateは、OpenAI・Cohere・Google・AWS・Azure OpenAI・Mistral・Anthropic・Hugging Face・Ollama など20以上のモデルプロバイダと統合しています。これらを「投入時の自動埋め込み」「クエリ文の自動埋め込み」「RAGの生成」「検索結果のリランク」に組み込めます。アプリ側で埋め込みAPIを呼んでベクトルを渡すコードが不要になるのが最大の利点です。 🔧 機能の説明 統合は大きく次の3つの役割に分かれます。 ・Vectorizer(埋め込み): テキストやマルチモーダルのベクトル化を担当します。 ・Generative(生成): RAGパイプライン向けのテキスト生成を担当します。 ・Reranker(リランク): 検索結果の並べ替えを担当します(Cohere、Jina AI、NVIDIA、Voyage AI などが提供)。 提供形態も2種類あります。API型プロバイダ(OpenAI、Google、Cohere、AWS Bedrock など)は外部APIを呼び出し、ローカルホスト型(Ollama、Hugging Face Transformers、Model2vec)は自分のインフラ上で動かします。API型モジュールは v1.33 以降は既定で有効です。 🛠 実践的な使い方 ・コレクション作成時に `Configure.Vectors`(旧 `Configure.Vectorizer`)で埋め込みプロバイダを指定すると、投入時もクエリ時も自動でベクトル化されます。 ・生成は `Configure.Generative` でプロバイダを指定し、検索結果に対してRAGを実行します。 ・リランカーは `Configure.Reranker` で指定します。 ・自動ベクトル化の対象は `text` / `text[]` 型のプロパティで、プロパティ名をアルファベット順に並べて連結し、必要に応じてコレクション名を先頭に付けてからモデルに送ります(プロパティ単位で対象外にも設定可能)。 🎯 ユースケース ・社内文書検索: 投入時に本文を自動でベクトル化し、検索時はクエリ文を同じモデルで自動ベクトル化して整合させます。 ・モデルの差し替え: ベンダーやモデルを変えたいとき、コレクション設定の変更だけで対応できます。 ・閉域要件: Ollama などローカルホスト型を使えば、データを外部に出さずに埋め込み生成まで完結します。 ・RAGチャット: 検索と生成を同一の設定内で組み合わせ、外部のオーケストレーションを最小化できます。 ⚠️ 注意点 ・API型プロバイダはAPIキーが必須で、利用に応じた課金が発生します。 ・レート制限は各プロバイダのポリシーに従います。大量投入時は注意が必要です。 ・v1.27 より前のバージョンでは、連結した文字列が小文字化されてからモデルに送られます。 ・v1.33 より前ではAPI型モジュールを使うため `ENABLE_API_BASED_MODULES` を有効化する必要があります。 #Weaviate# #Embeddings#
もっと見る
Google Genie4は 単なるゲームAIじゃない 物理AIの 根幹進化を担う4つの技術ブレイクスルー 1. ネイティブ・マルチモーダル音響生成(Native Multimodal Audio) 映像と音の一体生成: 従来のワールドモデルでは映像のみを生成するか、後処理で効果音を付与するのが通例でした。Genie 4はリアルタイム世界シミュレーションとして初めてオーディオをネイティブ生成します。 物理環境音とインタラクティブな対話: 木々を揺らす風や打ち寄せる波といった環境音(アンビエント)だけでなく、作中の登場人物がユーザーの操作や周囲の事象にリアルタイムに反応して言葉を交わす「動的な対話(Interactive Dialogue)」をシミュレーション内部で同時に生成・適応させます。 2. 人物・キャラクター表現の飛躍的進化(Simulating People & Characters) 自然な身体動作と物理的相互作用: これまでのモデルで破綻しやすかった「人物の自然な呼吸・指先の動き・重心移動」や、群衆(混雑した駅のホームなど)の動きを有機的かつ物理的妥当性を持って再現します。 リアルタイム・ステアラブル(操作性): 静止画やテキストの初期設定から生まれたキャラクターに対し、ユーザーのキーボード入力やテキスト指示を通じてリアルタイムに振る舞いや動きを誘導・制御できます。 3. Geminiファミリーとの統合アーキテクチャによる長期的整合性 Gemini Omniによる実世界グラウンディング: 視覚的な外観や現実世界の物理的挙動の基準(アンカー)として「Gemini Omni」を組み込み、フォトリアリズムと自然な運動を実現しています。 推論モデルによる一貫性・連続性の維持: 従来の動画生成で課題だった「時間が経つと背景や物体の位置が崩れる/矛盾する」問題を解決するため、Geminiの推論エンジンがシミュレーションの文脈を常時監視し、長時間の整合性(Coherence & Spatial Continuity)を保つ制御ループを担っています。 4. 自然言語によるリアルタイム環境改変(Real-time Steering) インラインでの動的変更: カメラの自由移動(キーボード操作等)だけでなく、シミュレーション実行中に自然言語で「天候を変える」「新しい物体・人物を追加する」といった指示を入力可能です。 文脈に合わせた自動調停: 入力されたテキスト指示をそのまま貼り付けるのではなく、Geminiが周囲のライティング、世界観、物理的整合性に矛盾が生じないようプロンプトを文脈適応させて世界に反映します。 技術変革がもたらす意義(AGI・ロボティクスへの応用) DeepMindは、世界を正しく理解しシミュレートする能力を「AGI(汎用人工知能)達成に向けた最重要ピース」と位置付けています。 Genie 4によって、単なるエンターテインメント(インタラクティブ体験の創出)にとどまらず、「実世界と同様の物理挙動・音響・人間との対話が存在する、無限かつ安全なシミュレーション環境」をオンデマンドに構築できるようになり、自律エージェントやロボティクスの大規模強化学習プラットフォームとしての活用が期待されています。
もっと見る
Google Genie4は 単なるゲームAIじゃない 物理AIの 根幹進化を担う4つの技術ブレイクスルー 1. ネイティブ・マルチモーダル音響生成(Native Multimodal Audio) 映像と音の一体生成: 従来のワールドモデルでは映像のみを生成するか、後処理で効果音を付与するのが通例でした。Genie 4はリアルタイム世界シミュレーションとして初めてオーディオをネイティブ生成します。 物理環境音とインタラクティブな対話: 木々を揺らす風や打ち寄せる波といった環境音(アンビエント)だけでなく、作中の登場人物がユーザーの操作や周囲の事象にリアルタイムに反応して言葉を交わす「動的な対話(Interactive Dialogue)」をシミュレーション内部で同時に生成・適応させます。 2. 人物・キャラクター表現の飛躍的進化(Simulating People & Characters) 自然な身体動作と物理的相互作用: これまでのモデルで破綻しやすかった「人物の自然な呼吸・指先の動き・重心移動」や、群衆(混雑した駅のホームなど)の動きを有機的かつ物理的妥当性を持って再現します。 リアルタイム・ステアラブル(操作性): 静止画やテキストの初期設定から生まれたキャラクターに対し、ユーザーのキーボード入力やテキスト指示を通じてリアルタイムに振る舞いや動きを誘導・制御できます。 3. Geminiファミリーとの統合アーキテクチャによる長期的整合性 Gemini Omniによる実世界グラウンディング: 視覚的な外観や現実世界の物理的挙動の基準(アンカー)として「Gemini Omni」を組み込み、フォトリアリズムと自然な運動を実現しています。 推論モデルによる一貫性・連続性の維持: 従来の動画生成で課題だった「時間が経つと背景や物体の位置が崩れる/矛盾する」問題を解決するため、Geminiの推論エンジンがシミュレーションの文脈を常時監視し、長時間の整合性(Coherence & Spatial Continuity)を保つ制御ループを担っています。 4. 自然言語によるリアルタイム環境改変(Real-time Steering) インラインでの動的変更: カメラの自由移動(キーボード操作等)だけでなく、シミュレーション実行中に自然言語で「天候を変える」「新しい物体・人物を追加する」といった指示を入力可能です。 文脈に合わせた自動調停: 入力されたテキスト指示をそのまま貼り付けるのではなく、Geminiが周囲のライティング、世界観、物理的整合性に矛盾が生じないようプロンプトを文脈適応させて世界に反映します。 技術変革がもたらす意義(AGI・ロボティクスへの応用) DeepMindは、世界を正しく理解しシミュレートする能力を「AGI(汎用人工知能)達成に向けた最重要ピース」と位置付けています。 Genie 4によって、単なるエンターテインメント(インタラクティブ体験の創出)にとどまらず、「実世界と同様の物理挙動・音響・人間との対話が存在する、無限かつ安全なシミュレーション環境」をオンデマンドに構築できるようになり、自律エージェントやロボティクスの大規模強化学習プラットフォームとしての活用が期待されています。
もっと見る
🎬 「見た目はリアルでも、タスクを達成できているか?」——ビデオ生成の評価がついに結果志向へ進化します。 SemComp-Bench: Benchmarking Semantic Task Completion in Video Generation 💡 概要 参照画像から「料理を作る」「植物を剪定する」などのタスクを達成するビデオを生成する際、既存モデルは手順の再現には長けていますが「最終状態をきちんと達成できているか」の評価が欠けていました。SemComp-Bench は6ドメイン・1,273件のデータセットと、VLM(Doubao-Seed-1.8)を用いた二軸評価フレームワークを導入し、この盲点を埋めます。 ⚠️ 解決する課題 既存ベンチマークは外観の一致性や中間手順を重視し、「タスクの結果達成」と「参照画像との意味論的整合性の維持」を同時に評価する基準がありませんでした。 🔬 評価フレームワーク:2つの独立した次元 ・OA(Outcome Achievement)スコア: 結果実現・意味論的グラウンディング・エンティティ一貫性・視覚的連続性の4基準をすべて通過することが必要 ・GR(Generation Reliability)スコア: 物理的整合性・視覚明瞭度・アーティファクト欠如など5基準の平均 📊 実験結果(詳細指示での成績) ・OA最高: HunyuanVideo-1.5-720P が37.8%(最高でも4割未満) ・GR最高: Seedance 2.0 が91.8%——だがOAは20.0%(4位) ・T2V(テキストのみ)のOAはわずか0.6〜5.0%: 視覚的参照が不可欠 ・最大のボトルネック: Within-Scene Spatiotemporal Coherence(0.328〜0.739) → OAとGRは独立した能力であり、「綺麗に生成できる」ことと「タスクを達成できる」ことは別問題です。 #動画生成# #ベンチマーク#
もっと見る
🧩来年後半まで生産枠が埋まった会社が、複数の長期購入契約に署名せずにいる | 大口1社で埋めると他の客が来なくなる $AAOI 品薄の部品メーカーが大口顧客と三年、四年の購入契約を結ぶ。普通は好材料として発表される。買い手が確約した証拠だからだ。 Applied Optoelectronics $AAOI は、その契約書を複数、机に載せたまま署名していない。 8月18日、Rosenblatt の年次技術サミットで、CFO兼CSOの Stefan Murry は長期契約(LTA)をいずれ結ぶのかと問われた。結ぶつもりはある、と答えてから、慎重に構えている理由をこう説明した。 > 大きすぎる1社とLTAを結んで生産枠を埋めてしまうと、他の顧客が我々を使えるリソースとして見なくなる懸念がある > (Stefan Murry, Chief Financial Officer and Chief Strategy Officer) 同じ答えの中で、彼は「LTAには代償がある。こちらも何かを差し出している」とも言った。何を差し出すのかは言っていない。ただ、避けたいものの方は名指しした。将来こちらから取りにいきたい顧客が離れることだ。 供給が足りない局面で、部品メーカーの資産は生産能力そのものだけではない。まだ声をかけていない顧客から「頼めば作ってもらえる会社」に見えていることも資産になる。三年四年の枠を1社で埋めれば、それは他社の名前が入った順番待ちに変わる。 司会は踏み込んだ。別のハイパースケーラーが来て、御社のレーザーと米国生産で大量に買いたいと言ったら、迎え入れるのか、断るのか。 > 正直なところ、いまは難しい > (Stefan Murry, Chief Financial Officer and Chief Strategy Officer) こちらは実際に断る側の答えだ。理由は需要ではなく、約束しすぎないためだという。既存の顧客への納入を守れなくなることが一番避けたい、と Murry は続けた。生産枠は来年後半まで、そしてその先まで埋まっている。 数字を置くと、この慎重さの重さが見える。4〜6月期の売上は1億9,192万ドル。うちデータセンターが1億766万ドルで56%を占める。1年前の同じ四半期は4,479万ドルだったから、2.4倍に伸びた部分だ。それでもこの四半期のGAAP営業損益は2,473万ドルの赤字だった。 まだ営業段階で黒字化していない会社が、複数年ぶんの発注をすぐには受け取らずにいる。 小ささは言い訳ではなく、この判断の理由そのものになっている。「我々はこの業界ではまだ比較的小さい」と Murry は言う。同じ光部品でも Lumentum $LITE や Coherent $COHR は売上の規模が違うから、1社との契約が全体に占める比率も変わる。AAOI 側の主張では、300〜400ミリワット級の高出力レーザーの設計と仕様は Lumentum、Coherent、Broadcom と同等以上で、差は技術ではなく量産する力にあるという。 値段の話もしている。地政学とサプライチェーンの安全を理由に、顧客は米国生産に割増を払う用意がある、というのが会社の説明だ。レーザーの製造は全量が米国内、トランシーバーの組み立ては台湾と米国に分かれている。 長期契約の発表は、需要の強さの証拠として読まれてきた。ここでは、まだ署名されていないことがその証拠になっている。 ただし、その強気は損益にはまだ出ていない。8月6日の決算発表によれば、4〜6月期の非GAAP粗利率は29.8%で、1年前の30.4%から下がった。7〜9月期の会社見通しは売上2億5,500万〜2億9,000万ドル、非GAAP粗利率29〜30.5%。売り切れで、米国生産に割増が乗り、顧客を選べる立場だと説明する会社が、自分の粗利率をほぼ横ばいに置いている。 11月5日の決算で見るのはそこだ。枠の希少さが値段に変わるなら、この横ばいの見通しは保守的すぎたことになる。変わらなければ、選べることの価値はいまのところ交渉のカードであって、利益ではない。 株価は52週高値233.67ドルに対して126.34ドル。サミット当日以降の値動きは同じ週の光関連全体の下げと切り分けられないので、この論点を市場が織り込んだかどうかの材料にはならない。 契約を結べる会社と、結ばずにいられる会社は違う。この業界でいま数えるべきなのは受注の総額ではなく、誰が署名を先延ばしにできるかだ。 🤘情報提供 Stock Slayer :
もっと見る
AIエージェントをエンタープライズシステムに組み込むプラクティス 【階層化メモリ -- 4層メモリとコンテキスト・ブローカー】 💡 毎回ゼロから始まるAIエージェントは、何度も同じ質問をする新入社員と同じです。記憶を4層に分離し、「いま本当に必要な情報だけ」を動的に組み立てる仕組みが、実用レベルのエージェントを作ります。 🔥 解決する課題 - セッション跨ぎの文脈喪失:セッション間・エージェント間で文脈が失われ毎回やり直しになる - 文脈窓の有限性:全履歴を詰め込むとコスト・精度が劣化する - 記憶肥大:無制限な蓄積でコスト・プライバシーリスク・文脈汚染が増大する - Lost in the middle:大量コンテキスト投入でかえって回答精度が下がる 🏗️ 提案パターン メモリを4層に分離します。ワーキング(現セッション・揮発)、エピソード(過去要約・ユーザー単位)、セマンティック(RAG対象の知識)、組織知識(人・部署・関係の知識グラフ)。各層に適切な保存先・TTL・ACLを設定します。コンテキスト・ブローカーがユーザーの意図に応じて各層から情報を取得し、トークン予算内で優先度付け・要約・圧縮を行い、最も関連の高い情報だけでコンテキストを組み立てます。 ✅ 選定条件 - 採用する場合:セッション跨ぎ・エージェント跨ぎで文脈を引き継ぐ継続支援型エージェント - 採用しない場合:一発完結のステートレスタスク、固定の少量コンテキストで足りる用途 ⚠️ 落とし穴 - エピソードメモリの肥大化:生ログではなく要約を残し、重要度スコア + TTL + 時間減衰で制御します - コンテキストブローカーの品質:リランキングの精度が低いと不要情報が混入し、精度が劣化します - ACLの層間整合:メモリ層ごとにACLが異なる場合、集約時に最も厳しい権限に縮退させる設計が必要です 🛠️ 実装方針 1. ベクタDB(Pinecone / Weaviate / pgvector)をセマンティックメモリ層に、Neo4jを組織知識グラフ層に配置し、各層に保存先・TTL・ACLを設定します 2. エピソードメモリは生ログではなく要約パイプラインを通し、重要度スコア+時間減衰で自動的に忘却・圧縮する仕組みを実装します 3. コンテキスト・ブローカーをリランキング(Cohere Rerank / cross-encoder)で構築し、ユーザーの意図に応じてトークン予算(目安8,000トークン)内で最も関連の高い情報を動的に組み立てます 4. Mem0 / Zepなどのメモリ管理フレームワークを活用し、セッション跨ぎ・エージェント跨ぎのデータ引き継ぎを実装します 5. 各メモリ層にACLタグを付与し、集約時にコンテキスト・ファイアウォール(P10)と連携して最も厳しい権限に縮退させます #AIエージェント# #エンタープライズアーキテクチャ#
もっと見る
OpenAIもAnthropicもGoogleも、モデル名を1行変えるだけで切り替え——プロバイダーごとのSDKを覚える苦労を消すライブラリです🔌 タイトル: andrewyng/aisuite URL: 🔌 概要 Andrew Ng氏による軽量なPythonライブラリです。複数のLLMプロバイダーを、統一されたOpenAIスタイルのインターフェースで呼び出せます。モデル名を「provider:model-name」の形式で指定するだけで、同じコードのまま各社を横断できます。 ❓ 解決する課題 複数のLLMプロバイダーを使い分けると、それぞれ異なるSDK・API・パラメータ構造を覚える必要があり、開発の摩擦になります。 ・aisuiteはこの断片化問題を解決します ・リクエストとレスポンスを標準化し、SDKの差異ではなくロジックに集中できるようにします 💡 主な機能 ・Chat Completions API:プロバイダー非依存の層(temperature・max_tokens・toolsに対応) ・Agents API:ツール処理・状態永続化・ツールポリシーによるガバナンスを備えた構造化エージェント ・Toolkits:ファイル・git・シェル操作の事前サンドボックス化ツール群 ・MCPサポート:任意のMCPサーバーのツールをネイティブに利用 ・OpenCoworker:aisuite上に構築されたデスクトップAIエージェントアプリ 仕組みはプロバイダーアダプタパターンで、命名規約に従いモデル文字列から自動発見・生成します。 🌍 対応プロバイダー / 使い方 OpenAI・Anthropic・Google・Mistral・Hugging Face・AWS・Cohere・Ollama・OpenRouterなどに対応(拡張可能)。ai.Client()を作り、model="openai:gpt-4o"のように呼ぶだけで、切り替えはモデル文字列の変更のみ。ライセンスはMITです。 #LLM# #オープンソース#
もっと見る