AISI、AIセーフティ評価ツールをOSSとして公開
AIセーフティ・インスティテュート（AISI）は、「AIセーフティに関する評価観点ガイド」に基づきAIシステムのセーフティ評価を行う評価ツールを、Apache 2.0ライセンスのOSSとして公開した。汎用的な評価項目と評価環境を提供し、評価項目設定や環境構築の作業を軽減する。攻撃者の視点で評価を自動化する自動レッドチーミング機能も備える。
AIニュース一覧
すべてのニュース
本日22件AISI Japan: OutputAIスコア4242
Mistral AI NewsAIスコア5757 Mistral、シリーズCで17億ユーロを調達、ASMLが主導
MistralはシリーズCで17億ユーロを調達し、ポストマネー評価額は117億ユーロとなった。ラウンドは半導体製造装置大手ASML Holding NV（ASML）が主導し、ASMLとは戦略的パートナーシップを結ぶ。
ELYZA（note）AIスコア1212 ELYZAのプロダクト機械学習エンジニア（Pd MLE）の仕事を紹介
ELYZAのプロダクト事業部で、『ELYZA Works』の機能開発やLLM推論基盤の構築・運用などを担う機械学習エンジニア（Pd MLE）チームの役割と働き方を紹介する。LLMホスティング基盤はGoogle Cloud上に構築され、プロダクト本体はAWSを利用している。チームは2025年7月に発足し、フルリモートワークやスーパーフレックス制度などを導入している。
SB Intuitions ブログAIスコア3131 『JamC-QA』：日本の文化や風習に特化した質問応答ベンチマークの構築・公開（後編）
SB Intuitionsは、日本の文化や風習に関する知識を問う質問応答ベンチマーク「JamC-QA」を用いて事前学習モデルを評価した。全体スコア（All）の首位はsarashina2-8x70bとsarashina2-70bの0.725で、Llama-3.3-Swallow-70B-v0.4が0.697で続く。評価は4-shotの設定で行われ、LLMが答えた選択肢の文字列が正解と完全一致した問題数の割合でスコアを算出した。
SB Intuitions ブログAIスコア2525 SB Intuitions、日本の文化・風習に特化した質問応答ベンチマーク「JamC-QA」を公開
SB Intuitionsは、日本固有の知識を問う多肢選択式の質問応答ベンチマーク「JamC-QA」を構築し、Hugging Faceで公開した。全2,309問で、文化、風習、風土、地理、日本史、行政、法律、医療の8カテゴリからなる。既存のJCommonsenseQAやJMMLUに比べ難度が高く、利用申請なしで誰でも使える。
ELYZA（note）AIスコア1212 ELYZAソリューション事業部の機械学習エンジニアの仕事を紹介、「研究と実装の循環」で未踏の問いに挑む
ELYZAのソリューション事業部の機械学習エンジニア（MLE）は、研究開発部門の技術を顧客の業務課題に実装する「研究と実装の循環」を担う。PoCで終わらせず本番導入までこだわり、「マイナビAI Pencil」の共同開発などを手がけている。求められる要素として、課題の分解・再定義力、オーナーシップ、批判的思考力の3つを挙げている。
Mistral AI NewsAIスコア4545 Mistral、Le Chatの記憶機能「Memories」（ベータ版）を紹介
Mistralは、対話型AI「Le Chat」の記憶機能「Memories」（ベータ版）を提供している。情報は自動で保存される一方、想起時にはどの記憶が使われたかを出典リンク付きで表示し、個別の編集・削除、記憶を使わないincognitoチャット、記憶機能のオフ切り替えに対応する。記憶はエクスポートおよびインポートも可能である。
Mistral AI NewsAIスコア5656 Mistral AI、Le Chatに20以上のMCPコネクタ、独自MCP接続、Memoriesを追加
Mistral AIはLe Chatに、20以上のMCP対応コネクタのディレクトリ（ベータ）と、任意のリモートMCPサーバーへの接続機能を追加した。あわせて、会話をまたいで文脈を保持するMemories（ベータ）も導入し、ChatGPTからの記憶のインポートにも対応する。ConnectorsとMemoriesはFreeプランを含む全ユーザーが利用でき、chat.mistral.aiやモバイルアプリから試せる。
SB Intuitions ブログAIスコア4242 SB Intuitions、日本語特化の指示対応テキスト埋め込みモデル「Sarashina-Embedding-v2-1B」を公開
SB Intuitionsは、sarashina2.2-1Bをベースに対照学習で構築したテキスト埋め込みモデル「Sarashina-Embedding-v2-1B」を発表した。クエリに指示文を付与することで、タスクに応じてテキストベクトルを調整できる。
Mistral AI NewsAIスコア2727 Pixtral-12Bのファインチューニングで衛星画像の分類性能を高める方法
Mistralは、Pixtral-12Bを衛星画像でファインチューニングすると、ベースモデルより大きな改善が得られるとしている。評価にはAerial Image Dataset（AID）を用い、8,000件の学習データと2,000件のテストデータに分けた。プロンプトのみでは曖昧なクラスの識別や、存在しないクラス名の出力が課題だった。
Mistral AI NewsAIスコア4949 Mistral AI、Codestral 25.08とエンタープライズ向けコーディングスタックを発表
Mistral AIは、Codestral 25.08を中核とするエンタープライズ向けコーディングスタックを発表した。Codestral 25.08は、受け入れられた補完が30%増え、提案後に残るコードが10%増えたとされる。Devstral Mediumは SWE-Bench Verified で61.6%を記録し、オープンウェイトのDevstral Small（24B、Apache-2.0）はRTX 4090 1枚またはメモリ32GBのMacで動作する。
ELYZA 技術ブログ（Zenn）AIスコア3333 Speculative Decoding：GPUを増やさず推論を高速化
ELYZAは、vLLMの推論サーバにSpeculative Decodingを適用し、同一ハードウェアのまま推論throughputを最大約1.7倍に高めた。ELYZA-tasks-100での評価では、Llama3.2-1Bをdraft modelとし、num_speculative_tokens=4としたときに最も高いTPS（32.25）を記録し、Speculative Decoding無しの18.90を上回った。GPT-4oスコアはベースラインの4.03とほぼ同等で、性能劣化は見られなかったとしている。
Mistral AI NewsAIスコア5757 Mistral AI、Mistral Large 2のライフサイクル分析を公表し、AI向け環境基準を提案
Mistral AIはCarbone 4およびADEMEと共同で、大規模言語モデル（LLM）の環境影響を測るライフサイクル分析（LCA）を実施した。Mistral Large 2の学習と18か月の利用で、20,4 ktCO₂e、281 000 m3の水消費、660 kg Sb eqの影響が生じた。Le Chatの400トークンの応答1回あたりでは1.14 gCO₂e、45 mL、0.16 mg Sb eqだった。
Mistral AI NewsAIスコア5050 Le Chat、Deep Researchなど新機能を発表
Mistral AIは、AIアシスタント「Le Chat」に調査、音声、画像編集などの新機能を追加した。Deep Research（プレビュー）は、複雑な話題について構造化された参照付きレポートを作成し、音声モードは新しい音声入力モデルVoxtralで会話を可能にする。Projectsでは関連する会話をコンテキスト付きのフォルダにまとめられ、Black Forest Labsと提携した画像編集機能も加わった。
Mistral AI News注目記事AIスコア6464 Mistral AI、音声理解モデルVoxtralを公開 24Bと3BをApache 2.0で提供
Mistral AIは音声理解モデルVoxtralを公開した。本番向けの24Bと、ローカルやエッジ向けの3Bの2サイズで、どちらもApache 2.0ライセンスである。APIは$0.001 per minuteから利用でき、Voxtral Mini TranscribeはOpenAI Whisperを上回る性能を半額未満の価格で提供するとしている。
選定理由：文字起こしと音声の理解を一つのモデルで扱う設計で、Whisperなど他社APIとの比較や価格が示されており、導入判断の材料にしやすい。
ELYZA（note）AIスコア3434 ELYZA、三井住友カードのコンタクトセンターで生成AIの活用成果を公開
ELYZAが三井住友カードのコンタクトセンターに提供した、RAGを用いて回答の草案を生成するAIにより、オペレーターの生産性が生成AI利用開始前と比べて約2倍になった。AIが生成した回答のうち有用性があると判定されたのは、2024年7月時点の46%から2025年3月時点では85%に上昇した。2024年12月からはチャット回答業務でも利用が始まった。
ELYZA（note）AIスコア2626 ELYZA、医療特化LLM基盤「ELYZA-LLM-Med」を開発
ELYZAは、医療領域に特化した日本語版LLM基盤「ELYZA-LLM-Med」シリーズを開発した。基盤モデル「ELYZA-Med-Base-1.0-Qwen2.5-72B」は、医師国家試験ベンチマーク「IgakuQA」で国内最高性能を達成したという。
ELYZA 技術ブログ（Zenn）AIスコア3838 ELYZA、日本語版汎用医療LLMでレセプト修正提案タスクを評価
ELYZAは、日本語版汎用医療LLMを微調整し、レセプトの確認修正箇所の要否判断と修正提案コメントの生成に取り組んだ。3,721件のアノテーションデータで学習し、修正要否判定ではgpt-4oやPFNの医療特化モデルを全指標で上回ったとしている。ただし全モデルの性能は低く、gpt-4oのf1は11.2%、開発モデルのベスト設定でもf1は30.9%にとどまった。
ELYZA 技術ブログ（Zenn）AIスコア4040 [Part1] 日本医療×LLM：ユースケース応用の基盤となる日本語版汎用医療LLMの開発
ELYZAは、オープンモデルの継続事前学習により日本語版汎用医療LLMを開発し、各ユースケースの基盤とした。予備実験では、Llama-3.1-70Bに英語の医学論文（peS2o）と医学・科学系の日本語コーパスを組み合わせた設定が、IgakuQAで最も高い性能を示した。日本語医学論文はそのままでは学習が不安定だったが、LLMでクレンジングすると安定性と性能が改善したという。
Mistral AI NewsAIスコア5353 Mistral AI、Devstral Medium発表とDevstral Small 1.1公開
Mistral AIはAll Hands AIとの協業で、コード向けのDevstral Mediumを発表し、Devstral SmallをDevstral Small 1.1へ更新した。Small 1.1は24BパラメータでApache 2.0ライセンスで公開され、SWE-Bench Verifiedで53.6%、Mediumは61.6%を記録している。
ELYZA（note）AIスコア2626 ELYZA、「マイナビAI Pencil」へ生成AI関連技術を提供・共同開発
ELYZAは、マイナビが2025年7月6日から「マイナビ転職」で提供する自己PR草案提案サービス「マイナビAI Pencil」に生成AI関連技術を提供し、共同開発を行った。生成AIと評価AIで作成・評価した高品質な草案約115万件を事前にデータベース化し、ユーザーの入力に応じて引き当てる方式を採用した。これによりユーザーの待ち時間やハルシネーションによる再生成の手間を減らし、企業のランニングコスト削減につなげている。
Mistral AI NewsAIスコア3030 Mistral AI、政府・公共機関向け「AI for Citizens」を発表
Mistral AIは、政府や公共機関がAIを戦略的に活用するための協業イニシアチブ「AI for Citizens」を発表した。公共サービスの変革、イノベーションの促進、競争力の確保を支援する。同社はフランス、ルクセンブルク、シンガポール、オランダ、イングランド、スイスなどの政府や公共機関とすでに取り組んでいるとされる。自己ホスティング、Mistral AIや現地パートナーのAIデータセンター、SaaSやserverless APIから導入方式を選べ、データを国の管轄内に保持できる点を特徴とする。
AISI Japan: OutputAIスコア3434 AISI事業実証ワーキンググループ、ヘルスケア・ロボティクス分野のAIセーフティ評価に向けたビジョンペーパーを公開
AISI事業実証ワーキンググループは、AIセーフティ評価に関するビジョンペーパーを公開した。ヘルスケア分野とロボティクス分野において、利用者のリスク理解を前提としたAIセーフティ評価の枠組み整備に向けたビジョンを示している。あわせて、各分野に共通するデータ品質・適合性評価の枠組みのビジョンも提示している。
ELYZA（note）AIスコア4040 Reasoning Modelと新たなスケーリング則がもたらす生成AIの進化の可能性（ELYZA社内勉強会）
ELYZAの社内勉強会資料として、Reasoning Modelの仕組みと、推論時に計算資源を増やすことで性能が向上する「Inference Time Scaling」の意味が解説されている。OpenAIはo1で、思考時間を長くするほどスコアが一貫して改善する結果を示したとされる。ELYZAはMCTSによる推論パス探索で約15万件の合成データを生成し、ELYZA-Thinking-1.0の開発に用いた。
SB Intuitions ブログAIスコア3434 ICML 2025採択論文「Scaling Laws for Upcycling Mixture-of-Experts Language Models」
SB Intuitionsの研究者Seng Pei Liew、Takuya Kato、Sho Takaseによる論文が、機械学習のトップカンファレンスICML 2025に採択された。小さなモデルを再利用（upcycling）して大規模なMoEモデルを構築する際のスケーリング則を調査している。その結果、再利用するデータを増やしても性能は単純には向上し続けず、元のモデルの学習方法の影響を受けるという新たな効果を見出し、upcyclingを効果的に行うためのガイドラインを提示している。
ELYZA（note）AIスコア2727 ELYZA、デジタル庁の生成AI業務利用に関する技術検証を受託、プロジェクトを実施
ELYZAは、デジタル庁の「生成AIの業務利用に関する技術検証および利用環境整備」を受託し、2024年5月31日から2025年3月31日まで、独自の『法人向け生成AI活用SaaS』の提供を支援した。同SaaSは海外製モデルと独自開発LLMの双方を運用でき、日系大手金融機関等のセキュリティ審査基準をクリアして導入された実績がある。法人向けの販売は2025年度に開始予定である。
Mistral AI NewsAIスコア3939 Mistral AI、AIインフラサービス「Mistral Compute」を発表
Mistral AIは、AIインフラサービス「Mistral Compute」を発表した。GPU、オーケストレーション、API、製品、サービスを含む非公開型の統合スタックを、ベアメタルサーバーからフルマネージドのPaaSまでの形態で提供する。NVIDIAのプレミアパートナーとして最新のリファレンスアーキテクチャを採用し、数万基規模のGPUを利用可能にするとしている。欧州の規制要件に適合するよう設計され、脱炭素エネルギーの利用も掲げる。
Mistral AI News注目記事AIスコア7575 Mistral AI、初の推論モデルMagistralを発表 オープンのSmallと企業向けMediumの2種
Mistral AIは同社初の推論モデルMagistralを発表した。24BパラメータのオープンソースMagistral Smallと、企業向けのMagistral Mediumの2種で提供する。AIME2024ではMediumが73.6%（majority voting @64で90%）、Smallが70.7%（同83.3%）だった。SmallはApache 2.0ライセンスでHugging Faceから入手でき、MediumはLe ChatやLa Plateforme APIでプレビュー提供される。
選定理由：オープンの24B版と企業向けMedium版の2系統で出た初の推論モデルで、AIME2024の数値や提供先も示されており、位置づけを把握しやすい。
Mistral AI NewsAIスコア4242 Mistral Code、企業向けAIコーディングアシスタントを発表
Mistral AIは、企業開発チーム向けのAIコーディングアシスタント「Mistral Code」を発表した。現在JetBrains IDEとVSCode向けにプライベートベータを公開しており、一般提供は近日中を予定している。コード補完にCodestral、コード検索にCodestral Embed、エージェント型コーディングにDevstral、チャットにMistral Mediumの4モデルを採用し、クラウド、専用キャパシティ、エアギャップ環境のオンプレミスGPUへの展開に対応する。
Mistral AI NewsAIスコア4141 Mistral AI、コード特化の埋め込みモデル「Codestral Embed」を発表
Mistral AIは、コード専用の初の埋め込みモデル「Codestral Embed」を公開した。実世界のコードデータを使った検索タスクで、Voyage Code 3、Cohere Embed v4.0、OpenAIの大規模埋め込みモデルを大きく上回るとしている。APIでは「codestral-embed-2505」の名称で提供され、価格は100万トークンあたり0.15ドル、バッチAPIでは50%割引となる。
Mistral AI News注目記事AIスコア6060 Mistral、組み込みコネクタとMCP対応のAgents APIを発表
Mistralは新たにAgents APIを発表した。コード実行、Web検索、画像生成、MCPツールの組み込みコネクタと、会話をまたぐ永続メモリ、エージェントのオーケストレーション機能を備え、Chat Completion APIを補完する枠組みとして提供される。SimpleQAではWeb検索の併用でMistral Largeが75%、Mistral Mediumが82.32%となった。
選定理由：組み込みコネクタ、永続的な会話、複数エージェントのハンドオフがAPI単位で整理され、エージェント実装の設計要素を把握しやすい。
SB Intuitions ブログAIスコア3838 日本語ModernBERTの開発: トークナイザと性能の関係編 (3/3)
SB Intuitionsの日本語ModernBERTについて、トークナイザに形態素解析器を事後的に組み込んだ場合の性能への影響を分析している。MeCab、Juman++、Sudachiを用いたトークナイザへの差し替えでも性能への影響は小さく、固有表現認識タスクでも高い性能を達成した。モデルは日本語と英語を合わせて約4.4T tokensで学習されている。
SB Intuitions ブログAIスコア3030 日本語ModernBERTの開発: 分析編 (2/3)
日本語ModernBERTの「系列長拡張: Phase 2」におけるマスク率と訓練エポック数の影響を検証した。マスク率15%は30%より平均スコアが高く（88.70対88.54）、JCoLAは約1.2ポイント改善した。Phase 2を3エポックにすると130Mモデルの平均は88.95になり、JCoLAはさらに0.6ポイント上がった。
SB Intuitions ブログAIスコア4040 日本語ModernBERTの開発と評価（1/3）
SB Intuitionsは、日本語と英語合わせて約4.4T tokensを学習した日本語ModernBERTを構築し、HuggingFaceでMITライセンスのもと公開した。パラメータサイズは30m、70m、130m、310mの4種類で、公開時点では同規模の各モデルと比べて最も高い性能を達成したとしている。既存モデルを含む12のデータセットで評価を行った。
Mistral AI News注目記事AIスコア7272 Mistral AI、エージェント型コーディングLLM「Devstral」をApache 2.0で公開
Mistral AIはAll Hands AIと共同で、ソフトウェアエンジニアリング向けのエージェント型LLM「Devstral」を発表した。SWE-Bench Verifiedで46.8%を記録し、従来のオープンソースSoTAを6ポイント超上回る。Apache 2.0ライセンスで公開し、APIではdevstral-small-2505として提供する。
選定理由：SWE-Bench Verifiedでの比較条件と、単体のRTX 4090やMac 32GBで動かせる点が併記され、ローカル導入の判断材料になる。
Mistral AI NewsAIスコア5050 Mistral AI、法人向けAIアシスタント「Le Chat Enterprise」を発表
Mistral AIは、Mistral Medium 3を搭載した法人向けAIアシスタント「Le Chat Enterprise」を発表した。エンタープライズ検索、エージェント構築、カスタムのデータ・ツールコネクタ、ハイブリッド展開などを備え、機能は今後2週間で順次公開される。Google Drive、SharePoint、Gmailなどに接続でき、Google Cloud Marketplaceで利用可能である。
Mistral AI NewsAIスコア5454 Mistral AI、エンタープライズ向けモデルMistral Medium 3を発表
Mistral AIはMistral Medium 3を発表した。Claude Sonnet 3.7の90%以上の性能を、入力$0.4・出力$2（100万トークンあたり）の低コストで実現するとしている。APIはMistral La PlateformeとAmazon Sagemakerで提供中で、ハイブリッドやオンプレミス、in-VPCでの展開にも対応する。
ELYZA（note）AIスコア5353 ELYZA、日本語推論モデル「ELYZA-Thinking-1.0-Qwen-32B」を商用利用可能な形で公開
ELYZAは、日本語の論理的思考能力を強化した推論モデル「ELYZA-Thinking-1.0-Qwen-32B」をApache 2.0ライセンスで公開した。320億パラメータでo1-miniに匹敵する性能を達成したとしている。開発過程で得られた「ELYZA-Shortcut-1.0-Qwen-32B/7B」も併せて公開している。
Mistral AI NewsAIスコア3535 Mistral AI、LLM as a JudgeによるRAGシステム評価を解説
Mistral AIは、LLM as a Judge方式でRAGシステムを評価する方法を解説し、評価枠組みとしてRAG Triad（Context Relevance、Groundedness、Answer Relevance）を挙げている。RAG Triadは検索された文書と回答の両方を評価でき、検索と生成の双方を端から端まで評価するのに役立つとされる。同社APIのカスタム structured outputs を使えば、評価基準とスキーマを定義し、機械可読な形式でスコアを出力できる。
SB Intuitions ブログAIスコア2222 SB Intuitions、COLING2025の参加報告
SB Intuitionsの研究者がCOLING 2025（1月19〜24日、アブダビ）に参加し、発表と注目論文を報告した。投稿2,723本のうち760本が採択され、Direct submissionsの採択率は約20%だった。自社発表はペルソナ対話の手法で、ペルソナをシャッフルして生成した応答を擬似負例とする選好チューニングにより、外部データなしで日英両言語のペルソナ一貫性を向上させたとしている。