Cohere For AI、多言語・マルチモーダルモデルファミリー「Aya Vision」を発表
A Deepdive into Aya Vision: Advancing the Frontier of Multilingual Multimodality
Cohere For AIは、23言語に対応するオープンウェイトの多言語・マルチモーダルモデルファミリー「Aya Vision」を発表しました。Aya Visionは、画像キャプション生成、視覚的質問応答、テキスト生成、テキストと画像の翻訳など、多様なタスクで高い性能を発揮します。特に、Aya Vision 32Bは、自身のサイズ(32Bパラメータ)の2倍以上のモデルと比較して、AyaVisionBenchで50%~64%、mWildVisionで52%~72%の勝率を達成しました。また、より小型なAya Vision 8Bモデルも、同クラスのモデルと比較して最大79%(AyaVisionBench)および81%(mWildBench)の勝率を示しました。これらのモデルは、合成アノテーション、多言語データの拡充、マルチモーダルモデルのマージといった技術を用いて開発されました。さらに、研究コミュニティの進歩を加速するため、8Bおよび32Bモデルの両方がオープンウェイトで公開されます。同時に、23言語をカバーし9つのタスクカテゴリを含む新しいベンチマークデータセット「AyaVisionBench」もリリースされました。Aya VisionはWhatsAppなどのプラットフォームで利用可能であり、実世界での応用が期待されています。
- Cohere For AIが23言語対応のオープンウェイト多言語・マルチモーダルモデルファミリー「Aya Vision」(8B/32B)を発表
- Aya Vision 32Bが同サイズ以上の競合モデルと比較してAyaVisionBenchで50〜64%、mWildVisionで52〜72%の勝率を達成
- 新ベンチマークデータセット「AyaVisionBench」(23言語・9タスクカテゴリ)をリリース
CoFor AIが発表したAya Visionは、23言語対応のオープンウェイトマルチモーダルモデルであり、特に低リソース言語を含む多言語対応が競合に対する差別化要因となる。ベンチマークで同サイズ以上のモデルを上回る性能を示しており、オープンウェイト戦略によって研究コミュニティや新興市場での採用が加速する可能性がある。WhatsApp等での実利用が始まっている点も、B2B・B2C双方での収益機会を示唆しており、投資家としては多言語AI市場におけるポジショニングとエコシステム形成の動向に注目したい。