GLiNER2.5-Decideが公開。ラベルをその場で指定して運用判断を自動化。
この記事のポイント
- 340Mパラメータの英語分類モデル
- 17領域300例で正確さを測定
- 一般モデルではなく業務判断専用
数字で見る
この記事に出てくる数字
| モデルパラメータ | 340M |
|---|---|
| 評価ドメイン数 | 17 |
| 評価サンプル数 | 300 |
どこで使えるか
運用判断の自動化を自前で組む人向け。ラベルは呼び出し時に指定。 Hugging Faceで公開済み 英語専用。多言語ならmulti版
スポンサーリンク
解説
かみくだいて説明します
fastinoが2026年9月23日に公開した分類モデルGLiNER2.5-Decideは、340Mの規模で、呼び出すたびにラベルセットを渡すだけで複数の判断を一度に処理できます。
呼び出すたびにラベルを指定できるんですか?
そうです。通常はモデルごとに目的に合わせて作り替える必要がありますが、このモデルは呼び出しのたびにラベルのリストを渡すだけで対応します。プロンプトのテンプレートも生成されるテキストも使わず、ローカルに読み込んで動かせる仕組みです。
確かに!現場で使う技術者から見ると、いま使われているやり方を置き換える話なんですね。
置き換える話です。複数のタスクを一度に処理できるので、顧客の問い合わせが一つでも、支払いの失敗と手数料の質問をまとめて判断し、対応するワークフローを最初から選べます。評価は17の領域で各300件のデータを使い、正確にラベルを当てはめる結果が出ています。
評価結果が気になるんですね。専門用語の「生成されるテキストを使わない」とはどういう意味ですか。
通常のAIが文章を自分で作り出すのに対し、このモデルはラベルの名前だけを返します。例えば顧客のメッセージを読んで「キャンセル」という言葉を出力するだけで、それ以上の文章は作らない仕組みです。
なるほど。研究する人から見ると、これまでは領域ごとに別のモデルを用意する必要があったんですね。
従来は領域ごとに別のモデルを用意するか、プロンプトを細かく調整する必要がありました。このモデルは同じ重みで複数の判断を一度に行えるので、開発の手間と計算資源を減らせます。ただし英語専用で、多言語が必要な場合は別モデルを使う必要があります。
英語専用なんですね。AIを使う側から見ると、手元で動かすのに何が要りますか。
モデルはAutoExtractorで読み込んで手元の環境で動きます。GPUの性能で速度が変わりますが、専用サーバーなしで社内の環境や個人の環境で運用できます。
社内や個人の環境で運用できるんですね。では、このモデルの限界について教えてください。
汎用のAIのように推論したり、質問に答えたりする機能はありません。業務の判断に特化しているので、それ以上の応答を求める場合は別のモデルを選ぶ必要があります。
業務の判断に特化しているんですか。最後に、今後の展開について教えてください。
今後、精度の向上や他の言語への対応が進む見込みですが、詳細なスケジュールや追加機能についてはそこはまだ分かっていません。
出典
この記事のもとになった情報
- Hugging Face:fastino/GLiNER2.5-Decide
- 公開日:2026-09-23
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。