GPT-4oやDeepSeek V3を超える!?Qwen2.5-Maxとは?導入手順から比較検証まで徹底解説

GPT-4o DeepSeek V3 Qwen2.5-Max
  • MoEアーキテクチャを採用しDeepSeeK V3を上回る性能
  • APIでの利用可能
  • 事前トレーニングは20兆トークン

2025年1月29日、Alibabaから新たなLLM「Qwen2.5-Max」がリリース!これでQwen2.5-1MQwen2.5-VLに続き3日連続のリリースです。

DeepSeek V3、GPT-4o、Claude-3.5-SonnetなどのLLMと比較し、DeepSeek V3を上回る性能を発揮。

本記事では、Qwen2.5-Maxの概要からgoogle colaboratoryでの使い方、そのほかのモデルとの性能比較を解説します。最後まで読むことでQwen2.5-Maxがどういったモデルなのか、どのような強みがあるのか理解できます。

ぜひ最後までお読みください!

目次

Qwen2.5-Maxの概要

Qwen2.5-MaxはAlibabaがリリースしたLLMです。

Qwen2.5-Maxは従来のLLMとは異なり、MoE(Mixture of Experts)というアーキテクチャを採用しています。事前学習は20兆以上のトークンで学習されており、Supervised Fine-Tuning(SFT)およびReinforcement Learning from Human Feedback(RLHF)によってさらに最適化されています。

Qwen2.5-MaxはAPIで利用するか、Qwen Chatで利用することになります。また、OpenAIのAPIと互換性もあります。

Mixture of Experts

Mixture of Expertsは通常のDenseモデルとは異なり、「Experts(専門家)」と呼ばれる複数のサブネットワークを持ち、それぞれが特定の入力に応じて有効化される仕組みです。

少し身近なことで例えると、例えば風邪の症状があって総合病院を受診したとしましょう。総合病院には風邪に特化した内科や外傷などに特化した整形外科(=Experts)がそれぞれいます。

どの診療科を受診するかは、受診した理由(=入力されたデータ)に応じて診療科が決められます。

これがMoEのイメージです。患者の症状が入力データやトークンであり、診療科が専門家。この時にそれぞれの診療科に割り振るのがルーティングになります。

MoEでは数学のタスクであれば数学の専門家に、プログラミングのタスクであればプログラミングの専門家に割り振ることで、従来のDenseモデルよりも効率的に大規模計算を処理できるようになります。

Supervised Fine-Tuning

Supervised Fine-Tuningは教師ありファインチューニングや教師あり微調整と言われますが、LLMを特定のタスクや目的に最適化するための訓練手法です。

事前学習されたモデルに対し、人がラベル付けしたデータを使って追加学習を行うことで、より高品質で目的に合った出力を生成できるようになります

STFは高い適応性があり、特定のドメインや用途に合わせてモデルの性能を向上させることが可能。

そのため、医療や法律、プログラミングなどの専門分野に特化したモデルを効率的に構築でき、さらに、SFT は効率的な学習を実現し、ゼロからモデルを学習させる場合と比較して、少ないデータと計算リソースで高性能なモデルを得ることができます。

後述するRLHFと組み合わせることで、より人間らしい応答が可能になります。

Reinforcement Learning from Human Feedback

Reinforcement Learning from Human Feedbackは、人間のフィードバックを活用して、LLMの出力を改善する強化学習の手法

従来の強化学習では、明確な報酬関数を定義する必要がありますが、言語モデルにおいて「正しい回答」と「望ましい回答」は必ずしも一致しないため、適切な報酬関数を設計することが難しいです。

そこで、人間の評価(フィードバック)を活用し、モデルがより「自然で人間らしい応答」を生成するように学習させるのがRLHFの目的です。

RLHFの最初のステップでSTFを実施します。この段階でモデルに基本的な対話能力やタスクの適応性を持たせており、より人間らしい応答ができるようになります。

Qwen2.5-Maxのパフォーマンス

Qwen2.5-MaxのパフォーマンスはDeepSeeK V3、Llama3.1、GPT-4o、Claude3.5 sonnetで比較されています。

参考:https://qwenlm.github.io/blog/qwen2.5-max/

縦軸がベンチマークのスコア、横軸が各ベンチマークの種類です。

左からArena-Hard、MMLU-Pro、GPQA-Diamond、LiveCodeBench、LiveBench

上記5つのうち4つのベンチマークでQwen2.5-Maxが最も優れたスコアを記録する結果になりました。唯一トップスコアを取れなかったのがLiveCodeBenchで、コーディング能力を評価するベンチマークです。

コーディング能力としては、Claude 3.5 sonnetの方が若干ですが優れているようです。ただ、総合的に見るとQwen2.5-Maxは非常に性能の高いLLMであることがわかります。

Chatbot Arenaで性能を確認しましたが、最終更新日が2025/01/27であり、Qwen2.5-Maxの性能はまだ登録されていませんでした。

Gemini-2.0-Flash-Thinking-Exp-01-21との性能の差が気になるので、Qwen2.5-Maxが登録されるのが待ち遠しいです。

参考:https://huggingface.co/spaces/lmarena-ai/chatbot-arena-leaderboard

また、こちらのベンチマークではQwen2.5-Maxが非常に優れていることがわかります。

参考:https://qwenlm.github.io/blog/qwen2.5-max/

Qwen2.5-Maxのライセンス

HuggingFaceやGitHubページが見つからずに、Qwen2.5-Maxのライセンスについては不明です。Alibaba Cloud の Model Studio経由で利用可能なので、Alibaba Cloudの規約に従う必要があるのかもしれません。

利用用途可否
商用利用不明
改変不明
配布不明
特許使用不明
私的使用不明

なお、視覚推論ができるQVQ-72B-Previewについて詳しく知りたい方は、下記の記事を合わせてご確認ください。

Qwen2.5-MaxをChat版・デモ版で利用する方法

Qwen2.5-Maxを利用するにはChat版を利用するかデモを利用するか、API利用の3パターンがあります。

まず、Chat版から動かしてみます。

参考:https://chat.qwenlm.ai/

次にデモ版を動かしてみます。

参考:https://huggingface.co/spaces/Qwen/Qwen2.5-Max-Demo

チャット版もしくはデモ版は手軽にQwen2.5-Maxを体験できるので、ひとまず体感してみたいという方にはおすすめです。

Qwen2.5-MaxをAPI経由で利用する方法

では、Qwen2.5-MaxのAPIを使って実装をしていきます。

まずはAPIキーを取得する必要があるので、Alibabaの公式ページからAPIキーを取得しましょう。

まだActivateしていない場合、Activateを求められます。ただし事前に支払いをしていないとActivateできないので、そのままActivateボタンをクリック、Activateを行うとメールが送られてくるのでそこから1ドル支払いを行います。

以下の画面で「Confirm activation get free quota」をクリックするとメールが来ます。

メールが送られてくるとAlibaba Cloudのページに飛びますので、そこで支払いを完了させてください。その後、APIKeyを作成するページに戻りactivationができるようになります。

Qwen2.5-Max実行環境

◼︎Pythonバージョン:Python3.9以上
◼︎システム RAM:1.4 / 51.0 GB
◼︎ディスク:28.8 / 225.8 GB
◼︎プラン:有料
◼︎CPU使用

まずは必要ライブラリのインストール。

!pip install openai

あとはAPIキー登録して実行するだけです。

サンプルコードはこちら
from openai import OpenAI

client = OpenAI(
    api_key="",
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen-max-2025-01-25",
    messages=[
        {'role': 'system', 'content': 'You are a helpful assistant.'},
        {'role': 'user', 'content': 'Which number is larger, 9.11 or 9.8?'}
    ]
)

print(completion.choices[0].message.content)
結果はこちら

client = OpenAI(
from openai import OpenAI

# APIキーを直接指定
client = OpenAI(
    api_key="sk-f9754d5d8fef46069e8f9b6edaa0eaab",  # ここに Model Studio で取得した APIキーを入力
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen-max-2025-01-25",
    messages=[
        {'role': 'system', 'content': 'You are a helpful assistant.'},
        {'role': 'user', 'content': 'Which number is larger, 9.11 or 9.8?'}
    ]
)

print(completion.choices[0].message.content)

To determine which number is larger between **9.11** and **9.8**, let's compare them step by step:

### Step 1: Compare the whole-number parts
Both numbers have the same whole-number part, which is **9**. So, we move to the decimal part for further comparison.

### Step 2: Compare the tenths place
- In **9.11**, the digit in the tenths place is **1**.
- In **9.8**, the digit in the tenths place is **8**.

Since **8 > 1**, **9.8** is larger than **9.11**.

### Final Answer:
$$
\boxed{9.8}
$$

簡単な問題ですが、適切に回答できていますね。

Qwen2.5-MaxとGemini-2.0 Flash Thinkingを比較検証

Qwen2.5-MaxがClaude 3.5 sonnetやGPT-4oなどのモデルよりも優れているのは、公式ページの報告からわかりました。しかし、Gemini-2.0 Flash Thinkingとの比較がされていないので、今回はこの2つのモデルに同じタスクを課した時のレスポンスを比較してみたいと思います。

与えるタスクは次の3つです。

  • 取引先へのアポイントメール作成
  • 日本語の修正
  • 基本的な日本語タスク

取引先へのアポイントメール作成

取引先へのアポイントメールとして、以下のプロンプトを与えます。

取引先に対して、アポイントメントのメールを作成してください。

Qwen2.5-Maxの結果はこちら
件名: アポイントメントのご依頼

○○株式会社
○○様

いつもお世話になっております。
△△株式会社の□□(あなたの名前)でございます。

このたび、貴社との打ち合わせの機会を設けたく存じます。つきましては、ご都合の良い日時をお伺いできればと存じます。

以下の候補日時をご確認いただき、ご都合が合うスケジュールがございましたらご返信いただければ幸いです。また、別の日時が希望の場合は、お知らせくださいませ。柔軟に対応させていただきます。

【候補日時】

○月○日(曜日)○時~
○月○日(曜日)○時~
○月○日(曜日)○時~
【場所】
・オンライン会議(Zoom等)
または
・対面(貴社もしくは弊社オフィス)

議題としては、以下の点についてお話しさせていただきたく存じます。

△△に関するご相談
□□についての進捗確認
(※必要に応じて具体的な内容を記載してください)
お忙しいところ恐れ入りますが、何卒よろしくお願い申し上げます。

お手隙の際にご返答いただけますと幸いです。

敬具

署名
△△株式会社
□□部 □□課
氏名:□□ □□(ふりがな)
電話番号:XXX-XXXX-XXXX
メールアドレス:XXX@XXX.com
住所:〒XXX-XXXX ○○市○○区○○ビル

必要に応じて、内容やフォーマットを調整してください。
Gemini2.0の結果はこちら
取引先へのアポイントメントメールの作成例

件名:【〇〇株式会社】△△の件に関するお打ち合わせのお願い

株式会社□□
〇〇様

いつもお世話になっております。
〇〇株式会社の◎◎です。

さて、この度は、△△の件につきまして、ぜひ一度〇〇様と直接お話しさせていただきたく、ご連絡いたしました。

具体的には、△△について、現状の課題や今後の展望などを共有させていただき、貴社との連携をより一層深めていければと考えております。

つきましては、誠に恐縮ではございますが、下記日程にてお打ち合わせのお時間をいただけないでしょうか。

候補日時:

〇月〇日(〇)〇時~〇時

〇月〇日(〇)〇時~〇時

〇月〇日(〇)〇時~〇時

場所: 貴社ご指定の場所、またはオンライン会議

もちろん、上記日程以外でも調整可能ですので、ご都合の良い日時をいくつかお教えいただけますと幸いです。

お忙しいところ大変恐縮ですが、ご検討いただけますようお願い申し上げます。

署名

ポイント:

件名:

誰からのメールか(会社名)

用件が一目でわかるように簡潔に

宛名:

会社名、役職、氏名を正確に記載

役職が不明な場合は「〇〇様」または「ご担当者様」

挨拶:

いつもお世話になっている感謝を伝える

初めて連絡する場合は「初めてご連絡させていただきます」など

用件:

目的を明確かつ簡潔に伝える

相手にメリットがあることを示唆する

日程:

候補日を複数提示する

時間帯も具体的に記載

場所や形式も明記

調整可能であることを伝える

結び:

相手の都合を気遣う言葉を入れる

返信のお願い

署名:

会社名、部署名、役職、氏名、連絡先を明記

その他:

丁寧な言葉遣いを心がける

句読点や改行を適切に使い、読みやすくする

返信期限を設けると、よりスムーズにアポイントが取りやすい場合もあります。(例:「〇日(〇)までにご返信いただけますと幸いです。」)

必要に応じて、自己紹介や補足情報を加える

例文の【〇〇株式会社】や△△、□□、〇〇、◎◎などは、具体的な会社名や担当者名、用件に合わせて適宜変更してください。

取引先のアポイントメール作成はQwen2.5-MaxもGemini2.0もテンプレとして使用できそうな完成度ですね。

生成速度としては、Geminiの方が速かったです。

日本語の修正

次に適切な日本語に修正するタスクです。

あなたは、優秀なビジネスマンです。以下の内容をもとに、欠勤メールの文章をリライトしてください。
#メール内容
よう!くそパイセン! 
昨日の飲み会のせいで2日酔い酷くて朝から死ぬほど頭痛いんで、会社休むわー

今日の俺の業務も代わりにやっといてー
あ、あと明日は会社行けたら行く

よろー

#条件
- 敬語を正確に使う
- 不適切な内容は排除してください。
- 悪い言葉をすべて丁寧な言葉に変える
- 文章最後に電子署名を入れる

#出力

本文:
Qwen2.5-Maxの結果はこちら
件名: 本日の欠勤のご連絡

○○部長

お世話になっております。
この度は、急なご連絡となり誠に申し訳ございません。本日体調不良のため、会社を休ませていただきたくご連絡差し上げました。

昨日の飲み会の影響で体調を崩してしまい、本日は頭痛がひどく、業務に支障をきたす可能性があると判断いたしました。つきましては、本日の業務を代わりに対応していただけるようお願い申し上げます。

また、明日に関しましては体調次第ではありますが、出社できるよう努めてまいります。状況が分かり次第、改めてご連絡させていただきます。

ご迷惑をおかけいたしますが、何卒よろしくお願い申し上げます。

敬具

電子署名
株式会社○○
営業部 山田 太郎
電話番号:000-0000-0000
メールアドレス:example@example.com
Gemini2.0の結果はこちら
はい、承知いたしました。以下にリライトした欠勤メールの文章と電子署名を記載します。

件名:欠勤のご連絡

〇〇部長殿

いつもお世話になっております。

昨晩の会食の影響により、体調を崩してしまい、誠に申し訳ございませんが、本日欠勤させていただきます。

つきましては、本日予定しておりました業務につきまして、大変恐縮ではございますが、〇〇様にご対応いただくことは可能でしょうか。

明日、出社できるかどうかですが、体調が回復次第、出社させていただきたく存じます。

取り急ぎ、メールにてご連絡いたします。

署名

電子署名

氏名:
部署名:
役職:
メールアドレス:
電話番号:

リライトのポイント

件名: 用件が明確になるように「欠勤のご連絡」としました。

宛名: 役職名と「殿」をつけ、敬意を示す表現にしました。

挨拶: 丁寧なビジネスメールの定番である「いつもお世話になっております」を入れました。

欠勤理由: 「昨日の飲み会のせいで二日酔い」という直接的な表現を避け、「昨晩の会食の影響により、体調を崩してしまい」と、より丁寧で一般的な表現にしました。「死ぬほど頭痛い」という誇張表現を避け、「体調を崩してしまい」としました。

欠勤の連絡: 「会社休むわー」を「欠勤させていただきます」とし、謙譲語を用いて丁寧にしました。

業務の依頼: 「今日の俺の業務も代わりにやっといてー」という命令口調から、「本日予定しておりました業務につきまして、大変恐縮ではございますが、〇〇様にご対応いただくことは可能でしょうか」と、依頼の形にし、クッション言葉と疑問形を用いることで、より丁寧な表現にしました。

明日の出社: 「明日は会社行けたら行く」という曖昧な表現を避け、「明日、出社できるかどうかですが、体調が回復次第、出社させていただきたく存じます」と、体調が回復すれば出社する意思があることを丁寧に伝えました。

結び: 「よろー」を「取り急ぎ、メールにてご連絡いたします」とし、ビジネスメールの結びとして適切な表現にしました。

署名: 電子署名を追記し、誰からのメールか明確にしました。

その他

全体的に、丁寧語、謙譲語、尊敬語を適切に使い、ビジネスシーンにふさわしい丁寧な文章になるように心がけました。

不必要な情報を削除し、簡潔で分かりやすい文章になるようにしました。

改善点

上司との関係性によっては、「〇〇部長様」や「〇〇部長」とする方がより適切な場合もあります。

欠勤理由について、より詳細な説明が必要な場合は、状況に応じて追記してください。

署名については、会社で定められたフォーマットがある場合は、そちらに従ってください。

このリライトによって、元のメールの失礼な印象がなくなり、ビジネスシーンで適切な丁寧な欠勤連絡になったかと思います。

Qwen2.5-Maxのメール文章は明らかに二日酔いということがわかる文章ですが、Geminiは「昨晩の会食の影響により、体調を崩してしまい」と、二日酔いの可能性は残しつつもあからさまに二日酔いを表現していないのが良いですね。

少ない指示で上記の配慮ができるのであれば良いなと思います。

基本的な日本語タスク

次に基本的な日本語タスクとして以下のプロンプトを与えます。

新規営業先開拓のために、メール営業を行います。弊社の商品は女性向けのヘアケア商品です。特徴は髪の毛のケアをしながら、洗うことができる点です。弊社のヘアケア商品を実際に使用したユーザーからは「使用後に髪の毛がサラサになった」、「友達に髪の毛綺麗になったね」といった口コミをいただいています。これらを踏まえて営業メールを作成してください。

Qwen2.5-Maxの結果はこちら
件名: 髪を洗いながらケアできる新感覚ヘアケア商品のご提案

○○株式会社
○○様

いつもお世話になっております。
株式会社○○の○○(あなたの名前)でございます。

このたびは、貴社の事業の一層の発展に貢献できるのではないかと考え、弊社が取り扱っております女性向けヘアケア商品のご案内をさせていただきます。

商品の特徴
弊社のヘアケア商品は、「髪を洗う」と「ケアする」を同時に実現した新感覚の製品です。
独自の技術により、シャンプー時から髪に潤いを与え、ダメージを補修しながら美しい髪へと導きます。

実際にご使用いただいたお客様からは、以下のような嬉しいお声をいただいております。

「使用後に髪がサラサラになった!」
「友達から『髪綺麗になったね』と言われた!」
このような実績からも、多くの女性のお客様に支持されており、美容室やサロンでの取扱い拡大につながっている状況です。

ご提案内容
貴社の取り扱い商品ラインナップに加えていただくことで、新しい顧客層の開拓や売上向上が見込めると考えております。

つきましては、ぜひ一度商品詳細やサンプルをお届けし、具体的なご提案をさせていただきたいと存じます。

ご興味をお持ちいただけましたら、ぜひご返信賜りますようお願い申し上げます。
また、直接お話しできる機会をいただけると幸いです。

何卒よろしくお願い申し上げます。

敬具

電子署名
株式会社○○
営業部 ○○(あなたの名前)
電話番号:000-0000-0000
メールアドレス:example@example.com
Webサイト:https://www.example.com

※このメールが不要な場合や、今後配信を停止してほしい場合はお手数ですがご連絡ください。
Gemini2.0の結果はこちら
はい、承知いたしました。女性向けヘアケア商品の新規営業メールを以下に作成します。

件名:【髪の悩みを解決】貴社のお客様へ「洗うたびに美髪へ導く」ヘアケア商品のご提案

〇〇株式会社
〇〇様

いつもお世話になっております。
株式会社△△の□□と申します。

この度、貴社のお客様へ新たな価値をご提供できると考え、メールにてご連絡させていただきました。

弊社は、女性向けのヘアケア商品の開発・販売を行っております。
特にご好評いただいておりますのが、「ケアしながら洗う」 をコンセプトにしたヘアケア商品です。

一般的なヘアケア商品は、洗浄成分が強く、髪や頭皮への負担が気になるというお声も少なくありません。
しかし、弊社のヘアケア商品は、天然由来の優しい洗浄成分 と 豊富な美容成分 を配合することで、

洗いながら髪の内部まで浸透し、ダメージを補修

頭皮の潤いを保ち、健やかな髪の成長をサポート

使うたびに髪本来の美しさを引き出す

といった効果が期待できます。

実際にご使用いただいたお客様からは、

「使用後、髪が驚くほどサラサラになった!」

「友達から『髪、綺麗になったね』と褒められた!」

「パサつきや広がりが気にならなくなり、スタイリングが楽になった!」

など、嬉しいお声を多数いただいております。

貴社のお客様は、美容意識が高く、ヘアケアに関心の高い女性が多いと伺っております。
弊社のヘアケア商品は、そのようなお客様のニーズに確実にお応えできるものと確信しております。

つきましては、ぜひ一度、貴社のお客様へ弊社のヘアケア商品をご紹介いただけないでしょうか。

ご興味をお持ちいただけましたら、商品の詳細資料をご送付させていただきます。
また、貴社のご要望に合わせて、サンプル提供 や オンラインでの商品説明 も可能です。

まずは一度、お電話またはメールにてお打ち合わせさせていただければ幸いです。

お忙しいところ恐縮ですが、ご検討いただけますようお願い申し上げます。

署名

電子署名

株式会社△△
営業部 □□ 〇〇

〒XXX-XXXX
東京都〇〇区〇〇町X-X-X
TEL:XXX-XXX-XXXX
FAX:XXX-XXX-XXXX
Email:xxxx@xxxx.co.jp
URL:[貴社ホームページURL]

ポイント

件名: ターゲット顧客の悩みと商品の強みを簡潔に表現し、開封率を高めることを意識しました。

冒頭: 丁寧な挨拶と自己紹介で、信頼感と安心感を与えるように心がけました。

商品紹介: 「ケアしながら洗う」というコンセプトを強調し、商品の独自性とメリットを明確に伝えました。

顧客の声: 具体的な口コミを引用することで、商品の効果を具体的にイメージできるようにしました。

ターゲット層: 貴社の顧客層に合わせた提案であることを明示し、関連性を高めました。

提案: 資料送付、サンプル提供、オンライン説明など、具体的な次のステップを提示し、アクションを促しました。

結び: 丁寧な言葉遣いで、好印象を与え、返信を促すようにしました。

署名: 会社情報、連絡先を明記し、信頼性を高めました。

その他

件名、本文ともに、ターゲット顧客に響くように、女性が興味を持ちやすい言葉遣いを意識しました。

商品の特徴、強みを簡潔にまとめ、読みやすい文章になるように心がけました。

貴社のウェブサイトやパンフレットなど、既存の資料と整合性が取れるように作成しました。

この営業メールが、貴社の新規顧客開拓の一助となれば幸いです。

こちらのメール内容に関しては、個々人の趣味も入ってくると思うので、どちらが良いかは一概に言えませんが、強いていうのであれば「このメールが不要な場合や、今後配信を停止してほしい場合はお手数ですがご連絡ください。」という文言が入っていて、相手への配慮が感じられます。

なお、OpenAI互換のオープンソースAIをローカル環境で活用する方法について詳しく知りたい方は、下記の記事を合わせてご確認ください。

まとめ

本記事ではQwen2.5-Maxの概要からgoogle colaboratoryでの使用方法、Gemini-2.0 Flash Thinkingとの比較結果の解説を行いました。

これまでのLLMに比べ性能が非常に良くなっているQwen2.5-Maxですが、Chatbot Arenaにまだ上がってきていないのでGemini-2.0 Flash Thinkingとどのくらい性能差があるか気になるところですね。

性能の良いLLMが出てくれば出てくるだけ、LLMを組み込んだアプリやデバイスの性能も向上すると思いますので、今後広まって行くのが楽しみです。

ぜひ本記事を参考にQwen2.5-Maxを実装してみてください!

最後に

いかがだったでしょうか?

LLMなどの最適化技術を活用することで、より高度な顧客対応、自動化、分析が可能です。競合を上回るパフォーマンスを最大限に引き出す方法をご提案します。

株式会社WEELは、自社・業務特化の効果が出るAIプロダクト開発が強みです!

開発実績として、

・新規事業室での「リサーチ」「分析」「事業計画検討」を70%自動化するAIエージェント
・社内お問い合わせの1次回答を自動化するRAG型のチャットボット
・過去事例や最新情報を加味して、10秒で記事のたたき台を作成できるAIプロダクト
・お客様からのメール対応の工数を80%削減したAIメール
・サーバーやAI PCを活用したオンプレでの生成AI活用
・生徒の感情や学習状況を踏まえ、勉強をアシストするAIアシスタント

などの開発実績がございます。

まずは、無料相談にてご相談を承っておりますので、ご興味がある方はぜひご連絡ください。

➡︎生成AIを使った業務効率化、生成AIツールの開発について相談をしてみる。

生成AIを社内で活用していきたい方へ
LLM比較レポート

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、大規模言語モデル(LLM)を対象に、言語理解能力、生成能力、応答速度の各側面について比較・検証した資料も配布しております。この機会にぜひご活用ください。

投稿者

  • 翔平

    総合病院で10年間理学療法士として勤務し、患者のリハビリテーション支援に従事。その後、Pythonを独学で学び、データ分析のスキルを活かしてデータアナリストに転身。 データ分析の知見を活かし、主にテクニカル記事を担当。趣味はキックボクシング。

  • URLをコピーしました!
  • URLをコピーしました!
目次