シンガポールの国家人工知能イニシアチブ (AISG) は、重要な戦略的転換を迎えています。最新の東南アジア言語大規模モデル プロジェクトで、AISG は Meta のモデルを放棄し、代わりに Alibaba の Qwen オープンソース アーキテクチャを採用しました。この選択は、技術的な路線の再考を反映しているだけでなく、中国のオープンソース AI モデルの世界的な影響力拡大における重要な一歩でもあります。
11 月 25 日、AISG は Qwen アーキテクチャに基づく「Qwen-SEA-LION-v4」モデルをリリースしました。これはすぐに東南アジアの言語能力を測定するオープンソース リストのトップになりました。この動きは、この地域を長年悩ませてきた言語適応問題を解決することを目的としている——Meta の Llama シリーズに代表される西洋のオープンソース モデルは、インドネシア語、タイ語、マレー語などの地域言語を扱う場合のパフォーマンスが低く、ローカライズされた AI アプリケーションの開発効率を大きく制限します。
Llama はオープンソース モデルの中で優れたパフォーマンスを持っていますが、その「英語中心」の基礎となる設計は根本的に変更することが難しく、タイ語やビルマ語などの非ラテン文字を処理する場合には非常に非効率的です。 AISG は、シリコンバレーのオープンソース モデルに依存することは東南アジア諸国にとって最適な解決策ではないことに徐々に気づき、多言語、特にアジアの言語コンテキストを真に理解できる基本モデルを探す必要があると考えています。
このような背景から、AISGは最終的に中国に注目し、新世代シーライオンモデルのベースとしてアリババのQwen3-32Bを選択しました。
欧米のモデルとは異なり、Qwen3 は事前トレーニング段階で最大 36 兆のトークン データを使用し、世界中の 119 の言語と方言をカバーします。この「ネイティブの多言語能力」は、インドネシア語、マレー語、その他の文字を「認識」するだけでなく、それらの文法構造を根底から理解するため、AISG のその後のトレーニングの技術的敷居が大幅に下がります。
東南アジア言語の独特の記述習慣によりよく適応するために、Qwen-Sea-Lion-v4 は西洋モデルで一般的に使用されている「文トークナイザー」を放棄し、代わりにより高度なバイト ペア エンコーディング (BPE) トークナイザーを採用しています。この技術により、タイ語やビルマ語などのスペースのない言語の文字をより正確に分割できるようになり、翻訳精度と推論速度が大幅に向上しました。
技術的な利点に加えて、商用実装に向けた実際的な考慮事項もアリババの成功の鍵です。東南アジアには、高価な H100 GPU クラスターを購入できない中小企業が多数存在します。最適化された Qwen-Sea-Lion-v4 は、32 GB のメモリを搭載した消費者グレードのラップトップでスムーズに実行できるため、一般の開発者はこの全国レベルのモデルをローカルに展開できます。この「産業レベルの機能と消費者レベルのしきい値」という特徴は、この地域の不足しているコンピューティング リソースの問題点に正確に適合します。
この協力は一方向の技術成果ではなく、双方向の深い統合です。合意によると、アリババは強力な普遍的推論基盤を提供し、AISGはクリーン化された1,000億の東南アジア言語トークンを提供する。これらのデータは著作権リスクを完全に回避しており、東南アジアのコンテンツの集中度は 13% と高く、これは Llama2 の 26 倍です。
Sea-Helm の評価リストでは、アリババのコア技術を搭載した Sea-Lion v4 が同規模のオープンソース モデルのリストですぐにトップとなり、この戦略的協力の技術的価値と地域適応性が実証されました。
