OLMoはAllen Institute for AI（AI2）が開発したオープンな言語モデルファミリーで、テキスト専用モデルと一般公開されている研究成果物を提供しています。
注目ポイント
overview
OLMoはAllen Institute for AI（AI2）が開発したオープンな言語モデルファミリーで、AI研究者や開発者が言語モデルを研究、実験、利用できるようにします。AI2は、事前学習から事後学習までの各段階を網羅するモデルアーキテクチャ、学習データ、成果物へのアクセスを提供しています。掲載モデルはテキスト専用で、OLMo 3 7B-Instruct、7B-Think、32B-Instruct、32B-Think、およびOLMo 2 13Bなどのバリアントがあります。
features
AI2はOLMoを、モデルのライフサイクル全体を通じて研究や実験に活用できるオープンモデルプロジェクトとして紹介しています。掲載されている機能と仕様は次のとおりです。
use cases
AI2は研究者と開発者を対象ユーザーとして挙げ、モデルの研究や実験に関する用途を紹介しています。提供されたユースケースは次のとおりです。
how to use
まずAI2のOLMoモデルドキュメントを確認し、研究または開発の目的に合ったモデルバリアントを選択してください。提供資料では、OLMoの連携先としてHugging FaceとGitHubが挙げられています。
pricing
提供情報ではOLMoはオープンソースと説明され、無料プランがあることも示されていますが、具体的な価格、有料プラン名、商用利用料金は記載されていません。そのため、入手可能な製品情報から具体的な価格を示すことはできません。
この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
類似ツール
OLMoの特徴として示されているのは、モデル開発の各段階にわたるモデルアーキテクチャ、学習データ、成果物へのアクセスです。提供された競合製品の説明では、チェックポイントの提供状況、エコシステム、推論効率、多言語対応など、異なる点が重視されています。
Provides 16 dense decoder-only models ranging from 70M to 12B parameters with all intermediate training checkpoints and identical data order publicly available.
Both are designed explicitly for interpretability and scientific study of pretraining dynamics, but Pythia models are generally older and smaller than OLMo, lacking the contemporary performance and extended context windows of OLMo 2.
Industry-standard open-weights foundation model backed by Meta with massive community fine-tunes, tool support, and runtime optimizations.
You get significantly higher raw downstream benchmark performance and broader hardware tooling support, but you lose the full transparency OLMo provides since Meta does not release its exact pretraining data mix or checkpoints.
Offers highly optimized base and mixture-of-experts (MoE) architectures tailored for high inference throughput and low memory footprints.
Mistral models deliver superior reasoning and instruction-following efficiency out of the box, but their pretraining data, training code, and intermediate checkpoints are closed, making them unsuitable if your goal is open science and pretraining research.
Trained collaboratively by BigScience across 46 natural languages and 13 programming languages with fully documented open datasets.
BLOOM offers wider multilingual coverage and documented data lineage, but its parameter architectures are computationally heavier to run locally and trail OLMo's architecture in standard English benchmark efficiency.
Storkでもっと
同じカテゴリの他のツール（共通タグで関連付け）
使う価値のあるツールだけを、1日1通の短いメールで。しつこい売り込みはありません。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
