Docs
...
What's new

IBM Cloudの watsonx as a Service の新機能

最終更新: 2025年4月17日
IBM Cloudの watsonx as a Service の新機能

IBM watsonx.aiとIBM watsonx.governanceonIBM Cloud の新機能とアップデートについては、毎週チェックしてください。

AWS 上のIBM watsonx.governanceについては、 AWS上IBM watsonx.governanceの新機能を/span>のを参照してください。

ヒント更新後に特定のアクションを実行する必要がある場合があります。 すべての必要なアクションを見るには、このページを "Action required "で検索してください。

2025年4月18日までの週

Granite 3.3 の新モデルに取り組む。 watsonx.ai

16 2025年4月

IBM で提供されている以下の Granite モデルを使用できるようになりました。 watsonx.ai:

  • granite-3-3-8b-instruct マルチテナント・ハードウェアでの推論が可能
  • granite-3-3-2b-instruct オンデマンドで展開可能

詳しくは、サポートされているファンデーションモデルをご覧ください。 To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

IBM Granite ファミリーのいくつかのモデルは非推奨である

16 2025年4月

IBM Granite ファミリーの以下のモデルは非推奨であり、間もなく廃止れる予定です。 これらの基礎モデルを使用しているプロンプトを修正する。

  • granite-3b-code-instruct

    • 廃止日：2025年4月16日
    • 脱退日：2025年7月17日
    • 代替モデル： granite-3-3-8b-instruct

  • granite-20b-code-instruct

    • 廃止日：2025年4月16日
    • 脱退日：2025年7月17日
    • 代替モデル： granite-3-3-8b-instruct

  • granite-34b-code-instruct

    • 廃止日：2025年4月16日
    • 脱退日：2025年7月17日
    • 代替モデル： granite-3-3-8b-instruct

  • granite-8b-japanese

    • 廃止日：2025年4月16日
    • 脱退日：2025年8月20日
    • 代替モデル:granite-3-8b-instruct

非推奨と脱退の詳細については、Foundationモデルのライフサイクルを参照してください。 代替モデルの詳細については、サポートされている財団モデルを参照のこと。

granite-3-2-8b-instruct 基盤モデル、オンデマンドで展開できます

14 2025年4月

granite-3-2-8b-instruct、オンデマンドの基盤モデル推論できるようになった。 詳しくは、サポートされているファンデーションモデルをご覧ください。

To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

2025年4月11日までの週

Elasticsearch AutoAI にRAG実験用のベクターストアが追加された

11 2025年4月

Elasticsearch vector store データベースを使って、 AutoAI for RAG 実験のデータを保存・検索できるようになりました。 詳細については、 RAG実験用のベクターストアの選択を参照してください。

Milvus ベクターストアを自動的に設定し、接続する

10 2025年4月

2025年4月10日以降に watsonx as a Service のトライアルにサインアップされた場合、 Milvus ベクターストア付きの watsonx.data トライアルが自動的にセットアップされます。 アップロードされたドキュメントとチャットしたり、ベクターインデックスを作成し、ベクターストアとして Milvus を選択すると、自動的に接続が作成されます。 Milvus ベクターストアの作成 を参照。

Q&A with RAG Accelerator を使って、 Milvus を使った検索拡張生成セットアップをお試しください。

Meta 、最新のLlama 4マルチモーダルモデルを使用する。 watsonx.ai

7 2025年4月

最新の Meta Llama 4 の多言語、マルチモーダル基盤モデル IBM watsonx.ai で使用できるようになりました。 Meta 、最新の基盤モデル、より計算効率が高く、モデルの学習と推論に使用するリソースが少ないエキスパート混合( MoE )アーキテクチャを採用している。 モデルはネイティブのマルチモーダルであり、多言語のテキストや画像の理解に特化している。

Llama 4シリーズから以下のモデルを推論できるようになりました：

  • llama-4-maverick-17b-128e-instruct-fp8
  • llama-4-scout-17b-16e-instruct

新しいラマ4モデルの詳細については、 対応基盤モデル をご覧ください。 モデルの地域別の可用性の詳細については、 IBM Cloud のサービスと機能の地域別の可用性」を参照してください。

2025年4月4日までの週

AutoAI、RAG実験の評価データに複数の正解を追加する

4 2025年4月

評価データ資産資産の各質問に複数の正解を追加できるようになりました。 詳細は、 AutoAI RAG実験の作成を参照。

AutoAI RAG実験における設定の重要性を見直す

4 2025年4月

AutoAI RAG実験を実行した後、最適化されたパターンの作成とランク付けにおける各設定の重要性を確認し、パターンの評価をより深く理解することができます。 詳細は、 AutoAI RAG実験の作成を参照。

codellama-34b-instruct-hf 基盤モデル、オンデマンドで展開できます

3 2025年4月

codellama-34b-instruct-hf、オンデマンドの基盤モデル推論できるようになった。 詳しくは、サポートされているファンデーションモデルをご覧ください。

To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

AutoAI for RAG実験の検索設定のカスタマイズ

2025年3月31日

ベクトル化されたインデックスからデータを取得する方法の設定をコントロールできるようになりました。 ウィンドウ検索法と単純検索法のどちらかを選択し、チャンク数を選択し、ウィンドウ検索法のウィンドウサイズを設定することができます。 詳細は、 AutoAI RAG設定のカスタマイズを参照。

2025年3月21日までの週

欧州言語に特化した新しいオンデマンド・デプロイメント・モデルに取り組む。 watsonx.ai

2025 年 3 月 21 日

IBM watsonx.ai から、24のヨーロッパ言語と11の国際言語に特化したオンデマンドの基盤モデル推論することができます：

  • eurollm-1-7b-instruct
  • eurollm-9b-instruct

価格の詳細については、 サポートされている基盤モデル をご覧ください。 To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

llama-3-2-90b-vision-instruct 基盤モデルフランクフルト地域で販売開始

2025 年 3 月 21 日

Meta の llama-3-2-90b-vision-instruct 基盤モデル、フランクフルト地域でご利用いただけます。

基盤モデル地域別在庫状況については、 IBM Cloud の地域別在庫状況をご覧ください。 watsonx.ai で利用可能な基盤モデル詳細については、 対応基盤モデル を参照のこと。

AutoAI 実験の入力言語を合わせる

2025年3月20日

AutoAI は、プロンプトで使用されている言語を自動的に検出し、同じ言語で応答するようモデルに指示するようになりました。 入力言語をサポートしていないモデルは、RAGパターンの検索において優先順位が低くなる。 AutoAI、利用可能なすべてのモデルを考慮し、英語のみで回答を生成したい場合は、この実験設定をオフにすることができます。 詳細は、 AutoAI RAG設定のカスタマイズを参照。

2025年3月7日までの1週間

インファレンスは、フランクフルトリージョンからオンデマンドでカスタム基盤モデルを展開

2025年3月6日

フランクフルトのデータセンターでホストされているプロジェクトの基盤モデル、より多くの方法で利用できるようになりました。

  • カスタム基盤モデルをアップロードして展開する。
  • 人気の高い一連の基盤モデルから選択し、貴社専用に専用ハードウェアに導入します。

さらに詳しくお知りになりたい方は、以下のリソースをご参照ください

オンデマンドの新しい展開モデルで作業する watsonx.ai

2025年3月5日

IBM から、オンデマンド基盤モデル次のとおり推論できます。 watsonx.ai:

  • granite-8b-japanese
  • granite-20b-multilingual
  • allam-1-13b-instruct

価格の詳細については、 サポートされている基盤モデル をご覧ください。 To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

コードスニペットは現在、 Decision Optimization の実験で利用可能です

2025年3月5日

実験用UIで Decision Optimization モデルを構築する際、 Python DOcplexまたはOPLモデル用のコードスニペットが使用できるようになりました。 コードスニペットを使用すると、最初からすべてのコードを入力しなくても、コードを追加・編集できるため、モデル構築をより迅速に行うことができます。

詳細は、「モデル構築用のコードスニペット 」を参照してください。

2025年2月28日までの1週間

RAG Chromaの実験用に AutoAI をAIサービスとして展開する

2025年2月27日

AutoAI インメモリChromaデータベースを使用して作成したRAGパターンは、AIサービスとしてデプロイできるようになりました。 このデプロイメントを使用すると、RAGパターン資産保存し、スペースに昇格させ、 デプロイメント 1回の操作で作成することができます。 次に、RAGパターンをテストし、推論エンドポイントにアクセスできます。

詳細は、 AutoAIによる RAGパターンの自動化を参照。

ランタイムの削除 23.1

2025年2月27日

IBM のサポート 23.1 は、 watsonx.ai のランタイムおよび watsonx.ai Studioから2025年4月17日に削除されます。 シームレスなエクスペリエンスを保証し、最新の機能と改善を活用するには、IBMRuntime24.11に切り替えてください。

ダラス地域の Granite 3.2 Instruct および Vision モデルの推論

2025年2月26日

granite-3-2-8b-instruct 基盤モデル、出典の引用やハルシネーション検出など、強力な機能を備えた推論モデルである。 モデルがその思考プロセスを出力で共有するかどうかを制御し、パフォーマンスと透明性のバランスを取ることができます。 このモデルは、 granite-3-2-8b-instruct-preview-rc テック・プレビュー・ 基盤モデル一般利用可能バージョンである。

granite-vision-3-2-2b 基盤モデル、企業ユースケース向けに構築された初のマルチモーダル Granite モデルである。 画像からテキストへの基盤モデル、チャート、ダイアグラム、グラフなどの理解といったタスクのために画像とテキストを取り込むことができます。

詳しくは、サポートされているファンデーションモデルをご覧ください。

プロジェクトライブラリ（project-lib）の非推奨化

2025年2月24日

プロジェクトライブラリは非推奨です。 Runtime 25.1 以降、ライブラリは新しいランタイムバージョンには含まれません。 24.1 までの既存のランタイムバージョンには、非推奨のライブラリが引き続き含まれますが、ibm-watson-studio-lib ライブラリを使用するようにコードを書き換えることを検討してください。

コードの移行方法については、こちらをご覧ください

2025年2月21日までの1週間

超小型のハードウェア仕様でカスタム基盤モデルを展開

2025年2月20日

リソースを節約するために、超小型のハードウェア仕様でカスタムの基盤モデルを展開することができます。 REST API を使用してカスタム・ 基盤モデルデプロイする場合は、 hardware_request パラメータに gpu_xs ハードウェア仕様を使用します。 詳細については、 基盤モデル デプロイメントを作成する をご覧ください。

Granite Code 30億パラメータの基盤モデル、オンデマンドで展開可能です

2025年2月20日

IBM の granite-3b-code-instruct 基盤モデル、デプロイ・オン・デマンドの基盤モデル利用できる。 詳細については、 サポートされている基盤モデル をご覧ください。

To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

2025年2月14日までの1週間

トロント地域からのオンデマンドおよびカスタム基盤モデルの展開

2025年2月13日

トロント地域でホストされているプロジェクトの基盤モデルを、より多くの方法で利用できるようになりました。

  • カスタム基盤モデルをアップロードして展開する。
  • 人気の高い一連の基盤モデルから選択し、貴社専用に専用ハードウェアに導入します。

さらに詳しくお知りになりたい方は、以下のリソースをご参照ください

IBM OpenPages の既存のホスティングされたデプロイメント次のように統合します。 watsonx.governance

2024年2月13日

OpenPages as a Service でデプロイされた Governance コンソールと watsonx.governance をオプションで統合することに加え、 マネージドまたは従来のオンプレミスのデプロイメントいずれかで、 IBM OpenPages, のホストされたデプロイメント watsonx.governance を統合できるようになりました。 OpenPages のホスティング版との統合には、 watsonx.governance 用のEssentialsプランが必要です。

scikit-learnとXGBoostからONNX形式に変換したモデルを展開する

2024年2月13日

scikit-learnとXGBoostをONNX形式に変換した機械学習モデルと生成型AIモデルを展開し、推論用エンドポイントを使用できるようになりました。 詳細については、 ONNX形式に変換されたモデルのデプロイを参照してください。

オンデマンドで新しい展開と連携する Granite Code モデル watsonx.ai

2025年2月13日

プログラムコードの記述、変換、修正などのコーディング作業には、以下の IBM の Granite Code 基盤モデル使用する：

  • granite-8b-code-instruct
  • granite-20b-code-instruct
  • granite-34b-code-instruct

価格の詳細については、 サポートされている基盤モデル をご覧ください。 To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

SPSS Modeler のチュートリアルビデオを更新しました

2025年2月11日

SPSS Modeler について 、 SPSS Modeler チュートリアルの更新された動画で見て学びましょう。

2025年2月7日までの1週間

ダラス地域の最新 IBM Granite 基盤モデルプレビュー

2025年2月7日

ダラス地域で現在利用可能な granite-3-2-8b-instruct-preview-rc 基盤モデルテクニカルプレビューをお試しください。 Granite 3.2 のプレビューモデルは、新しい推論機能を斬新な方法で追加します。 推論機能は設定可能であるため、説明的な情報がアウトプットに役立つタスクのみに推論を有効にすることができます。

IBM Granite 時系列基盤モデルデータ予測は、現在一般的に利用可能である

2025年2月6日

watsonx.ai API の時系列予測メソッドを使用して、ゼロショット推論で将来の値を予測できる IBM Granite 時系列基盤モデルモデルに過去のデータ観測値を渡します。

IBM watsonx.ai トロント地域で利用可能

2025年2月6日

Watsonx.ai トロントデータセンターで一般的に利用可能になりました。登録時に優先する地域としてトロントを選択できます。 推論とテキスト埋め込みの生成およびパッセージの再ランク付けには、提供された基盤モデルの一部を使用します。

For more information about the foundation models and product features that are available in the Toronto region, see 地域によるサービスおよび機能の提供状況.

シドニー地域からのオンデマンドおよびカスタム基盤モデルの展開

2025年2月6日

シドニーリージョンでホストされているプロジェクトの基盤モデルを、より多くの方法で操作できるようになりました。

  • カスタム基盤モデルをアップロードして展開する。
  • 人気の高い一連の基盤モデルから選択し、貴社専用に専用ハードウェアに導入します。

さらに詳しくお知りになりたい方は、以下のリソースをご参照ください

Mistral Large 2 オンデマンドで展開可能な基盤モデル

2025年2月6日

Mistral AI の mistral-large-instruct-2407 基盤モデル、デプロイ・オン・デマンドの基盤モデル利用できる。 このモデルにアクセスする場合は、追加の時間料金が適用されます。 価格の詳細については、 サポートされている基盤モデル をご覧ください。

To learn more about deploying a foundation model on demand, see 基盤モデルをオンデマンドで展開.

必要に応じて、新しい DeepSeek-R1 蒸留モデルを展開し、推論する。 watsonx.ai

2025年2月3日

DeepSeek-R1 モデルの蒸留されたバリエーションを、 watsonx.ai 上の IBM Cloud でオンデマンドで展開できるようになりました。 DeepSeek-R1 モデルのバリエーションは、 DeepSeek-R1 モデルによって生成されたトレーニングデータを使用して微調整されたLlamaモデルに基づいています。

詳しくは、対応ファンデーションモデルをご覧ください。

To learn more about deploying a foundation model on demand from the Resource hub or REST API, see 基盤モデルをオンデマンドで展開.

デフォルト・インベントリは、 資産代わります。 watsonx.governance

2025年2月3日

AIユースケース、サードパーティモデル、添付ファイル、レポートなど、 watsonx.governance の成果物を保存するためのデフォルトのインベントリが利用可能になりました。 デフォルトのインベントリは、ガバナンスアーティファクトの保存先として、Platformアクセスカタログまたは IBM Knowledge Catalog への以前の依存関係をすべて置き換えます。

詳細については 、「デフォルトのインベントリの設定 」を参照してください。

シドニーデータセンターで利用可能な評価スタジオ

2025年2月3日

評価スタジオを使用すると、使用ケースに合った定量的な指標とカスタマイズ可能な基準で、ジェネレーティブAI資産を評価および比較できます。 複数の資産のパフォーマンスを同時に評価し、結果の比較分析を見て、最適なソリューションを特定します。

詳しくは、 評価スタジオでAI資産を比較するをご覧ください。

2025年1月31日までの1週間

新しいエージェントラボ（ベータ版）でAIエージェントを構築し、展開する

2025年1月30日

Agent Labのユーザーインターフェースを使用して、AIエージェントを構築し、デプロイすることで、アプリケーションをより柔軟かつ動的にすることができます。 エージェントの設定で指定するエージェントフレームワーク、 基盤モデル、および外部ツールを使用して、エージェントに意思決定とタスクの実行を行わせるように設定することができます。

詳しくは、 エージェントラボをご覧ください。

Agent Lab を使用してエージェンティックなAIアプリケーションを構築する場合（ watsonx.ai ）、アプリケーションはAIサービスとしてデプロイされます。 ユーザーインターフェースから直接ソリューションを展開するか、AIサービスを展開する Python で編集可能なノートブック形式でソリューションをエクスポートするかを選択できます。

詳細については、AIサービスの導入を参照してください。

Mistral Large 2 、オンデマンドで導入可能な強力な新しい基盤モデル

2025年1月30日

Mistral AI の mistral-large-instruct-2411 基盤モデルモデルを、お客様の組織専用ハードウェアに導入します。 この最新の基盤モデル、 Mistral-Large-Instruct-2407 の基盤モデル モデルを改良し、長いプロンプト・コンテキスト、システム・プロンプト命令への追従、関数呼び出しの処理を改善したものである。

他のオンデマンド・デプロイ基盤モデル異なり、ホスティングされた mistral-large-instruct-2411 基盤モデルアクセスには、時間単位の追加料金が発生します。 価格の詳細については、 サポートされている基盤モデル をご覧ください。

To learn more about deploying a foundation model on demand from the Resource hub or REST API, see 基盤モデルをオンデマンドで展開.

フランクフルト地域におけるミストラル スモール 基盤モデル推論

2025年1月30日

Mistral AI の mistral-small-24b-instruct-2501 基盤モデルモデルが利用可能で、マルチテナント・ハードウェア上でホスティングされ、すぐに使用できる。 Mistral Small 3 基盤モデルは、チャットワークフローに最適です。その理由は、以下の機能にあります

  • ネイティブ関数呼び出しとJSON出力生成機能を備えたエージェント機能。
  • 最先端の会話機能と推論機能。
  • システムプロンプトへの強い忠誠心と支持を維持する。
  • 英語、フランス語、ドイツ語、スペイン語、イタリア語、中国語、日本語、韓国語、ポルトガル語、オランダ語、ポーランド語を含む数十言語に対応。

詳しくは、サポートされているファンデーションモデルをご覧ください。

DeepSeek-R1 で蒸留したモデルを展開および推論する watsonx.ai

2025年1月29日

DeepSeek-R1 の蒸留された派生バージョンである強力なオープンソース推論モデルを使用することで、 DeepSeek-R1 モデルを watsonx.ai で IBM Cloud に安全に展開および推論できるようになりました。これにより、開発者はAI搭載ソリューションの開発を加速することができます。 DeepSeek-R1 モデルは、 を使ってカスタム・ watsonx.ai基盤モデルデプロイすることができる。

詳細については、 カスタム基盤モデルの展開 をご覧ください。

Llama 3.3 70b インストラクション・ 基盤モデル低価格化

2025年1月29日

Meta から llama-3-3-70b-instruct 基盤モデル推論する価格は、1,000トークンあたり 0.0018 ドルから 0.00071 ドルに減少した。 価格変更は、 基盤モデルが提供されているすべての地域に適用されます。

詳しくは、サポートされているファンデーションモデルをご覧ください。

2025年1月24日までの1週間

RAG実験における AutoAI の一般利用可能

2025年1月23日

AutoAI for RAGが完全にサポートされ、アプリケーションに最適化された検索拡張生成パターンの検索を自動化できるようになりました。 このアップデートには、以下の新機能が含まれています

  • AutoAI のRAGをサンプルデータとガイド付きツアーで探索し、プロセスを学んでください。
  • Milvus ベクターストアを使用して実験を作成する場合、AIサービスとしてRAGパターンをデプロイできるようになったため、 デプロイメントスペースエンドポイントにアクセスして推論を行うことができる。

詳細は、 AutoAIによる RAGパターンの自動化を参照。

AutoAI RAG実験の実施には、以下の請求が発生します

  • 容量単位時間（CUH）は、実験の実行時間に対する課金単位です。
  • リソースユニット（RU）は、実験実行中に発生した埋め込みおよび生成型AIモデル推論呼び出しすべてに対して課金されます。 1リソースユニット（RU）は1,000トークンに相当します。

プラン情報および請求の詳細については watsonx.ai ランタイムプランをご覧ください。

CPDCTLでAIサービスを展開

2024年1月23日

Cloud Pak for Data （CPDCTL）コマンドラインインターフェイスを使用して、AIサービスと連携した生成型AIソリューションをプログラムで展開できるようになりました。 CPDCTLは、 IBM Cloud Pak for Data （CPD）プラットフォーム上でAIサービスを展開および管理するためのコマンドラインツールです。 これは、AIサービスの展開をシンプルかつ合理的に行う方法を提供し、手動での設定を不要にし、エラー発生のリスクを低減します。

詳細は 、 Cloud Pak for Data コマンドラインインターフェイス（CPDCTL）を使用したAIサービスの展開を参照してください。

RAG用 AutoAI でAIサービスを展開

2024年1月23日

AutoAI を使用して RAG パターンを使用するジェネレーティブ AI ソリューションを作成する場合、 AutoAI の実験ビルダーから直接 AI サービスとしてソリューションをデプロイできるようになりました。 詳細は 、「ツールを使用したAIサービスの展開 」を参照してください。

CatBoost と LightGBM からONNX形式に変換したモデルをデプロイする

2024年1月23日

CatBoost と LightGBM をONNX形式に変換した機械学習モデルと生成型AIモデルを展開し、推論用エンドポイントを使用できるようになりました。 これらのモデルはダイナミック軸にも適応できる。 詳細については、 ONNX形式に変換されたモデルのデプロイを参照してください。

複数のラマ基盤モデルが、より多くの地域で利用可能になりました

2025年1月22日

Meta の以下の基盤モデル、より多くの地域でご利用いただけます：

  • llama-3-3-70b-instruct: 東京とロンドンに加え、ダラスとフランクフルトでもご利用いただけるようになりました。
  • llama-3-2-11b-vision-instruct: ダラス、東京、シドニーに加え、フランクフルトとロンドンでもご利用いただけるようになりました。

For more information about the regional availability of foundation models, see 地域ごとの利用可能状況 IBM Cloud.

Llama 3.1 Instruct 70b と 8b の基盤モデル非推奨です

2025年1月22日

Meta の以下の基盤モデル非推奨である。 これらの基礎モデルを使用しているプロンプトを修正する。

  • llama-3-1-70b-instruct

    • 廃止日：2025年1月22日
    • 償還期限：2025年5月30日
    • 代替モデル： llama-3-3-70b-instruct または llama-3-2-90b-vision-instruct

  • llama-3-1-8b-instruct

    • 廃止日：2025年1月22日
    • 償還期限：2025年5月30日
    • 代替モデル:llama-3-2-11b-vision-instruct

非推奨と脱退の詳細については、Foundationモデルのライフサイクルを参照してください。 代替モデルの詳細については、サポートされている財団モデルを参照のこと。

基盤モデルを継続して使用したい場合は、必要に応じてモデルを展開し、独占的に使用することができます。 詳細については、 オンデマンド基盤モデルを展開 をご覧ください。

2025年1月17日までの1週間

新しい IBM Granite 埋め込みモデルを使用する watsonx.ai

2025年1月16日

IBM watsonx.ai: で提供する以下の Granite 埋め込みモデルが利用可能になりました

  • granite-embedding-107m-multilingual
  • granite-embedding-278m-multilingual

新しい埋め込みモデルを使用して、クエリ、文章、または文書形式の入力として、多言語の高品質なテキスト埋め込みを生成します。 詳細は 、「サポートされているエンコーダモデル 」および 「テキストのベクトル化 」を参照してください。

Graniteに変更が加えられました

2025年1月16日

IBM on watsonx.ai のダラスとシドニーのデータセンターで Granite 基盤モデルの最新バージョンを推論できるようになりました。

3.1では、128,000トークンコンテキストの長さをサポートし、 ハルシネーションや脱獄に関連するリスクのパフォーマンスを向上させるために、追加の合成データでトレーニングされています。 詳しくは、対応ファンデーションモデルをご覧ください。

granite-20b-multilingual codellama-34b-instruct-hf 基盤モデルは非推奨です

2025年1月15日

以下の基礎モデルは非推奨である。 これらの基礎モデルを使用しているプロンプトを修正する。

  • granite-20b-multilingual

    • 廃止日：2025年1月15日
    • 償還期限：2025年4月16日
    • 代替モデル:granite-3-8b-instruct

  • codellama-34b-instruct-hf

    • 廃止日：2025年1月15日
    • 償還期限：2025年3月31日
    • 代替モデル llama-3-3-70b-instruct

非推奨と脱退の詳細については、Foundationモデルのライフサイクルを参照してください。 代替モデルの詳細については、サポートされている財団モデルを参照のこと。

基盤モデルを展開するための新しいモデルアーキテクチャが利用可能

2024年1月15日

watsonx.ai:で、以下のアーキテクチャを持つカスタム基盤モデルを展開できるようになりました

  • exaone
  • gemma
  • gemma2
  • granite
  • mt5
  • nemotron
  • olmo
  • persimmon
  • phi
  • phi3
  • qwen
  • qwen2

詳細については、 基盤モデル展開を計画中 をご覧ください。

AutoAI AG実験のベータ版は2025年1月23日に終了

2025年1月13日

ベータ版の終了後 AutoAI の実験を行うと、以下の通り課金が発生します

  • 容量単位時間（CUH）は、実験の実行時間に対する課金単位です。
  • リソースユニット（RU）は、基礎文書を埋め込み、生成型AIモデルを推論するために課金されます。 1リソースユニット（RU）は1,000トークンに相当します。

プラン情報および請求の詳細については watsonx.ai ランタイムプランをご覧ください。

2024年12月20日までの週

ONNX形式に変換されたモデルをデプロイする

2024年12月20日

ONNX形式に変換された機械学習や生成AIモデルを展開し、推論にエンドポイントを使用できるようになりました。 これらのモデルはダイナミック軸にも適応できる。 詳細については、 ONNX形式に変換されたモデルのデプロイを参照してください。

マルチソース SPSS Modeler フローの展開

2024年12月20日

モデルにデータを提供するために複数の入力ストリームを使用する SPSS Modeler フローの配置を作成できるようになりました。 詳細については、「 マルチソース SPSS Modeler フローの展開 」を参照してください。

2024年12月13日までの週

Granite 3 インストラクター・ファンデーション・モデルの変更点を紹介

2024年12月13日

以下の IBM ファンデーション・モデルに修正を加えた：

  • granite-3-2b-instruct
  • granite-3-8b-instruct

最新の修正により、 Granite 3.1の基盤モデルは、エージェントのタスクと固有機能のコーディングをより良くサポートするようになった。 これらの基礎モデルでサポートされるコンテキストウィンドウの長さは、4,096トークンから131,072トークンに増加した。 GraniteのモデルIDは変わらないが、モデルの重みは更新される。

詳しくは、サポートされているファンデーションモデルをご覧ください。

AutoAIで RAGパターンを検索するノーコード・ソリューション（ベータ版）

2024年12月12日

AutoAIのユーザーインターフェースから、ユースケースに最適なRAGパターンの検索を自動化できるようになりました。 文書コレクションとテスト問題をロードし、ベクトルデータベースを選択し、RAGパターンを見つけるための高速パスアプローチの実験を実行します。 また、実験のコンフィギュレーション設定を確認し、変更することもできます。 実験によって生成されたパターンを比較し、最良のパターンを自動生成ノートブックまたはプロジェクトに保存されたノートブックとして保存する。

詳細は、 AutoAIによる RAGパターンの自動化を参照。

テンプレートを使ってAIサービスを展開する

2024年12月12日

事前に定義されたテンプレートを使用して、AIサービスを展開することができます。 AIサービステンプレートは、AIモデルをデプロイするための定義済みの構造と構成を提供することで、AIサービスをデプロイする標準化された方法を提供する。 これらのテンプレートは、ジェネレーティブAIアプリケーションのプログラミング・ロジックをカプセル化した、あらかじめ構築された展開可能なコード単位である。

AIサービステンプレートは、デプロイメントの作成、メタデータの生成、エクステンションの構築などのタスクを自動化し、開発者がアプリケーションのコアロジックに集中できるようにする。 AIサービスを展開する柔軟な方法を提供し、複数の入力とカスタマイズをサポートする。

詳しくは、 テンプレートを使ったAIサービスのデプロイをご覧ください。

最新のLlama 基盤モデルは、オンデマンドで展開可能です

2024年12月12日

Meta Llama 3.3 70B Instruct多言語基盤モデル、組織専用の専用ハードウェアに展開することができます。 Meta 、最新の基盤モデル、より大きな llama-3-405b-instruct ・モデルと同様の機能を持つが、サイズはより小さく、特にコーディング、ステップバイステップの推論、ツール・コールに長けている。 完全なモデル（ llama-3-3-70b-instruct-hf ）またはホストに必要なリソースが少ない量子化バージョン（ llama-3-3-70b-instruct ）を展開することができます。

To learn more about deploying a foundation model on demand from the Resource hub or REST API, see 基盤モデルをオンデマンドで展開.

Python クライアント・ライブラリによるオンデマンドでの基盤モデルのデプロイ

2024年12月12日

watsonx.ai Python クライアントライブラリを使用することで、ファンデーションモデルをオンデマンドでデプロイできるようになりました。 このアプローチを使用することで、大規模な計算リソースを必要とせずに、これらの強力な基礎モデルの機能にアクセスすることができます。 オンデマンドでデプロイされたFoundationモデルは、専用のデプロイメントスペースにホストされ、推論に使用することができます。

詳しくは、 基礎モデルをオンデマンドで展開するを参照してください。

SPSS Modeler チュートリアルの更新

11 2024年12月

最新の SPSS Modeler チュートリアルを 15回試して、 SPSS Modelerを実際に体験してください。

評価スタジオでAI資産を比較

2024年12月12日

評価スタジオを使用すると、使用ケースに合った定量的な指標とカスタマイズ可能な基準で、ジェネレーティブAI資産を評価および比較できます。 複数の資産のパフォーマンスを同時に評価し、結果の比較分析を見て、最適なソリューションを特定します。

詳しくは、 評価スタジオでAI資産を比較するをご覧ください。

ガバナンス・コンソールの強化

2024年12月12日

watsonx.governanceモデルリスク・ガバナンス・ソリューションの強化

このリリースには以下の機能強化が含まれている：

  • 新しいAI Model Onboarding Risk Identification質問表テンプレートは、モデルのオンボーディングプロセスで使用され、モデルに関連するリスクを特定するのに役立ちます。 このアンケートテンプレートは、ファウンデーションモデル・オンボーディングのワークフローで使用されます。
  • 新しい「AIユースケースリスク特定」質問表テンプレートは、AIユースケースに関連するリスクを特定するために使用される。 このアンケートテンプレートは、ユースケースレビューのワークフローで使用されます。 この新しい質問表は、AIリスク識別質問表に代わるものである
  • 新しい「AIユースケースとモデルのリスク特定」質問表テンプレートは、AIユースケースとモデルの組み合わせに関連するリスクを特定するのに役立つ。 このアンケートテンプレートは、ユースケースの開発と文書化のワークフローで使用されます。
  • AIアセスメントワークフローがデフォルトで無効になりました。 このワークフローは、質問票評価ワークフローに置き換えられます。 ユースケースワークフローでアンケートテンプレートを直接設定できるようになりました。
  • ワークフロー、ビュー、ダッシュボードが更新された。

詳細については、Governance コンソールのソリューション コンポーネントを参照してください。

バグ修正とセキュリティ修正

バグフィックスとセキュリティフィックスが適用された。

詳しくは 9.0.0.5 5の新機能をご覧ください。

IBM watsonx.governanceはシドニー地域でご利用いただけます

2024 年 12 月 9 日

IBMの watsonx.governanceは現在、シドニーのデータセンターで一般的に利用できる。 ご登録の際、ご希望の地域にシドニーをお選びいただけます。

シドニー地域で利用可能な製品機能の詳細については、サービスおよび機能の地域別利用可能性をご覧ください。

2024年12月6日までの週

ファウンデーション・モデルをダラス地域にオンデマンドで展開

6 2024年12月

厳選された基盤モデルのコレクションから選択し、組織専用のハードウェアに導入することができます。 専用の配備は、基礎モデルを推論する際に、より応答性の高いインタラクションを意味する。 オンデマンド基盤モデルのデプロイは、時間単位で課金されます。 詳しくは、対応基盤モデルとジェネレーティブAIアセットの課金詳細をご覧ください。

To learn more about deploying a foundation model on demand from the Resource hub or REST API, see 基盤モデルをオンデマンドで展開.

ダラスとフランクフルト地域の Meta 、最新のラマ基盤モデル推論する

6 2024年12月

Meta Llama 3.3 70B インストラクターの多言語基盤モデル、ダラスとフランクフルトの両地域で統合可能。 llama-3-3-70b-instruct 基盤モデルモデルは、コーディング、ステップバイステップの推論、ツール呼び出しに長けている。 405b モデルに匹敵するパフォーマンスを持つ Llama 3.3 基盤モデルアップデートは、開発者にとって素晴らしい選択である。 IBM からの お知らせ をご覧ください。

詳しくは、サポートされているファンデーションモデルをご覧ください。

財団モデルを比較するためにベンチマークを見直す

5 2024年12月

基盤モデル機能を理解するために、 基盤モデルベンチマークを確認してください。 あなたのユースケースにとって最も重要なタスクについて、様々な基盤モデルがどのように機能するかを比較する。 詳細は、財団モデルのベンチマークを参照。

Microsoft Excelファイルは、Decision OptimizationのOPLモデルでは非推奨です

5 2024年12月

Microsoft Excelワークブック(.xlsおよび.xlsx)ファイルは、Decision OptimizationOPLモデルでの直接入力および出力には使用されなくなりました。 Excelファイルに接続するには、代わりにデータ・コネクタを使用します。 データコネクターはExcelファイルを.csvファイルに変換します。 詳しくは参照データを参照。

ONNX形式に変換されたモデルを展開するための新しいサンプルノートブック

3 2024年12月

ONNX形式に変換された機械学習や生成AIモデルを展開し、推論にエンドポイントを使用できるようになりました。 これらのモデルはダイナミック軸にも適応できる。 以下のサンプルノートブックをご覧ください：

詳しくは、watsonx.aiランタイムPythonクライアントのサンプルと例をご覧ください。

llama-3-8b-instructとllama-3-70b-instructの基礎モデルは非推奨です

2024 年 12 月 2 日

以下の基礎モデルは非推奨である。 これらの基礎モデルを使用しているプロンプトを修正する。

  • llama-3-8b-instruct

    • 償却開始日：2024年12月2日
    • 脱退日：2025年2月3日
    • 代替モデル:llama-3-1-8b-instruct,llama-3-2-11b-vision-instruct

  • llama-3-70b-instruct

    • 償却開始日：2024年12月2日
    • 払戻日：2025年2月3日（シドニーでは2025年3月31日）
    • 代替モデル:llama-3-1-70b-instruct,llama-3-2-90b-vision-instruct

非推奨と脱退の詳細については、Foundationモデルのライフサイクルを参照してください。 代替モデルの詳細については、サポートされている財団モデルを参照のこと。

2024年11月29日までの週

Data Refineryの書き込みオプションに関するドキュメントの改善

2024年11月28日

データ・フローをエクスポートするための書き込みオプションとテーブル・オプションは、接続によって異なります。 これらのオプションについて説明するので、ターゲット・テーブルのオプションを選択する際の参考にしてほしい。 詳細については、 Data Refineryのターゲット接続オプションを参照してください。

2024年11月22日までの週

新しいwatsonxDeveloper Hub でコーディングを素早く開始

2024年10月21日

新しいデベロッパー・ハブで、ジェネレーティブAIソリューションのコーディングに必要なあらゆるものを見つけてください：

  • watsonx.ai で基礎モデルを推論するための最初の API 要求を作成します。
  • AI アプリケーションに最適な基盤モデルとコード・ライブラリを見つけます。
  • watsonx.aiの機能を理解し、Curl、Node.js、またはPython でコード・スニペットをコピーする。
  • ジェネレーティブAIのアプリケーションとソリューションの構築方法を、詳細なガイドで学びましょう。
  • コミュニティに参加して、リソースや回答を見つけたり、他のユーザーと交流したりしましょう。

watsonxDeveloper Hub にアクセスしてください。

IBM watsonx.aiのコンポーネント・サービスの名称が変更された

2024年11月21日

以下のサービスが名称変更された：

  • Watson Machine Learningはwatsonx.aiランタイムという名前になった
  • Watson Studioはwatsonx.aiStudioという名前になった

ビデオ、ノートブック、コードサンプルの中には、これらのサービスを以前の名前で紹介し続けるものがあるかもしれない。

IBM watsonx.aiはシドニー地域で利用可能です

2024年11月21日

Watsonx.aiは現在、シドニーのデータセンターで一般的に利用可能で、サインアップ時にシドニーを希望地域として選択することができる。

シドニー地域で利用可能な基盤モデルおよび製品機能の詳細については、サービスおよび機能の地域別提供状況をご覧ください。

IBM Granite 時系列基盤モデルモデルと watsonx.ai API を使って将来の値を予測する（ベータ版）

2024年11月21日

時系列APIを使用して、ゼロショット推論で将来の値を予測できる IBM Granite 時系列基盤モデルモデルに過去のデータ観測値を渡します。 watsonx.ai APIの時系列予測方法はベータ機能としてご利用いただけます。 詳細は 、「将来のデータ値を予測する 」を参照してください。

Elasticsearchの推論 API からwatsonx.aiのテキスト埋め込みモデルを利用する

2024年11月21日

Elasticsearch バージョン 8.16.0 リリースでは、テキスト埋め込みタスクのために watsonx.ai 基盤モデル使用する推論エンドポイントを作成するためのサポートが追加された。

詳しくはAPIを使ったテキストのベクトル化をご覧ください。

SPSS Modelerフローを展開スペースにプロモートする

2024年11月19日

プロジェクトをエクスポートしてから展開スペースにインポートしなくても、SPSS Modelerフローをプロジェクトから展開スペースに直接プロモートできるようになりました。 詳細については、 SPSS Modelerのフローとモデルのプロモートを参照してください。

2024年11月15日までの週

IBM「watsonx.aiデモチャットアプリは、アカウントをリンクすることで、トライアル制限なしで使用できます

2024年11月15日

IBM「watsonx.aiデモアカウントを「IBM Cloud watsonx.ai有料アカウントにリンクすることで、トークンの使用や時間制限なしにチャットアプリをご利用いただけます。 詳細については、 IBM watsonx.aiデモwatsonx.aiアカウントのリンクを/span>とを参照してください。

watsonx.ai Node.jsパッケージはLangChainから入手可能です

2024年11月11日

watsonx.ai Node.jsパッケージは、LangChain JavaScriptコミュニティ・ライブラリから利用可能です。 この統合は、基礎モデルの推論、テキスト埋め込み生成、画像からテキストへの変換やツール呼び出し機能を含むチャット交換の処理など、watsonx.aiの機能をサポートしている。 LangChainとの統合により、プロバイダー間の交換が容易になり、提供されるサービスを比較し、ニーズに最適なソリューションを見つけることができる一貫したインターフェイスを使用することで、これらのwatsonx.aiの機能を呼び出すことができます。

詳細については、Node.jsSDKを参照してください。

アセットを配置し、配置スペースからジョブを実行するには、タスク認証情報が必要になりました

2024年11月11日

配置ジョブを実行する際のセキュリティを向上させるため、配置スペースから 次のアセットを配置するには、タスクの資格情報を入力する必要があります：

  • プロンプト・テンプレート
  • AI サービス
  • モデル
  • Python 関数
  • スクリプト

さらに、配置スペースから次の配置を作成するには、タスク資格情報を入力する必要があります：

  • オンライン
  • バッチ

また、配置スペースから配置ジョブを作成および管理するには、タスク資格情 報を使用する必要があります。

タスクのクレデンシャルを設定して API キーを生成する方法については、タスクのクレデンシャルを追加するを参照してください。

2024年11月8日までの週

AIサービスによる生成的AIアプリケーションの展開

7 2024年11月

watsonx.aiのAIサービスを使ってアプリケーションを展開できるようになりました。 AIサービスは、ジェネレーティブAIのユースケースのロジックをキャプチャするために使用できる、デプロイ可能なコード単位である。 Python関数は機械学習資産をデプロイする伝統的な方法だが、AIサービスはストリーミングのような生成的AIアプリケーションのコードをデプロイする、より柔軟なオプションを提供する。 AIサービスが正常にデプロイされたら、アプリケーションからの推論にエンドポイントを使用できます。

詳細については、AIサービスの導入を参照してください。

granite-13b-chat-v2、llama2-13b-dpo-v7、およびmt0-xxl-13bファンデーションモデルは非推奨です

4 2024年11月

以下の基礎モデルは非推奨である。 これらの基礎モデルを使用しているプロンプトを修正する。

granite-13b-chat-v2

  • 償却開始日：2024年11月4日
  • 脱退日：2025年2月3日
  • 代替モデル:granite-3-8b-instruct

llama2-13b-dpo-v7

  • 償却開始日：2024年11月4日
  • 脱退日：2024年12月4日
  • 代替モデル:llama-3-1-8b-instruct

mt0-xxl-13b

  • 償却開始日：2024年11月4日
  • 脱退日：2024年12月4日
  • 代替モデル:llama-3-1-8b-instruct,llama-3-2-11b-vision-instruct

非推奨と脱退の詳細については、Foundationモデルのライフサイクルを参照してください。 代替モデルの詳細については、サポートされている財団モデルを参照のこと。

2024年11月1日までの週

watsonx.aiに新しいサードパーティ製all-minilm-l6-v2エンベッディング・モデルが追加されました

2024年10月29日

オープンソースの自然言語処理(NLP)およびコンピュータビジョン(CV)コミュニティによるall-minilm-l6-v2テキスト埋め込みモデルが、watsonx.aiAPIのテキスト埋め込みメソッドから利用できるようになりました。 このモデルを使用して、テキストをテキストマッチングや検索タスクで使用するのに適したテキスト埋め込みベクトルに変換する。 モデルの詳細については、以下のトピックを参照してください：

Mistral Large 基盤モデル推論するための低価格

2024年10月29日

Mistral Large 基盤モデル提出するインプットの価格は、1,000 トークンあたり 0.01 ドルから 0.003 ドルに引き下げられた。 基盤モデル生成されるアウトプットの価格は変わらず、アウトプットのトークンの価格は$ 0.01 USD/1,000 トークンのままである。 この価格変更は、 mistral-large 基盤モデル利用可能なすべての地域に適用される。

詳しくは、サポートされているファンデーションモデルをご覧ください。

IBMランタイム23.11の廃止について

2024年10月28日

IBMRuntime23.11は非推奨です。 2024年11月21日以降、23.1ランタイムを使用して新しいノートブックやカスタム環境を作成することはできません。 また、23.1ランタイムに基づくソフトウェア仕様で新しいデプロイメントを作成することはできません。 シームレスなエクスペリエンスを保証し、最新の機能と改善を活用するには、IBMRuntime24.11に切り替えてください。

テキスト抽出APIで複雑なビジネス文書を簡素化

2024年10月28日

テキスト抽出メソッドは、watsonx.aiREST APIで一般的に利用できるようになった。 IBMが開発した文書理解テクノロジーを活用して、複雑なビジネス文書を簡素化し、生成的AIワークフローの一部として基礎モデルで処理できるようにします。 テキスト抽出APIは、画像、ダイアグラム、表などの文書構造からテキストを抽出する。 詳しくは、文書からテキストを抽出するを参照してください。

APIは、有料プランのユーザーであればすべての地域で利用できる。 料金の詳細については、ドキュメントテキスト抽出料金表をご覧ください。

2024年10月25日までの週

Decision Optimization実験のテーブルを比較して、シナリオ間の違いを見る

2024年10月23日

Prepare dataまたはExplore solutionビューのいずれかで、Decision Optimization実験のテーブルを比較できるようになりました。 この比較は、隣り合わせに表示されたシナリオ間のデータ値の違いを見るのに便利である。 Decision Optimizationのテーブル比較を示すスクリーンショット
詳しくは、 シナリオ表の比較を参照。

Granite 3.0の新モデルがwatsonx.aiに登場

2024年10月21日

watsonx.ai:から、IBMが提供する以下の3.0世代のGraniteFoundationモデルを推論できるようになった：

  • GraniteInstructモデルを全地域で使用：要約、問題解決、テキスト翻訳、推論、コーディング、関数呼び出しタスクなどのタスクに、新しいインストラクトチューニングされた軽量でオープンソースの言語モデルを使用します。 以下のモデルバリエーションに対応：
    • granite-3-2b-instruct
    • granite-3-8b-instruct
  • ダラス地域のGraniteガーディアンモデル：新しい「Graniteガーディアンモデルを使用してください。これは「Graniteインストラクターモデルを微調整したもので、プロンプトと応答におけるリスクを検出するように設計されています。 以下のモデルバリエーションに対応：
    • granite-guardian-3-2b
    • granite-guardian-3-8b

詳しくは、対応ファンデーションモデルをご覧ください。

テキスト再ランクAPIで検索タスクを強化

2024年10月21日

テキストの再ランクメソッドは、一般的にwatsonx.aiREST API で利用できる。 この新しいAPIメソッドを、新しくサポートされたms-marco-minilm-l-12-v2モデルのようなリランカー基礎モデルと一緒に使って、指定されたクエリに対する類似性に基づいて、一連の文書パッセージを並べ替える。 再ランク付けは、回答検索のワークフローに精度を追加する便利な方法です。 詳しくは、文書のパッセージの再ランク付けを参照のこと。

ピックストラルの新モデル12Bがフランクフルトとロンドン地区で販売開始

2024年10月21日

フランクフルトとロンドンのデータセンター watsonx.ai 上で、Mistral AI の Pixtral 12B 基盤モデルモデルを使用できるようになりました。

Pixtral12Bは、画像とテキストをインターリーブしたデータで学習された、画像からテキスト、テキストからテキストという機能を持つネイティブのマルチモーダルモデルです。 基盤モデル、さまざまな画像サイズに対応し、指示に従う作業に優れています。 詳しくは、対応ファンデーションモデルをご覧ください。

2024年10月18日までの週

アカウント・リソース・スコープはデフォルトで有効

2024年10月17日

アカウントの'Resource scope設定は、デフォルトで'ONに設定されています。 ただし、以前にリソーススコープの設定値を「ONまたは「OFFいずれかに設定した場合は、現在の設定は変更されない。

リソース・スコープが有効な場合、現在選択されているIBM Cloudアカウントにないプロジェクトにはアクセスできません。 複数のIBM Cloudアカウントに所属している場合、すべてのプロジェクトが一緒に表示されないことがあります。 例えば、「すべてのプロジェクト」ページにすべてのプロジェクトが表示されないことがあります。 他のアカウントのプロジェクトを見るには、アカウントを切り替える必要があります。

フランクフルト地域では、 Granite コード・ 基盤モデル利用できる

2024年10月15日

IBM の granite-20b-code-instruct 基盤モデル、コーディング関連の指示に対応するように設計されている。 フランクフルトデータセンターでホストされているプロジェクトでは、コーディング作業やコーディングアシスタントの構築に役立つ基盤モデルを使用できます。 モデルの詳細については、サポートされる財団モデルを参照のこと。

2024年10月11日までの週

新しいライセンス特典

2024年10月10日

IBM watsonx.aiとIBM watsonx.governance にオンプレミス・ライセンスのメリットを適用するために、BYOL (Bring Your Own License) が可能になりました。

詳細については、 SaaSへのBYOL（Bring Your Own License）のアクティベーションを参照してください。

SPSS ModelerのText Analyticsで日本語テキストデータを分析する

9 2024年10月

テキストリンク分析ノードやテキストマイニングノードなど、SPSS Modelerのテキスト分析ノードを使用して、日本語で書かれたテキストデータを分析できるようになりました。

watsonx.aiチャット API で会話型ワークフローを構築する

2024年10月8日

watsonx.aiチャット API を使用して、サードパーティのツールやサービスへのエージェント主導の呼び出しを含むジェネレーティブ AI 機能をアプリケーションに追加します。

詳しくは、以下のトピックを参照してください。

カスタム・ファンデーション・モデルのための新しいソフトウェア仕様

2024年10月7日

カスタム・ 基盤モデル デプロイメント、新しいソフトウェア仕様 watsonx-cfm-caikit-1.1 を使用できるようになりました。 この仕様は vLLM ライブラリをベースとしており、最新のデコーダー専用大規模言語モデルにより適しています。 For more information on the vLLM library, see vLLM For information on using the specification with a custom foundation model, see 基盤モデル展開を計画中.

granite-7b-labおよびllama3-llava-next-8b-hf基盤モデルは非推奨です

2024年10月7日

granite-7b-lab 基盤モデルモデルは非推奨であり、2025年1月7日に廃止れる。 基盤モデルを使用しているプロンプトをすべて修正する。

  • 償却開始日：2024年10月7日
  • 脱退日：2025年1月7日
  • 代替モデル:granite-3-8b-instruct

llama3-llava-next-8b-hf マルチモーダル基盤モデル非推奨であり、2024年11月7日に廃止れる。 新たにリリースされた Llama 3.2ビジョンモデルのいずれかを使用して、画像からテキストを生成するタスクを行うことができます。

  • 償却開始日：2024年10月7日
  • 脱退日：2024年11月7日
  • 代替モデル:llama-3-2-11b-vision-instruct

非推奨と脱退の詳細については、Foundationモデルのライフサイクルを参照してください。 代替モデルの詳細については、サポートされている財団モデルを参照のこと。

2024年10月4日までの週

環境とソフトウェア仕様の更新

3 2024年10月

IBMRuntime23.11に含まれるTensorflowと Kerasのライブラリーが新しいバージョンに更新されました。 これは、ノートブックでのコードの実行方法に影響を与えるかもしれない。 詳細は、watsonx.aiStudio（旧Watson Studio）ランタイムに含まれるライブラリ・パッケージを参照。

ランタイム23.11は、今年後半にIBMランタイム24.11に取って代わられる予定だ。 度重なる混乱を避けるため、今すぐIBMRuntime24.11に切り替え、デプロイメントには関連するソフトウェア仕様を使用することをお勧めします。

フランクフルト地域におけるwatsonx.governanceプランの提供とOpenScaleレガシープランの廃止

3 2024年10月

フランクフルト地域でWatson OpenScaleをプロビジョニングするためのwatsonx.governanceレガシー・プランは廃止されます。 IBM Watson OpenScaleは、新規サブスクリプションや新規インスタンスのプロビジョニングができなくなります。 OpenScaleの機能については、watsonx.governanceEssentialsプランにご加入ください。

注記:

  • 既存のレガシープランのインスタンスは、サポート終了日（未定）まで引き続き運用され、サポートされます。
  • IBM Watson OpenScaleの既存のお客様は、引き続きIBM Watson OpenScaleを使用してサポート・チケットを開くことができます。

プラットフォーム接続ページを開くための新しいメニュー用語

3 2024年10月

以前は、ナビゲーションメニューのプラットフォーム接続ページへのパスは、データ>プラットフォーム接続でした。 新しいパスは「データ」>「コネクティビティ」。 接続」ページには「プラットフォーム接続」のタブがある。

2024年9月27日までの週

マルチモーダル11Bおよび90Bモデルを含むLlama 3.2ファンデーションモデルが利用可能

2024年9月25日

本日のリリースにより、MetaAIの以下のファウンデーションモデルがダラス地域から利用可能となる：

Llama 3.2指導モデル
大きな入力（128,000トークンのコンテキストウィンドウ長）をサポートし、1Bと 3Bのパラメータサイズでモバイルデバイスに収まるほど軽量で効率的な、汎用性の高い大規模言語モデル。 これらのモデルを使用して、高度にパーソナライズされたオンデバイス・エージェントを構築することができます。
Llama 3.2ビジョンモデル
文書レベルの理解、図表の解釈、画像のキャプション付けなど、画像イン、テキストアウトのユースケースのために構築された、微調整されたモデル。
ラマガードビジョンモデル
有害なコンテンツをフィルタリングするために設計された強力なガードレールモデル。

詳しくは、サポートされているファンデーションモデルをご覧ください。

ガバナンス・コンソールの強化

2024年9月25日

このリリースには機能強化とバグ修正が含まれています。

ダッシュボードのカスタムタブ

ダッシュボードにカスタムタブを3つまで表示できるようになりました。

積み重ね棒グラフ

ダッシュボードおよびビュー デザイナーで積み上げ棒グラフを設定できるようになりました。

アンケート回答者の回答に基づいてフィールド値を設定する式の使用

フィールドの値に式を入力できるようになった。 例えば、現在の日付に [$TODAY$] 、サインオンしたユーザーの名前に[$END_USER$] 、オブジェクトのDescriptionフィールドの値にフィールドを設定するには [$System Fields:Description$] 。

watsonx.governanceモデルリスク・ガバナンス・ソリューションの強化

このリリースには以下の機能強化が含まれている：

  • 新しいモデルグループオブジェクトタイプは、類似したモデルをグループ化する方法を提供します。 例えば、ビジネス上の問題を解決するために同じようなアプローチを使用するモデルのバージョンは、モデルグループに属するかもしれません。
  • 新しいユースケース・リスク・スコアリングの計算では、ユースケースの基本的なモデルがどのように機能しているかを全体的に把握するために、違反ステータスごとのメトリクスをリスク・スコアに集約します。
  • 新しいDiscovered AIライブラリ・ビジネス・エンティティは、組織内で公認されたガバナンス・プラクティスに従っていないAI（「シャドーAI」とも呼ばれる）のデプロイメントを保存するデフォルトの場所を提供する。
  • ワークフロー、ビュー、ダッシュボードが更新された。

詳細については、Governance コンソールのソリューション コンポーネントを参照してください。

バグ修正とセキュリティ修正

バグフィックスとセキュリティフィックスが適用された。

詳しくは 9.0.0.44の新機能をご覧ください。

AutoAISDK（ベータ版）でRAGパターンを自動化する

2024年9月23日

AutoAI PythonSDKを使用して、データとユースケースに基づいて最適化されたRAG（Retrieval-augmented Generation）パターンの設計と展開を自動化し、高速化します。 RAGには、どの大規模言語モデルを選択するか、接地文書をどのようにチャンクするか、どれだけの文書を検索するかなど、多くの設定パラメータが用意されている。 AutoAIは、制約のある設定オプションの完全な探索と評価を自動化し、最適化メトリックに対する性能でランク付けされたパターンパイプラインのセットを生成します。

注：この機能はベータ版であり、実験の実行に費用はかからず、トークンも消費されない。 ただし、実験終了後に行われるRAGパターンおよびその派生パターンへの呼び出しは、リソースを消費し、標準料金での課金料金が発生する。

機能の詳細とAutoAIRAG実験のコーディングに関する使用上の注意については、「 AutoAISDK（ベータ版）によるRAGパターンの自動化」を参照してください。

Spark3.3ランタイムの削除

2024年9月23日

IBM Analytics EngineのSpark3.3ランタイムのサポートは2024年10月29日までに終了し、デフォルトのバージョンはSpark3.4ランタイムに変更されます。 シームレスなエクスペリエンスを保証し、最新の機能と改善を活用するには、Spark3.44に切り替えてください。

2024年10月29日以降、Spark3.3のランタイムを使用してノートブックやカスタム環境を作成、実行することはできません。 また、Spark3.3ランタイムに基づくソフトウェア仕様でデプロイメントを作成または実行することはできません。

2024年9月20日までの週

マルチモーダル基盤モデル推論 Prompt Lab

2024年9月19日

Prompt Lab で画像を追加し、チャットモードでマルチモーダル基盤モデルプロンプトして画像についてチャットできるようになりました。 文書グラウンディングことに加えて、画像をアップロードし、画像からテキストへのタスクをサポートする基盤モデル画像の視覚的内容について質問することができるようになりました。 詳しくは、文書や画像を使ったチャットをご覧ください。

新モデルllama3-llava-next-8b-hfがダラス地区で販売開始

2024年9月19日

IBM watsonx.ai の新しい llama3-llava-next-8b-hf マルチモーダル基盤モデル使用して、画像からテキストへの作業を支援できるようになりました。

Large Language and Vision AssistantLLaVa)は、マルチモーダル・チャットボットのユースケースのために、事前学習された大規模言語モデルと事前学習された視覚エンコーダを組み合わせたものです。 LLaVA NeXT Llama3は、より多様で高品質な画像およびテキストデータで学習されます。 詳しくは、対応ファンデーションモデルをご覧ください。

watsonx.ai Node.jsSDKを使ってジェネレーティブAIアプリケーションをコーディングする

2024年9月18日

watsonx.ai Node.jsパッケージを使用して、IBM watsonx as a Serviceの基礎モデルをプログラムで推論し、調整します。 詳細については、Node.jsSDKを参照してください。

財団モデルの知的財産補償方針を理解する

2024年9月18日

IBMの知的財産補償ポリシーをよりよく理解し、watsonx.ai でどの基盤モデルに知的財産補償が適用されているかを確認できるようになりました。 詳しくは、モデルタイプと知財補償を参照のこと。

2024年9月13日までの週

デプロイメントスペース内の SPSS Modeler フローのバッチジョブを作成する

2024年9月10日

展開スペースでSPSS Modelerフローのバッチジョブを作成できるようになりました。 フローでは、フローからバッチジョブを作成するたびに、実行するターミナルノードを柔軟に決定できます。 フローにバッチジョブをスケジュールすると、バッチジョブはフローで指定したデータソースと出力ターゲットを使用します。 これらのデータ ソースとデータ出力のマッピングは、データ ソースとデータ ターゲットが配置スペースにもあれば自動的に行われます。 フローからバッチジョブを作成する方法の詳細については、 SPSS Modelerフローの展開ジョブを作成するを参照してください。

展開スペースのフローとモデルの詳細については、「 SPSS Modelerのフローとモデルを展開する」を参照してください。

2024年9月6日までの週

ダラス地域の watsonx.ai、独自の基盤モデル推論に持ち込む

3 2024年9月

IBMが監修した基盤モデルで作業するだけでなく、独自の基盤モデルをアップロードしてデプロイすることもできるようになりました。 モデルが配備され、watsonx.ai に登録されたら、カスタムモデルを推論するプロンプトをプログラムまたはPrompt Labから作成します。 この機能はダラス地区でのみ利用可能。

カスタム基盤モデルのアップロードの詳細については、カスタム基盤モデルのデプロイを参照してください。 カスタム・ファンデーション・モデルのプラン情報と請求の詳細については、watsonx.aiRuntime プランをご覧ください。

文書テキスト抽出APIで複雑なビジネス文書を簡素化

3 2024年9月

IBMが開発した文書理解テクノロジーを適用して、複雑なビジネス文書を簡素化し、生成的AIワークフローの一部として基礎モデルで処理できるようにします。 文書テキスト抽出APIは、画像、ダイアグラム、表などの文書構造からテキストを抽出する。 watsonx.aiREST APIのテキスト抽出方法はベータ機能です。

詳しくは、文書からテキストを抽出するを参照してください。

Granite コード基盤モデル修正とアップデートが可能

3 2024年9月

granite-20b-code-instruct の基盤モデル、バージョン 1.1.0 に修正された。 最新の改良版は、コードと自然言語ドメインからの高品質なデータを混合して学習させ、モデルの推論能力と命令追従能力を向上させている。

以下の基礎モデルが更新され、プロンプトでサポートされるコンテキストウィンドウの長さ（入力＋出力）のサイズが8192から128000に増加した：

  • granite-3b-code-instruct
  • granite-8b-code-instruct

詳しくは、サポートされているファンデーションモデルをご覧ください。

2024年8月30日までの週

llama-2-13b-chatとllama-2-70b-chatは非推奨です

2024年8月26日

llama-2-13b-chatと llama-2-70b-chatのファンデーションモデルは非推奨であり、2024年9月25日に廃止されます。 これらの基礎モデルを使用しているプロンプトを修正する。

llama-2-13b-chat
  • 廃止日：2024年8月26日
  • 脱退日：2024年9月25日
  • 代替モデル:llama-3.1-8b-instruct
llama-2-70b-chat
  • 廃止日：2024年8月26日
  • 脱退日：2024年9月25日
  • 代替モデル:llama-3.1-70b-instruct

APIを使ってllama-2-13b-chatと llama-2-70b-chatモデルに送信された推論リクエストは、出力を生成し続けますが、近々モデルが取り下げられるという警告メッセージが含まれます。 2024年9月25日以降、モデルを推論するためのAPIリクエストは出力を生成しません。

非推奨と脱退の詳細については、Foundationモデルのライフサイクルを参照してください。

2024年8月23日までの週

プロジェクトやスペースの共同作業者としてユーザーグループを追加する

2024年8月22日

IBM Cloudアカウントに IAM アクセス・グループが含まれている場合、プロジェクトとスペースにユーザー・グループを追加できるようになりました。 IBM Cloudアカウント管理者は、アクセス・グループを作成することができます。 詳細については、「IAMアクセス・グループの操作」を参照してください。

AutoAI時系列実験のための異常予測機能のサポート終了

2024年8月19日

AutoAIの時系列モデル予測における異常値（外れ値）を予測する機能（現在ベータ版）は非推奨となり、2024年9月23日に削除される予定です。 標準的なAutoAIの時系列実験は、現在も完全にサポートされている。 詳細は時系列実験の構築を参照。

2024年8月16日までの週

IBMのスレート埋め込み型新モデルが全地域で利用可能に

2024年8月15日

IBMSlateエンベッディング・モデルは、クエリー、パッセージ、ドキュメントなどのさまざまな入力に対してエンベッディングを生成する機能を企業に提供します。 新モデルのslate-125m-english-rtrvr-v22とslate-30m-english-rtrvr-v22は、v1モデルよりも大幅に改善されている。 現在、slate-125m-english-rtrvrおよびslate-30m-english-rtrvrモデルをご使用の場合は、新しいv2Slateモデルに切り替えて、モデルの改良をご利用ください。

詳しくは、対応エンコーダ基盤モデルをご覧ください。

で、ユーザー入力と基盤モデル出力のAIガードレールを別々に設定する。 Prompt Lab

2024年8月15日

Prompt Lab で基盤モデルプロンプトを試す際に、有害なコンテンツを発見して削除するAIのガードレールの感度を調整する。 ユーザー入力とモデル出力のテキストに対して異なるフィルター感度レベルを設定でき、効果的なAIガードレール設定をプロンプトテンプレートに保存できる。

詳しくは、有害コンテンツの削除をご覧ください。

2024年8月9日までの週

プロンプト・テンプレート評価のためにプロジェクトからテスト・データを選択する

2024年8月8日

プロジェクトでプロンプトテンプレートを評価する際に、プロジェクトアセットを選択して評価用のテストデータを選択できるようになりました。 詳細については、「プロジェクトでのプロンプトテンプレートの評価」を参照してください。

新しいllama-3-1-70b-instructモデルがIBM watsonx.aiで利用可能になりました

2024年8月7日

IBM watsonx.ai の700億のパラメータサイズで、 Meta の最新の Llama 3.1 基盤モデル使用できるようになりました。

Llama 3.1シリーズの基礎モデルは、トップクラスの推論機能を備えた高性能な大規模言語モデルです。 このモデルは、テキスト理解、変換、コード生成などの複雑な多言語推論タスクに使用できる。 英語、ドイツ語、フランス語、イタリア語、ポルトガル語、ヒンディー語、スペイン語、タイ語に対応している。 詳しくは、対応ファンデーションモデルをご覧ください。

RAGアクセラレーターとのQ&Aを更新

6 2024年8月

Q&A with RAG accelerator1.2サンプル・プロジェクトには、以下の改良が含まれています：

  • 検索支援型ジェネレーション（RAG）実装の次の段階である、ユーザーフィードバックの収集と回答品質の分析にお役立てください。 人気のあるトピックを表示する教師なしトピック検出による分析、トピック別に生成された回答に対するユーザーの満足度、トピック別の検索スコアを含む。

  • IBM granite-7b-lab および Meta Llama 3.1 基盤モデルモデルに最適化された新しいプロンプトテンプレート。

  • watsonx.ai PythonライブラリのRAGユーティリティと、製品、エリアなどで検索するターゲットベクター検索フィルターを使用する合理化されたコード。

RAGアクセラレーターとのQ&A参照。

注：サンプルプロジェクトを作成できない場合は、説明フィールドのテキストを置き換えてみてください。

2024年8月2日までの週

新しいllama-3-1-8b-instructモデルがIBM watsonx.aiで利用可能になりました

1 2024年8月

Meta の最新の Llama 3.1 基盤モデル IBM watsonx.ai の 80 億パラメータサイズで使用できるようになった。

Llama 3.1シリーズの基礎モデルは、トップクラスの推論機能を備えた高性能な大規模言語モデルです。 このモデルは、テキスト理解、変換、コード生成などの複雑な多言語推論タスクに使用できる。 英語、ドイツ語、フランス語、イタリア語、ポルトガル語、ヒンディー語、スペイン語、タイ語に対応している。 詳しくは、対応ファンデーションモデルをご覧ください。

ワークスペースとAIのユースケースを関連付ける

1 2024年8月

AIユースケースの作成フローは、AIのライフサイクルとより密接に連携するように変更されている。 AIのユースケースの要点を定義したら、ワークスペースを関連付け、AIソリューションのフェーズに合わせて資産を整理する。 例えば、開発または検証フェーズのアセットにはプロジェクトまたはスペースを関連付け、運用フェーズのアセットにはスペースを関連付ける。

詳細は、ワークスペースとAIユースケースの関連付けを参照。

2024年7月26日までの週

ランタイム24.1における Python 3.11およびR4.3フレームワークとソフトウェア仕様のサポートを発表

2024年7月25日

Python 3.11とR4.33に基づく最新のデータサイエンス・フレームワークを含むIBMRuntime24.11を使用して、JupyterノートブックとRスクリプトを実行し、モデルをトレーニングできるようになりました。 7月29日からは、デプロイメントを実行することもできる。 IBMRuntime24.1フレームワークとソフトウェア仕様を使用するように、アセットとデプロイメントを更新してください。

Jupyter Notebookエディターの拡張版が利用可能に

2024年7月25日

Runtime24.1ベースの環境でノートブックを実行している場合、これらの機能拡張を使ってコードを操作することができます：

  • コードを自動的にデバッグ
  • ノートブックの目次を自動生成する
  • コードの横の行番号を切り替える
  • セルの内容を折りたたみ、コードと出力を並べて表示することで、生産性を向上

詳細はJupyterノートブックエディタを参照。

Runtime24.11でサポートされるNatural Language Processorトランスフォーマ埋め込みモデル

2024年7月25日

新しいRuntime24.1環境では、自然言語処理（NLP）変換埋め込みモデルを使用して、文章や一節の意味を捕捉するテキスト埋め込みを作成し、検索を補助する生成タスクに役立てることができるようになりました。 詳細はエンベッディングを参照。

Runtime24.1では、新しい特殊なNLPモデルが利用可能です

2024年7月25日

Runtime24.1環境には、新たに以下の特殊なNLPモデルが追加されました：

  • テキストコンテンツに含まれる憎悪的、罵倒的、または冒涜的なコンテンツ（HAP）を検出・識別できるモデル。 詳細はHAP検出を参照。
  • 金融、サイバーセキュリティ、生物医学に関連するトピックに対応できる3つの事前学習済みモデル。 詳細については、カスタム分類モデルによるテキストの分類を参照してください。

キーポイント要約を使用して、大量のテキストから詳細な洞察を引き出す

2024年7月25日

ノートブックでKey Point Summarizationを使用すると、人々の意見を表す大量のテキスト（製品レビュー、アンケート回答、ソーシャルメディア上のコメントなど）から、詳細で実用的な洞察を抽出できるようになりました。 その結果は、処理しやすい組織的で階層的な方法で提供される。 詳しくは、キーポイント要約をご覧ください

RStudioバージョン更新

2024年7月25日

プライベート・クラウドとパブリック・クラウドで一貫したユーザー・エクスペリエンスを提供するため、IBM watsonx用RStudioIDE は、2024 年 7 月 29 日にRStudioServer2024.04.1および R4.3.1に更新されます。 RStudioの新バージョンでは、多くの機能強化やセキュリティ修正が行われています。 詳細は、RStudioServer2024.04.1リリースノートを参照してください。 大きな互換性の問題は予想されないが、ユーザーは以下の表に記載されているいくつかのパッケージのバージョン変更に注意する必要がある。

アップグレード後にプロジェクトからRStudioIDE を起動する場合は、RStudioワークスペースをリセットして、R4.3.1パッケージのライブラリパスがRStudioServer によってピックアップされるようにします。

ダラス、フランクフルト、ロンドンのIBM watsonx.aiで Mistral Largeモデルの新バージョンが利用可能になりました

2024年7月24日

現在、ダラス、フランクフルト、ロンドンのデータセンターにある IBM watsonx.ai で、ミストラルAIの Mistral Large 2 基盤モデル使用することができます。

Mistral Large 2モデルは11の言語をサポートし、テキスト理解、コード生成、高度な推論に精通しています。 詳しくは、対応ファンデーションモデルをご覧ください。

新モデルllama-3-405b-instructがダラス地区で販売開始

2024年7月23日

ダラス・データセンターの IBM watsonx.ai で、 Meta の llama-3-405b-instruct 基盤モデル使用できるようになりました。

llama-3-405B-instructv3.1）モデルは、トップクラスの推論機能を備えた高性能な大規模言語モデルを企業に提供し、これまでにリリースされたオープンソースモデルとしては最大規模です。 基盤モデル、テキストの理解、変換、コード生成など、複雑な多言語の推論タスクに使用できます。 詳しくは、対応ファンデーションモデルをご覧ください。

merlinite-7bモデルは非推奨

2024年7月22日

merlinite-7b 基盤モデルモデルは非推奨であり、2024年8月22日に廃止れる。 基盤モデルを使用しているプロンプトをすべて修正する。

  • 廃止日：2024年7月22日
  • 脱退日：2024年8月22日
  • 代替モデル:mixtral-8x7b-instruct-v01

APIを使用してmerlinite-7bモデルに提出された推論リクエストは、出力を生成し続けるが、近日中のモデル廃止についての警告メッセージが含まれる。 2024年8月22日以降、モデルを推論するためのAPIリクエストは出力を生成しません。

非推奨と脱退の詳細については、Foundation モデルのライフサイクルを参照してください。

2024年7月12日までの週

フランクフルトとダラスで新モデル「Mistral Large」を発表

9 2024年7月

フランクフルトとダラスのデータセンターにある IBM watsonx.ai で、ミストラルAIの Mistral Large 基盤モデル使用できるようになりました。

Mistral Largeは、トップクラスの推論機能を備えた高性能な大規模言語モデルを企業に提供します。 基盤モデル、テキストの理解、変換、コード生成など、複雑な多言語の推論タスクに使用できます。 詳しくは、対応ファンデーションモデルをご覧ください。

2024年7月5日までの週

データ・ソース・タイプ別に分類されたコネクタ

2024年7月5日

接続の作成時に、コネクタがデータ・ソース・タイプ別にグループ化され、コネクタを見つけやすく、選択しやすくなりました。 たとえば、MongoDBデータ・ソース・タイプには、IBM Cloud Databases for MongoDBと MongoDBコネクターが含まれます。

さらに、新しいRecentsカテゴリーには、接続の作成に使用した最新の6つのコネクターが表示されます。

手順については、プロジェクトにデータ・ソースへの接続を追加するを参照してください。

基盤モデルプロンプトにコンテキスト情報を追加する Prompt Lab

4 2024年7月

関連するコンテキスト情報をグラウンディングデータとしてプロンプトに追加することで検索拡張生成 (RAG) ユース ケースで基盤モデルが事実に基づいた最新の回答を生成できるようにします。 関連文書を素早くアップロードしたり、関連データのあるサードパーティのベクターストアに接続したりできる。 新しい質問が提出されると、その質問は、関連する事実の根拠データを照会するために使用されます。 検索結果の上位と元の質問は、 基盤モデル関連する事実をその出力に組み込むのを助けるためのモデル入力として提出されます。

詳細については、 コンテキスト情報にグラウンディング基盤モデルプロンプト をご覧ください。

Cloud Object StorageLiteプランの変更

2024 年 7 月 1 日

2024年7月1日から、watsonx.aiと watsonx.governanceの30日間トライアルにサインアップすると自動的にプロビジョニングされるCloud Object StorageLiteプランは、トライアル終了後に失効する。 30日間のトライアル期間中であれば、いつでもCloud Object StorageLiteインスタンスをFree Tierオプション付きのStandardプランにアップグレードできます。

2024年7月1日以前にプロビジョニングしたライトプラン付きの既存のCloud Object Storageサービスインスタンスは、2024年12月15日まで保持されます。 2024年12月15日までにCloud Object StorageサービスをStandardプランにアップグレードする必要があります。

Cloud Object Storageのサービスプランをご覧ください。

2024年6月21日までの週

外部の大規模言語モデル(LLM)用のプロンプトを管理するための分離されたデプロイメントを作成する

21 2024年6月

切り離されたプロンプトテンプレートは、GoogleVertex AI、Azure OpenAI,、AWSBedrockなどのサードパーティプロバイダーによってホストされているLLMのプロンプトテンプレートを評価するための新しいアセットである。 プロンプト・テンプレートの出力を生成する推論はリモート・モデル上で行われるが、watsonx.governanceメトリクスを使用することで、プロンプト・テンプレートの出力を評価することができる。 また、ガバナンス・ソリューションの一環として、AIのユースケースにおいて、切り離されたデプロイメントと切り離されたプロンプト・テンプレートを追跡することもできる。

詳しくは、以下を参照してください。

デプロイジョブのリクエストには、タスク認証情報が必要です

2024年6月19日

デプロイジョブを実行する際のセキュリティを向上させるため、ジョブを要求するユーザは、APIキーの形式でタスク認証情報を提供する必要があります。 この条件は2024年8月15日から施行される。 APIキーの生成の詳細については、タスク認証情報の追加を参照。

プロフィールと設定からタスク認証情報を作成する方法を示すスクリーンショット

EUのAI法適用のためのユースケースの評価

2024年6月19日

新しいEU AI法適用性評価を利用すれば、簡単なアンケートに答えて、自社のAIユースケースを評価し、それがEU AI法の適用範囲内かどうかを判断することができます。 アセスメントは、ユースケースが該当するリスクカテゴリー（禁止、高、限定、最小）を特定するのにも役立つ。 詳細については、ガバナンス・コンソールのソリューション・コンポーネントの適用性評価を参照してください。

2024年6月7日までの週

ガバナンス・コンソールIBM OpenPages）を使用してリスクとコンプライアンス活動を管理する

7 2024年6月

Watsonx.governanceは、ガバナンス・コンソールとオプションで統合できるようになった。 IBM OpenPages,の Model Risk Governance モジュールをインストールしている場合、AI ユースケースを構成して Governance コンソールとガバナンス事実を同期させることができます。 Governance コンソールでは、ガバナンスおよびコンプライアンスプロセスの一環として、ユースケースの作成、ガバナンスアクティビティの表示、タスクの管理、ワークフローの実装を行うことができます。 詳しくは、以下を参照してください。

2024年5月31日までの週

IBM Watson Pipelinesは IBMOrchestration Pipelinesになりました

2024年5月30日

新しいサービス名は、AIのライフサイクルの一部を反復可能なフローに編成する機能を反映している。

プロジェクトをタグ付けして簡単に検索

2024 年 5 月 31 日

プロジェクトにタグを付けて、グループ分けや検索を簡単にできるようになりました。 新しいプロジェクトを作成するとき、またはすべてのプロジェクトのリストからタグを割り当てます。 タグでプロジェクトのリストをフィルタリングして、関連するプロジェクトのセットを取得します。 詳しくは、プロジェクトの作成をご覧ください。

新しいデータソースに接続するMilvus

2024 年 5 月 31 日

Milvus 接続を使用して、 Milvus ベクターストアにアクセスするための認証情報と接続の詳細を保存し、その正確性を確認します。 詳しくは Milvusの接続を参照。

2024年5月24日までの週

新しいチュートリアルとビデオ

2024年5月23日

新しいチュートリアルで、Watson OpenScaleの機能を使用してモデルのデプロイメントを評価する方法をご覧ください。

チュートリアル 説明 チュートリアルの専門知識
スペースでの展開を評価する モデルをデプロイし、デプロイされたモデルのモニターを設定し、デプロイメントスペースでモデルを評価する。 Configure the monitors and evaluate a model in a deployment space.

allam-1-13b-instruct 基盤モデルフランクフルト地域で利用可能

2024年5月21日

allam-1-13b-instruct Saudi Authority for Data and Artificial Intelligenceから提供され、 IBM によって提供されたアラビア語の基盤モデル watsonx.ai は、フランクフルトのデータセンターで入手できる。 allam-1-13b-instruct、アラビア語のQ&A、要約、分類、生成、抽出、翻訳などの汎用タスクに基盤モデルできる。 詳しくは、サポートされているファンデーションモデルをご覧ください。

watsonx.ai Pythonクライアント・ライブラリを使って、従来のAIアセットとジェネレーティブAIアセットをデプロイする

2024年5月21日

Watson Machine Learning Pythonクライアント・ライブラリは現在、拡張ライブラリであるwatsonx.ai Pythonクライアント・ライブラリの一部となっている。 watsonx.ai Pythonライブラリを使って、従来の機械学習や生成 AI 資産を扱うことができます。 Watson Machine Learningライブラリーは存続するが、新機能がアップデートされることはない。 詳細はPythonライブラリを参照。

2024年5月17日までの週

サードパーティのテキスト埋め込みモデルは、watsonx.aiで利用可能です

16 2024年5月

テキスト・マッチングと検索を強化するために、IBMSlateモデルに加えて、以下のサードパーティ製テキスト埋め込みモデルが利用できるようになった：

  • all-minilm-l12-v2
  • multilingual-e5-large

watsonx.ai Pythonライブラリまたは REST API を使用して、サポートされている埋め込みモデルのいずれかに文章または文章を送信し、入力テキストをベクトルに変換して、類似のテキストをより正確に比較・検索します。

これらのモデルの詳細については、サポートされるエンコーダ基礎モデルを参照してください。

テキスト変換の詳細については、テキスト埋め込み生成を参照してください。

2024年5月10日までの週

ダラス地区で新しいGranite基礎モデルが利用可能

9 2024年5月

watsonx.ai:から、IBMが提供する以下のGraniteCode Foundationモデルを推論できるようになりました：

  • granite-3b-code-instruct
  • granite-8b-code-instruct
  • granite-20b-code-instruct
  • granite-34b-code-instruct

プログラム・コーディング・タスクには、新しいGraniteを使用する。 基礎モデルは、論理的推論や問題解決を含む指示追従能力を高めるために、指示データの組み合わせで微調整される。

詳しくは、サポートされているファンデーションモデルをご覧ください。

InstructLabの基礎モデルは、watsonx.aiで利用可能です

7 2024年5月

InstructLab は、 と によるオープンソースのイニシアチブで、 Red Hat IBM 基盤モデルモデルの機能を拡張するためのプラットフォームを提供する。 以下の基盤モデル、以下のような知識やスキルをサポートするものである。 InstructLab:

  • granite-7b-lab
  • granite-13-chat-v2
  • granite-20b-multilingual
  • merlinite-7b

基盤モデル分類ページから、オープンソースコミュニティの貢献を探索することができます。

詳しくはInstructLab-compatible基盤モデルをご覧ください。

2024年5月3日までの週

プロジェクト資産をフォルダに整理する

2 2024年5月

プロジェクト内にフォルダを作成して、アセットを整理できるようになりました。 プロジェクトの管理者はフォルダを有効にする必要があり、管理者と編集者はフォルダを作成・管理することができます。 フォルダはベータ版であり、本番環境での使用はまだサポートされていません。 詳しくは、フォルダによるアセットの整理（ベータ版）をご覧ください。

資産タブとフォルダ

2024年4月26日までの週

IBM watsonx.aiはロンドン地域でご利用いただけます

2023年4月25日

Watsonx.aiは現在、ロンドンのデータセンターで一般的に利用可能で、サインアップの際に希望地域としてロンドンを選択することができる。

  • ダラスで完全にサポートされている基礎モデルは、ロンドンのデータセンターでも、Prompt Labから、あるいはAPIを使って推論することができる。 例外は、 mt0-xxl-13b と、 llama-2-70b-chat 基盤モデル、これは現在利用可能な llama-3-70b-instruct 基盤モデルモデルに取って代わられる。
  • Tuning Studioから、またはAPIを使用して、3つのチューニング可能な基礎モデルをプロンプトチューニングします。
  • 2つのIBMエンベッディングモデルとエンベッディングAPIがサポートされています。

詳しくは、サービスおよび機能の地域別利用可能性をご覧ください。

ホームページから直接Prompt Labでチャットを開始する

2023年4月25日

IBM watsonx.ai ホームページから、 基盤モデル モデルと会話を始めることができる。 Enter a question to send to a foundation model in chat mode or click 開く Prompt Lab to choose a foundation model and model parameters before you submit model input.

2024年4月19日までの週

Meta Llama 3 基盤モデル登場

18 2024年4月

Meta が提供する以下の Llama 3 基盤モデルモデルは、以下からの推論に利用できる。 watsonx.ai:

  • llama-3-8b-instruct
  • llama-3-70b-instruct

新しいLlama 3の基礎モデルは、様々なユースケースをサポートできるように細かく調整された言語モデルです。

この最新リリースのラマは、より多くのトークンを使ってトレーニングされ、新しいトレーニング後の手順が適用されている。 その結果、より優れた言語理解、推論、コード生成、命令追従能力を備えた基礎モデルが生まれた。

詳しくは、サポートされているファンデーションモデルをご覧ください。

テキストマッチングと検索を強化するIBMエンベッディングサポートの導入

18 2024年4月

IBMembeddeddings API とIBMembedding models を使用して、入力テキストをベクトルに変換し、類似のテキストをより正確に比較・検索できるようになりました。

以下のIBMSlate埋め込みモデルが利用可能です：

  • slate.125m.english.rtrvr
  • slate.30m.english.rtrvr

詳しくは、テキスト埋め込み生成をご覧ください。

料金の詳細については、watsonx.aiランタイムプランをご覧ください。

IBM watsonx.governance は、 IBM にご登録いただくと含まれます。 watsonx.ai

18 2024年4月

ダラス地域でwatsonx.aiにサインアップすると、watsonx.governanceが自動的に含まれるようになりました。 IBM watsonx as a Serviceのサインアップを参照してください。

スペースにおける機械学習の導入を評価する

18 2024年4月

watsonx.governance評価をデプロイメントスペースに設定することで、機械学習モデルのパフォーマンスに関する洞察を得ることができます。 例えば、配備の偏りを評価したり、配備のドリフトを監視したりする。 評価を設定すると、評価結果やトランザクションレコードのモデルをスペース内で直接分析できます。

詳しくは、スペースでの配備を評価するを参照。

東京地域では、韓国語の基盤モデルが利用可能です

18 2024年4月

マインズ・アンド・カンパニーが提供し、 Meta の Llama 2 基盤モデル ・モデルをベースにした llama2-13b-dpo-v7 基盤モデル モデルが東京地区で利用できる。

llama2-13b-dpo-v7 基盤モデル、韓国語と英語の会話タスクに特化している。 また、 llama2-13b-dpo-v7 基盤モデル韓国語の汎用タスクに使用することもできます。

詳しくは、サポートされているファンデーションモデルをご覧ください。

mixtral-8x7b-instruct-v01、推論用の基盤モデル用意されている

18 2024年4月

Mistral AI の mixtral-8x7b-instruct-v01 基盤モデル、 watsonx.ai から推論が可能です。 mixtral-8x7b-instruct-v01 基盤モデル、より効率的にテキストを生成するために、疎な専門家混合ネットワークを使用する事前学習済み生成モデルである。

mixtral-8x7b-instruct-v01モデルは、分類、要約、コード生成、言語翻訳などの汎用タスクに使用できます。 詳しくは、サポートされているファンデーションモデルをご覧ください。

mixtral-8x7b-instruct-v01-q 基盤モデルモデルは非推奨であり、2024年6月20日に廃止れる。 基盤モデルを使用しているプロンプトをすべて修正する。

  • 廃止日：2024年4月19日
  • 脱退日：2024年6月20日
  • 代替モデル:mixtral-8x7b-instruct-v01

APIを使用してmixtral-8x7b-instruct-v01-qモデルに提出された推論リクエストは、出力を生成し続けますが、近日中のモデルの取り下げに関する警告メッセージが含まれます。 2024年6月20日以降、モデルを推論するためのAPIリクエストは出力を生成しません。

非推奨と脱退の詳細については、Foundation モデルのライフサイクルを参照してください。

granite-20b-multilingual の基盤モデルモデルに修正を加えた

18 2024年4月

granite-20b-multilingualの最新バージョンは1.1.0です。 この修正には、バージョン1.0のモデルに新しいAIアライメント技術を適用することで得られた改良が含まれている。 AIの調整には、微調整と強化学習のテクニックを使って、できるだけ有益で、真実で、透明性のある出力を返すようにモデルを導くことが含まれる。

For more information about this foundation model, see サポートされている基盤モデル.

2024年4月12日までの週

granite-13b-instruct-v2 基盤モデルプロンプト・チューン

11 2024年4月

Tuning Studio は、 flan-t5-xl-3b と llama-2-13b-chat の基盤モデルモデルに加え、 granite-13b-instruct-v2 の基盤モデルチューニングもサポートするようになった。 詳細については、 基盤モデルチューニング をご覧ください。

granite-13b-instruct-v2 基盤モデルチューニングするための実験構成設定は、タスクに応じて最適なデフォルト値を適用するように変更される。 チューニング評価ガイドラインは、実験結果を分析し、その結果に基づいて実験構成設定を調整するのに役立ちます。 詳しくは、チューニング実験の結果を評価するをご覧ください。

フランクフルト地域では、アラビア語の基盤モデルが利用可能です

11 2024年4月

Inception、Mohamed bin Zayed University of Artificial Intelligence、Cerebras Systemsが提供する jais-13b-chat の基盤モデル、フランクフルト地域で利用できる。

jais-13b-chat 基盤モデル、アラビア語と英語の会話タスクに特化している。 また、アラビア語と英語間の言語翻訳を含む、アラビア語の一般的な目的のタスクに jais-13b-chat 基盤モデル使用することもできます。

詳しくは、サポートされているファンデーションモデルをご覧ください。

Prompt Labでプロンプトの全文を見る

11 2024年4月

基盤モデル送信されるプロンプトのテキスト全体を確認できるようになりました。これは、プロンプトにプロンプト変数が含まれている場合や、構造化モードまたはチャットモードで作業している場合に便利です。

詳細はPrompt Labを参照。

非推奨のGraniteバージョン1モデルは廃止された

11 2024年4月

以下のファンデーションモデルは現在販売中止となっている：

  • granite-13b-chat-v1
  • granite-13b-instruct-v1

これらの基盤モデル使用しているプロンプトは、 IBM Granite v2 の基盤モデル使用するように修正してください。 For more information about foundation model deprecation and withdrawal, see 基盤モデルライフサイクル.

2024年4月5日までの週

ピボットテーブルを使用して、Decision Optimization実験で集計されたデータを表示する

5 2024年4月

ピボットテーブルを使用して，Decision Optimization実験のVisualizationビューに集約された入力データと出力データの両方を表示できるようになった． 詳細については、 Decision Optimizationexperimentsの可視化ウィジェットを参照。

新しい watsonx.ai チュートリアルと動画

2024年4月4日

watsonx.ai をデータ準備からプロンプトエンジニアリングまで、エンドツーエンドのユースケースで使用する方法を、新しいチュートリアルで試してみましょう。

チュートリアル 説明 チュートリアルの専門知識
watsonx.ai のエンドツーエンドのユースケースをお試しください。 データ準備から迅速なエンジニアリングまでのユースケースを追う。 ノートブックや Prompt Lab などのさまざまなツールを使用します。

2024年3月15日までの週

watsonx.aiAPI が利用可能です

14 2024年3月

watsonx.aiのAPIは一般に公開されている。 watsonx.aiAPI を使用して、プログラムでファンデーションモデルを操作します。 詳細はAPIリファレンスを参照。

APIのバージョンは2024-03-14です。

ノートブックから基礎モデルを操作するために利用可能なPythonライブラリを引き続き使用することができます。 詳細はPythonライブラリを参照。

ダラス、フランクフルト、東京で新しいファンデーション・モデルを発表

14 2024年3月

現在、watsonx.ai:から推論に利用できる基礎モデルは以下の通りです：

  • granite-20b-multilingual: 英語、ドイツ語、スペイン語、フランス語、ポルトガル語のさまざまな生成タスクに使用できる、 ファミリーの IBM Granite 基盤モデル。

  • codellama-34b-instruct-hf: Code Llama からのプログラムコード生成モデルは、 （ ）に基づいています。 Llama 2 Meta codellama-34b-instruct-hf を使用して、自然言語の入力に基づくコード生成用のプロンプトを作成したり、コードの補完やデバッグを行うことができます。

詳しくは、サポートされているファンデーションモデルをご覧ください。

2024年3月8日までの週

Tuning Studioはフランクフルトにあります

2024年3月7日

Tuning Studioは、フランクフルト地域の有料プランのユーザーが利用できるようになった。 Tuning Studio 基盤モデル有用な出力を返すように導くのに役立つ。 フランクフルトで Tuning Studio、 flan-t5-xl-3b と llama-2-70b-chat の両方の基盤モデル調整することができる。

詳しくはTuning Studioをご覧ください。

東京地区における llama-2-13b-chat 基盤モデル迅速な調整

2024年3月7日

Tuning Studio は現在、東京地区の llama-2-13b-chat 基盤モデルチューニングをサポートしている。 まず、 llama-2-70b-chat モデルのより大きな Prompt Lab をエンジニアに提示し、ユースケースに有効なプロンプト入力を探します。 次に、 Llama 2 モデルの小型版をチューニングして、 zero-shotプロンプト、同等、いやそれ以上の出力を生成する。

詳しくはTuning Studioをご覧ください。

Mixtral8x7bモデルの低価格化

5 2024年3月

基盤モデル mixtral-8x7b-instruct-v01-q は、クラス2: $0.0018/Resource ユニット からクラス1: $0.0006/Resource ユニットに再分類され、このモデルに対する推論タスクの実行がよりコスト効率的になりました。 この再分類は、 mixtral-8x7b-instruct-v01-q が利用可能なすべての地域に適用されます。

詳しくは、サポートされているファンデーションモデルをご覧ください。

料金の詳細については、watsonx.aiランタイムプランをご覧ください。

AIリスクアトラスの更新と強化

5 2024年3月

AIリスクアトラスでは、以下の新コンテンツや強化されたコンテンツをご覧いただけます：

  • ガバナンス、法令遵守、社会的影響リスクにまたがる非技術的リスクの新しいカテゴリー
  • リスクに関する新しい例
  • リスクの定義の明確化

AIリスクアトラスを参照。

watsonxの新しい使用例

5 2024年3月

watsonxのユースケースは、お客様が弊社の製品、サービス、ツールをどのように使用できるかを確認するのに役立ちます：

  • watsonx.aiのユースケース：このユースケースは、機械学習とジェネレーティブ AI をオペレーションのフレームワークに統合することで、AI 駆動のソリューションでビジネスプロセスをどのように変革できるかについて説明します。
  • watsonx.governanceのユースケース：このユースケースは、AIモデルを追跡、監視、再トレーニングするための統合システムによって、責任ある透明性の高い説明可能なAIワークフローを実現する方法を説明します。

watsonxの使用例をご覧ください。

2024年3月1日までの週

チャットモードはPrompt Labで利用可能

2024年2月29日

Prompt Labのチャット・モードは、基礎モデルの実験を容易にするシンプルなチャット・インターフェースです。 チャットモードは、すでに利用可能な構造化モードと自由形式モードを補強するもので、抽出、要約、分類などのタスクのために数ショットまたは多ショットのプロンプトを作成するときに便利です。 チャットモードを使用して、チャットボットやバーチャルアシスタントのユースケースのための質問応答や会話のやりとりをシミュレートします。

詳細はPrompt Labを参照。

東京地区には日本語版Graniteが用意されている

2024年2月29日

IBM が提供する granite-8b-japanese の基盤モデルモデルは、東京地区では watsonx.ai から入手できる。 granite-8b-japanese 基盤モデル、 IBM Granite インストラクト・モデルをベースにしており、日本語テキストを理解し、生成するように訓練されている。

granite-8b-japanese 基盤モデル、分類、抽出、質問応答、日英間の言語翻訳など、日本語の汎用タスクに使用できます。

詳しくは、サポートされているファンデーションモデルをご覧ください。

2024年2月23日までの週

Granite-13bモデルの低価格化

2024年2月21日

Granite-13bモデルは、クラス2：$0.0018/Resourceユニットからクラス1：$0.0006/Resourceユニットに再分類され、これらのモデルに対して推論タスクを実行する際の費用対効果が高くなった。 この再分類は、以下のモデルが販売されているすべての地域で適用される：

  • granite-13b-chat-v2
  • granite-13b-chat-v1
  • granite-13b-instruct-v2
  • granite-13b-instruct-v1

これらのモデルの詳細については、対応するファンデーションモデルを参照のこと。

料金の詳細については、watsonx.aiランタイムプランをご覧ください。

2024年2月16日までの週

一般的な作業を開始するための新しいショートカット

2024年2月15日

概要タブの作業開始セクションのタイルをクリックすることで、プロジェクトの共通タスクを開始できるようになりました。 これらのショートカットを使って、共同作業者とデータの追加を開始し、モデルを実験・構築する。 View allをクリックすると、ツールの選択にジャンプします。

汎用タスクのための新しい mixtral-8x7b-instruct-v01-q 基盤モデル

2024年2月15日

Mistral AIによって提供され、 IBM によって量子化された mixtral-8x7b-instruct-v01-q 基盤モデルモデルは、 watsonx.ai から入手できる。 mixtral-8x7b-instruct-v01-q ファ基盤モデルは、Mistral AI の Mixtral 8x7B インストラクション・ファ基盤モデルの量子化されたバージョンです。

この新しいモデルは、分類、要約、コード生成、言語翻訳などの汎用タスクに使用できる。 詳しくは、サポートされているファンデーションモデルをご覧ください。

以下のモデルは非推奨であり、間もなく廃止される予定である。 これらの基盤モデル使用しているプロンプトは、 mixtral-8x7b-instruct-v01-q のような別の基盤モデル使用するように修正する。

非推奨基礎モデル
非推奨モデル 非推奨日付 退会日 代替モデル
gpt-neox-20b 2024年2月15日 2024年3月21日 mixtral-8x7b-instruct-v01-q
mpt-7b-instruct2 2024年2月15日 2024年3月21日 mixtral-8x7b-instruct-v01-q
starcoder-15.5b 2024年2月15日 11 2024年4月 mixtral-8x7b-instruct-v01-q

APIを使用してこれらのモデルに送信された推論リクエストは、出力を生成し続けるが、近日中のモデルの取り下げに関する警告メッセージが含まれる。 退会日に達すると、モデルを推論するためのAPIリクエストは出力を生成しなくなる。

非推奨と脱退の詳細については、Foundation モデルのライフサイクルを参照してください。

granite-13b-chat-v2 の基盤モデル変更することができる

2024年2月15日

granite-13b-chat-v22の最新バージョンは2.1.0です。 この修正には、バージョン2.0.0のモデルに新しいAIアライメント技術を適用することで得られた改良が含まれている。 AIの調整には、微調整と強化学習のテクニックを使って、できるだけ有益で、真実で、透明性のある出力を返すようにモデルを導くことが含まれる。 詳しくは、AIアライメントとは？ IBMResearchのブログ記事。

新しいwatsonxのチュートリアルとビデオ

2024年2月15日

新しいwatsonx.governanceチュートリアルをお試しください。Watson OpenScale を使用して、公正さ、正確さ、ドリフト、説明可能性について機械学習モデルを評価する方法を学ぶことができます。

新しいチュートリアル
チュートリアル 説明 チュートリアルの専門知識
機械学習モデルを評価する モデルをデプロイし、デプロイされたモデルにモニターを設定し、モデルを評価する。 Run a notebook to configure the models and use Watson OpenScale to evaluate.

2024年2月9日までの週

タスク指向のDecision Optimizationドキュメント

9 2024年2月

Decision Optimization実験の作成と設定に必要な情報を、より簡単に見つけることができるようになりました。 Decision Optimization実験とそのサブセクションを参照。

IBM Cloud Data Engineの接続は非推奨です

2022年2月8日

IBM Cloud Data Engine接続は非推奨であり、将来のリリースで廃止される予定です。 重要な日付と詳細については、データエンジンの廃止をご覧ください。

Data Refineryフロー・ジョブを実行するための新しいSpark3.4環境

9 2024年2月

Data Refineryフロージョブの環境を選択する際に、Sparkの機能強化を含むDefault Spark3.4& R4.22を選択できるようになりました。

Data Refinery環境

デフォルトのSpark3.3& R4.2環境は非推奨であり、将来のアップデートで削除される予定です。

Data Refineryのフロー・ジョブを更新して、新しいDefault Spark3.4& R4.2環境を使用するようにします。 詳細は、プロジェクトData Refineryのオプションを参照してください。

2024年2月2日までの週

サンプルコレクションはリソースハブに名称変更

2024年2月2日

Samplesコレクションは、より内容を反映するためにResource hubに改名されました。 リソースハブには、基礎モデル、サンプルプロジェクト、データセット、ノートブックがあります。 リソースハブを参照。

IBM Cloud Databases for DataStaxの接続は終了しました

2024年2月2日

IBM Cloud Databases for DataStax接続はIBM watsonx.aiから削除されました。

Dremio接続にはアップデートが必要

2024年2月2日

以前のDremio接続はJDBCドライバを使っていた。 現在、接続には Arrow Flight に基づくドライバーが使用されています。

重要：接続プロパティを更新する。 DremioSoftware（オンプレミス）インスタンスまたはDremioCloud インスタンスの接続には、異なる変更が適用されます。

Dremioソフトウェア：ポート番号を更新してください。

Flightが使用する新しいデフォルトのポート番号は32010です。 ポート番号はdremio.confファイルで確認できる。 詳しくは dremio.confによる設定を参照してください。

さらに、Dremioは IBM Cloud Satelliteとの接続をサポートしなくなった。

DremioCloudです：認証方法とホスト名を更新します。

  1. Dremioにログインし、個人アクセストークンを生成する。 手順については、パーソナル・アクセストークンを参照してください。
  2. IBM watsonxの［接続の作成］にある：Dremioフォームで、認証タイプをPersonal Access Tokenに変更し、トークン情報を追加します。 (ユーザー名とパスワードによる認証は、Dremioクラウドインスタンスへの接続に使用できなくなりました)
  3. ポートがSSL対応であることを選択します。

DremioCloud インスタンスにデフォルトのホスト名を使用している場合は、変更する必要があります：

  • sql.dremio.cloud data.dremio.cloudに変更
  • sql.eu.dremio.cloud data.eu.dremio.cloudに変更

llama-2-13b-chat 基盤モデルプロンプトチューン

2024年2月1日

Tuning Studio は現在、 llama-2-13b-chat 基盤モデルチューニングをサポートしている。 まず、 llama-2-70b-chat モデルのより大きな Prompt Lab をエンジニアに提示し、ユースケースに有効なプロンプト入力を探します。 次に、 Llama 2 モデルの小型版をチューニングして、 zero-shotプロンプト、同等、いやそれ以上の出力を生成する。 llama-2-13b-model はダラス地域で素早いチューニングが可能です。 詳しくはTuning Studioをご覧ください。

2024年1月26日までの週

AutoAIはすべての実験で順序データをサポートする

2024年1月25日

時系列実験だけでなく、すべてのAutoAI実験で順序付きデータを指定できるようになりました。 行索引に従って、トレーニング・データを順次に配列するかどうかを指定します。 入力データがシーケンシャルである場合、モデルの性能はランダムサンプリングではなく最新のレコードで評価され、ホールドアウトデータはn個のランダムレコードではなくセットの最後のn個のレコードを使用する。 時系列実験では連続データが必要だが、分類実験や回帰実験では任意である。

RAGアクセラレーターとのQ&A

2024年1月26日

サンプルプロジェクトをインポートすることで、検索拡張生成を使用した質疑応答ソリューションを実装できるようになりました。 サンプル・プロジェクトには、ドキュメントをHTMLやPDFからプレーン・テキストに変換し、ドキュメント・セグメントをElasticsearchのベクトル・インデックスにインポートし、ベクトル・インデックスにクエリするPython関数をデプロイし、トップNの結果を取得し、LLM推論を実行して質問に対する答えを生成し、答えが幻覚でないかチェックするノートブックやその他のアセットが含まれている。

RAGアクセラレーターとのQ&Aて。

ダークテーマに設定

2024年1月25日

watsonxのユーザーインターフェイスをダークテーマに設定できるようになりました。 アバターをクリックし、プロフィールと設定を選択してアカウントプロフィールを開きます。 次に、ダークテーマのスイッチをオンに設定する。 ダークテーマはRStudioとJupyterノートブックではサポートされていません。 プロフィールの管理については、設定の管理をご覧ください。

IBM watsonx.aiは東京リージョンで利用可能です

2024年1月25日

Watsonx.aiは現在、東京のデータセンターで一般的に利用可能であり、契約時に希望する地域として選択することができる。 東京リージョンでは、これらのモデルについて、 Prompt Lab と基盤モデル推論がサポートされている：

  • elyza-japanese-llama-2-7b-instruct
  • flan-t5-xl-3b
  • flan-t5-xxl-11b
  • flan-ul2-20b
  • granite-13b-chat-v2
  • granite-13b-instruct-v2
  • llama-2-70b-chat
  • llama-2-13b-chat

東京地区からも購入可能：

  • で flan-t5-xl-3b 基盤モデルチューニングを促す。 Tuning Studio
  • Synthetic Data Generatorで表形式のデータを生成し、モデルのトレーニングに使用する

サポートされているモデルの詳細については、 watsonx.aiで利用可能なサポートされている基礎モデルをご覧ください。

東京地区には日本語モデルのLlama 2がある

2024年1月25日

株式会社ELYZAが提供する elyza-japanese-llama-2-7b-instruct 基盤モデルモデルは、東京データセンターの watsonx.ai インスタンスから利用できる。 elyza-japanese-llama-2-7b-instruct モデルは、 Llama 2 モデルを日本語のテキストを理解し生成するように訓練したものです。 Meta

この新しいモデルは、一般的な作業に使用できる。 日本語の分類や抽出、日英間の翻訳に威力を発揮する。

2024年1月12日までの週

watsonx.aiRuntime（Watson Machine Learning）でIBMRuntime22.2のサポートが非推奨となりました

2024年1月11日

IBMRuntime22.22は非推奨であり、2024年4月11日に削除される予定です。 2024年3月7日以降、22.2ランタイムを使用してノートブックやカスタム環境を作成することはできません。 また、22.2ランタイムに基づくソフトウェア仕様で新しいモデルをトレーニングすることはできません。 2024年3月7日以前にIBMRuntime23.11を使用するように、資産とデプロイメントを更新してください。

IBM Granite v1 基盤モデル非推奨

2024年1月11日

IBM Granite 130億パラメータ v1 基盤モデル非推奨であり、2024年4月11日に廃止れる。 バージョン1のモデルを使用している場合は、バージョン2のモデルに切り替えてください。

非推奨のIBMファンデーション・モデル
非推奨モデル 非推奨日付 退会日 代替モデル
granite-13b-chat-v1 2024年1月11日 11 2024年4月 granite-13b-chat-v2
granite-13b-instruct-v1 2024年1月11日 11 2024年4月 granite-13b-instruct-v2

APIを使用してバージョン1モデルに送信された推論リクエストは、出力を生成し続けるが、近日中のモデル廃止に関する警告メッセージが含まれる。 2024年4月11日以降、モデルを推論するためのAPIリクエストは出力を生成しません。

IBM Granite 基盤モデル詳細については、 基盤モデル IBM を参照のこと。 廃止と取り下げに関する詳細については、 基盤モデルのライフサイクル をご覧ください。