01 / UNDERSTAND
仕組みと使いどころ
vLLM Semantic Routerチームが公開したDecision 3.0系の約260.9億パラメータの判断モデルです。テキストまたはJSONに、複数の画像や動画を組み合わせて入力できます。同じ入力を一度読み、複数の質問に対して、選択、はい・いいえ、尺度による採点、画像・動画内の位置を示すBox、動画全体の対象追跡を返します。各回答には確率が付きますが、自由な説明文を生成するモデルではありません。質問ごとの上限は131,072トークンで、超過時は切り詰めずエラーになります。ライセンスはApache-2.0です。
02 / IN PRACTICE
d3-ultraの活用例
たとえば、こんな場面で
問い合わせ文を入力し、担当部署の選択と緊急性の判定を一度に求める使い方が考えられます。また、画像内に対象が存在するかを確認し、その位置をBoxと確率で受け取る用途にも利用できます。
03 / GOOD TO KNOW
使うときのポイント
返される確率は正解の保証ではありません。選択肢や判定基準を明確にし、用途に応じて結果を確認してください。Boxは常に1件返るため、対象の有無は位置だけでなくconfidenceも確認します。
参考資料
vllm-sr/d3-ultra · Hugging Face （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。