|
5月2日に報じられたところによると、現在ほとんどのAIチャットボットは処理のためにクラウド接続を必要とし、ローカルで実行できるものでさえ非常に高い構成要件が求められています。では、インターネット接続を必要としない軽量チャットボットは存在するのでしょうか? GitHubでMLC LLMと呼ばれる新しいオープンソースプロジェクトが立ち上げられました。インターネット接続なしで完全にローカルで実行でき、統合グラフィックを搭載した古いコンピューターやApple iPhoneでも実行できます。 MLC LLMプロジェクトの説明には、次のように記載されています。「MLC LLMは、あらゆる言語モデルを異なるハードウェアバックエンドとローカルアプリケーションの組み合わせにローカルに展開できるユニバーサルソリューションです。また、誰もが自身のユースケースに合わせてモデルのパフォーマンスをさらに最適化できる高性能フレームワークも含まれています。すべてはサーバーサポートなしでローカルで実行され、モバイルフォンやラップトップのローカルGPUによって高速化されます。私たちの使命は、誰もが自分のデバイス上でローカルにAIモデルを開発、最適化、展開できるようにすることです。」 ▲ MLC LLMプロジェクトの公式デモ IT HomeがGitHubページを検索したところ、このプロジェクトの開発者はカーネギーメロン大学のCatalystプロジェクト、SAMPL機械学習研究グループ、ワシントン大学、上海交通大学、OctoMLなどから来ていることが判明しました。また、Web LLMというプロジェクトも運営しています。 ▲MLCは機械学習コンパイルの略です MLC LLMは、MetaのLLaMAをベースにした軽量LLMであるVicuna-7B-V1.1を使用しています。パフォーマンスはGPT3.5やGPT4ほど高くありませんが、サイズ面で優位性があります。 現在、MLC LLM は Windows、Linux、macOS、iOS プラットフォームで利用可能ですが、Android 用のバージョンはまだありません。 海外メディアtomshardwareのテストによると、RAM 6GBのApple iPhone 14 Pro MaxとiPhone 12 Pro Maxは、インストールサイズ3GBでMLC LLMを正常に実行しました。しかし、RAM 4GBのApple iPhone 11 Pro MaxではMLC LLMを実行できませんでした。 ▲画像出典:tomshardware さらに、ThinkPad X1 Carbon(第6世代)もMLC LLMの実行に成功しました。このノートパソコンはi7-8550Uプロセッサーを搭載し、専用グラフィックカードは搭載されていませんが、Intel UHD 620 GPUを搭載しています。MLC LLMはPCプラットフォーム上でコマンドラインから実行する必要があります。海外メディアによるテストでは、応答時間が約30秒と遅く、連続会話がほとんどできないなど、平凡なパフォーマンスが示されました。今後のバージョンで改善されることを期待します。 ▲画像出典:tomshardware MLC LLMのGitHubページ: ここをクリックしてご覧ください |
オープンソースの AI チャットボット MLC LLM がリリースされました。インターネット接続なしでローカルで実行でき、統合グラフィックを搭載したコンピューターや Apple iPhone で動作します。
関連するおすすめ記事
-
オープンソースツールを使用してKubernetesクラウドのコストを監視する
-
Kubernetes リソースインベントリの静的解析ツール - KubeLinter
-
私のささやかな意見: ビジネスからオープンソースへの移行に関するいくつかの考察
-
Coolify - Heroku/Netlify に代わるオープンソースのセルフホスト型代替品
-
89, 89); margin: 0px; padding: 0px; background: none 0% 0% / auto repeat scroll padding-box border-box rgba(0, 0, 0, 0);">resource ( s )
2022/07/02 13:17:33 1 つのリソースを作成しています
2022/07/02 13:17:33 1 つのリソースを作成しています
2022/07/02 13:17:33 検出キャッシュをクリアしています
2022/07/02 13:17:33 タイムアウト1 分で4つのリソースの待機を開始
2022/07/02 13:17:39 43個のリソースを作成しています( s )
2022/07/02 13:17:39 5分0 秒のタイムアウトで43のリソースの待機を開始
2022/07/02 13:17:40 デプロイメントの準備ができていません: argocd / argocd - applicationset - controller 。 予想される1 個のポッドのうち0 個が準備ができています
2022/07/02 13:17:42 デプロイメントの準備ができていません: argocd / argocd - applicationset - controller 。 予想される1 個のポッドのうち0 個が準備ができています
……
2022/07/02 13:19:44 デプロイメントの準備ができていません: argocd / argocd - applicationset - controller 。 予想される1 個のポッドのうち0 個が準備ができています
2022/07/02 13:38:27 デプロイメントの準備ができていません: argocd / argocd - dex - server 。 1 個のポッドのうち0 個が準備完了です
2022/07/02 13:38:30 リリースインストールに成功しました: argocd / argo - cd - 4.9.11
2022-07-02 13:38:30 ✔ [ 成功] ツール( argocd / default ) の作成が完了しました。
2022 - 07 - 02 13 : 38 : 30 ℹ [ 情報] -------------------------- [ 処理の進行状況: 4/4 。 ] --------------------------
2022 - 07 - 02 13 : 38 : 30 ℹ [ INFO ] 処理中: ( argocdapp / default ) -> 作成...
2022-07-02 13:38:31 ℹ [ INFO ] application . argoproj . io / dtm - test - go が作成されました
2022-07-02 13:38:31 ✔ [ 成功] ツール( argocdapp / default ) の作成が完了しました。
2022-07-02 13:38:31 ℹ [ 情報] -------------------- [ 処理が完了しました。 ] --------------------
2022-07-02 13:38:31 ✔ [ 成功] すべてのプラグインが正常に適用されました。
2022-07-02 13:38:31 ✔ [ 成功] 申請が完了しました。適用プロセス中、実行状態は定義された状態バックエンドストレージに保存されます。例えば、ローカルストレージを使用している場合、実行状態はルートディレクトリのdevstream.stateファイルに保存されます。合計4つのツールチェーンがあり、最初の2つが完了し、最後の2つが認識された場合、最初の2つのプラグインの状態がこのファイルに保存されます。次回の再適用時には、最後の2つのツールチェーンのみを実行する必要があります。
上記で定義したツールチェーンは、最終的に GitHub 上に Golang Web 用のスキャフォールディングされたアプリケーション コード リポジトリを作成します。
GitHub Actions は、CI 操作と Docker イメージの構築に使用されます。
CI プロセスは最終的にイメージを Docker Hub にプッシュします。
その後、ArgoCD が Kubernetes にデプロイされます。
$ kubectl get pods -n argocd
名前準備完了ステータス再起動年齢
argocd - アプリケーション- コントローラー- 0 1 / 1 実行中0 5 分55秒
argocd - アプリケーションセット- コントローラー- 64 d8c477f4 - 2 wrg6 1 / 1 実行中0 5 分55秒
argocd - dex - サーバー- dbdbf5499 - krmfz 1 / 1 実行中0 5 分35秒
argocd - 通知- コントローラー- b67c4bdb4 - 22 t9l 1 / 1 実行中0 5 分55秒
argocd - redis - df9db799b - 8 gbpv 1 / 1 実行中0 5 分55秒
argocd - リポジトリ- サーバー- 56769 cdd47 - zs65j 1 / 1 実行中0 5 分55秒
argocd - サーバー- 7 d4745f689 - w5pp7 1 / 1 実行中0 5 分55秒最後に、ArgoCDを使用してCD操作を実行し、サンプルアプリケーションをKubernetesクラスターにデプロイします。基本的には、ArgoCDアプリケーションオブジェクトを作成します。
$ kubectl アプリケーションを取得- n argocd
名前同期ステータスヘルスステータス
dtm - テスト- go 不明健康ArgoCD を通じて、デプロイされたアプリケーションの詳細を表示することもできます。
最後に、ツールチェーン全体を削除する場合は、`dtm delete` コマンドを実行するだけです。
プロセス全体は非常にスムーズでした(ただし、何らかの理由でGitHubへのアクセスが非常に遅かった点を除けば)。必要なプラグインを設定ファイルで定義するだけで済みます。プラグインの設定方法の詳細については、公式ドキュメント(https://docs.devstream.io/en/latest/plugins/plugins-list/)をご覧ください。
YAML設定ファイルに必要なDevOpsツールを定義するだけで、たった1つのコマンドでDevOpsツールチェーンとSDLCワークフロー全体を構築できます。DevStreamはまさに魔法のツールと言っても過言ではありません。
Git リポジトリ: https://github.com/devstream-io/devstream。
-
iWant: ファイルを共有するための分散型のピアツーピア コマンドライン ツール。