OkayStudy
JA English 한국어 日本語 中文 हिन्दी বাংলা اردو Español Português Français Deutsch Русский العربية Bahasa Indonesia Tiếng Việt ไทย Türkçe

通知を有効にする方法

このブラウザーまたはアドレスでは通知を利用できません。対応ブラウザーで安全な接続のBaeumNovaサイトを開いてください。

通知がブロックされている場合は、ブラウザーの設定で許可してください。

  1. アドレスバー横のサイト設定、またはブラウザーのサイト設定を開き、このサイトの通知を許可に変更してください。
  2. 端末の設定でブラウザーの通知を許可し、おやすみモードや集中モードを確認してください。
  3. BaeumNovaに戻ってページを再読み込みしてください。通知が有効になるとベルは表示されなくなります。

iPhoneやiPadではBaeumNovaをホーム画面に追加し、そこから開いて通知を許可してください。

ゲスト

ログインすると、あなたのレッスン予定を確認できます。

はじめよう

一歩ずつ始める英語レッスン

ステップを押すとその画面へ移動します。

無料体験

  1. 無料体験の講師を選ぶ

    写真に[無料体験]が付いた講師を押します。

  2. プレゼントの印がある時間を押す

    時間割でプレゼントの絵がある無料の時間を押します。

  3. ログインして予約する

    ログインするとすぐ予約されます。お支払いはありません。

  4. カメラ&マイクテスト

    授業の前にカメラとマイクを確認しましょう。

  5. 予約したレッスンを確認

    予約したレッスンの時刻と講師を確認します。

  6. レッスンに入室

    時間になったらビデオ教室に入ります。

  7. 過去のレッスンを確認

    終わったレッスンの記録を見返します。

  8. 講師を評価

    レッスンが終わったら講師を評価します。

自己紹介

  1. プロフィール写真を登録

    写真があると講師があなたを見分けやすくなります。

  2. 自己紹介を書く

    自己紹介掲示板にあいさつを書きましょう。

レッスンを受ける

  1. レッスンを予約

    気に入った講師の時間割から予約します。

  2. PayPalでレッスン料を支払う

    PayPalで支払います。PayPalが確認するとすぐにレッスンが予約されます。

  3. 予約したレッスンを確認

    予約したレッスンの時刻と講師を確認します。

  4. レッスンに入室

    時間になったらビデオ教室に入ります。

  5. 過去のレッスンを確認

    終わったレッスンの記録を見返します。

  6. 講師を評価

    レッスンが終わったら講師を評価します。

重み(weight)とパラメータ(parameter)— 3B・7B・オープンウェイト

はで得た数値の集まりです。この数値が (パラメータ)、大部分が (重み)です。働きと ・7B の意味、を説明します。

用語集に戻る 2026-10-31 にモデルの数値を確認しました
小さなつまみが何百個も、それぞれ違う高さに並んだ音響卓が、入ってきたタイルを一つのタイルにして送り出し、ロボットの腕がつまみをいくつか少しずつ動かしている

絵で見ると

  1. 重み weight

    盤の上の小さな箱ひとつが、重みひとつです。箱の高さがその数値の値で、入ってきた入力にこの値を掛けます。

  2. パラメータ parameters

    ロボットアームが学習しながら箱を少しずつ動かしている盤全体が、パラメータです。箱のひとつひとつがすべて学習された数値で、その大部分が重みです。

重みとパラメータ。英語では weight と parameter

は、文章や事実をそのまま覚えているわけではありません。数値を持っていて、答えはその数値から計算します。この数値を parameter(パラメータ)と呼び、その代表的なものを weight(重み)と呼びます。

  • weight

    重み

    英語で weight、たくさんあるときは weights と言います。式やコードでは、ふつう w と書きます。

    入力が結果にどれだけ強く影響するかを決める数値です。その入力にかけ算します。

    音響卓のつまみ一つのようなものです。

  • parameter

    パラメータ

    英語で parameter、たくさんあるときは parameters と言います。短く params と書くこともよくあります。

    モデルがしながら自分で調整する数値のすべてです。重みが最も多いですが、重みだけではありません。

    音響卓のつまみ全部を数えたようなものです。

重みはパラメータですが、すべてのパラメータが重みというわけではありません。

「重みをダウンロードする」のように、パラメータ全体を単に重み(weights)と呼ぶことがよくあります。そのファイルには、バイアスなど学習で得たほかの数値も入っています。

パラメータに含まれるもの

parameters · パラメータ
  • 重み weight

    入力にかけます。どれだけ強く反映するかを決めます。

  • bias

    最後に足します。結果を上下にずらします。

  • 埋め込み embedding

    一つ一つを表す数値の並びです。

  • 正規化係数 normalization coefficient

    値の範囲を安定させる、学習で得た数値です。

重み一つの働き

の小さな単位は、入力に重みをかけてから、バイアスを足します。重みが変わると、同じ入力でも結果が変わります。

y出力 w重み x入力 b

同じ入力で、重みを三通りに変えると

  1. 3 × 2 + 1 = 7 重みが大きい: 入力が強く反映されます
  2. 0 × 2 + 1 = 1 0: 入力は無視されます
  3. -1 × 2 + 1 = -1 マイナス: 入力が逆向きに働きます

実際のモデルは、この計算を何十億もの重みで、層ごとに繰り返します。計算一つ一つはこれだけ単純です。ただ、その数がとても多いのです。

重みを変えることと量子化は違います

上の3行は、重みをまったく別の値に変えた例です。重みこそがモデルなので、重みを変えるとモデルを丸ごと取り替えるのと同じです。は違います。をほぼそのまま残し、より少ないで粗く書き記すだけです。

重みを変える

3 -1

値が別の値になります。同じ質問にもモデルが違う答えを返します。

量子化

0.73421… 0.734

16ビットから8ビットへ

値はほぼそのままで、精度だけが下がります。同じモデルがより軽く動きます。

重みを変えることと量子化の比較
重みを変える 量子化
値 別の値になる ほぼ同じ値で、精度だけ下がる
誰が・いつ 学習(ファインチューニングを含む)が学習中に変える 学習が終わった後、保存・配布するときに縮める
目的 結果(動作)を変える ファイルサイズとメモリを減らす
モデルは 別のモデルになる 同じモデルのまま

量子化でも丸めによって値がほんの少し変わり、品質がわずかに下がることはあります。それでも同じモデルが同じ仕事をし、パラメータの数も変わりません。だから「重みを変える」とは意味が違います。

重みを自分で学習させてみる

この数値は誰が決める? 学習が決める

人が入力するのではありません。学習はでたらめな数値から始めて、何度も直していきます。終わると数値をファイルに保存し、モデルが答えるあいだは変わりません。

  1. でたらめな数値から始める
  2. 予測する
  3. 間違いの大きさを測る
  4. すべての数値を少しずつ直す

何度も繰り返す

会話しても重みは変わりません。ふつうの会話は重みを使うだけです。変わるのは、モデルをもう一度学習させたときだけです。

パラメータとハイパーパラメータ

名前は似ていますが、役目は違います。人が学習の前にハイパーパラメータを選び、学習がパラメータを見つけます。

パラメータとハイパーパラメータ
パラメータ ハイパーパラメータ
誰が決めるか 学習がデータから見つけます 人が選びます
いつ 学習のあいだずっと更新されます 学習を始める前に決めます
例 重み、バイアス 学習率、バッチサイズ、層の数、エポック数

3B や 7B は何を数えているか

数字のあとの文字は、パラメータの個数を表します。ファイルの大きさではありません。7B は、数値が約 70 億個という意味です。

M
100万 1,000,000
B
10億 1,000,000,000
T
1兆 1,000,000,000,000
よく話題になるモデルのパラメータ総数
  • Llama 3.2 3B 3B
  • Mistral 7B 7B
  • gpt-oss-20b 21B
  • Qwen3-Coder 30B-A3B 30.5B
  • GPT-3 175B
  • DeepSeek V4.1 Flash 763B
  • Mistral Large 4 1T

すべての棒は同じ目盛りなので、小さなモデルは点のように見えます。実際にそれだけ差があります。数値は概数で、各モデルカードから取っています。

モデル名の読み方

モデルによっては、トークン一つごとにパラメータの一部だけを使います。そのようなモデルの名前には、二つの数字が書かれています。

Mistral-Large-4 1T A52B

Mistral-Large-4
モデルの名前
1T
モデル全体のパラメータ数
A52B
A は Active。トークン一つごとに使うパラメータ数

Active が小さくても、軽く読み込めるわけではありません。モデル全体をメモリに置く必要があります。

7B モデルの大きさは?

大きさは、数値一つに何ビット使うかで決まります。量子化は、数値の個数はそのままで、一つ一つをより少ないビットで保存します。

重み容量 ≈ パラメータ数 × 1パラメータのビット数 ÷ 8

重みだけの理論上の大きさ(10進の GB)
モデル 32 ビット 16 ビット 8 ビット 4 ビット
3B 12 GB 6 GB 3 GB 1.5 GB
7B 28 GB 14 GB 7 GB 3.5 GB
70B 280 GB 140 GB 70 GB 35 GB

実際のファイルは、も入っているので少し大きくなります。モデルを動かすときは、KV やバッファ用のも余分に必要です。

オープンウェイト、オープンモデル、オープンソースは同じではない

これらの言葉は、モデルをどこまで受け取れるかを表します。下に行くほど、多くを受け取れます。

  1. クローズドモデル(closed model)

    会社のアプリや を通してだけ使えます。重みは会社のにあります。

    例 Claude、Gemini、ChatGPT の中にある GPT モデル

    AIコースの AI の言葉

  2. オープンウェイト(open weights · open model)

    重みをダウンロードして、自分のコンピューターで動かせます。どう学習したかは公開されないことがあります。

    例 Llama、Qwen、DeepSeek、gpt-oss、Mistral Large 4

    ダウンロードしたモデルを動かす

  3. オープンソース AI(open source AI)

    学習との詳しい情報も受け取れます。誰でも使い、変更し、共有できる条件です。

    例 OLMo、Pythia、T5。Open Source Initiative の検証段階を通過しましたが、認証ではありません。

    Open Source AI の定義 (新しいタブで開きます)

受け取れるもの
ダウンロードできる重み 学習コード 学習データの詳しい情報 自由に使い、変更し、共有できる
クローズドモデル(closed model) いいえ いいえ いいえ いいえ
オープンウェイト(open weights · open model) はい モデルによる 一部のことが多い ライセンス次第
オープンソース AI(open source AI) はい はい はい はい

オープンモデルは決まった規格の名前ではなく、ふだん使う言葉で、たいていオープンウェイトを指します。オープンウェイトのモデルをオープンソースと呼ぶ会社もあるので、ライセンスを読みましょう。

オープンウェイトにもライセンスがある

Apache 2.0 · MIT
制限が少ないです。表示を残せば、商用でも使えます。 Mistral 7B · gpt-oss · DeepSeek V4.1 Flash
独自ライセンス
会社が自分で決めた条件です。そのモデルで事業を始める前に読みましょう。 Llama · Mistral Large 4

最近の例: Mistral Large 4

Mistral AI は、2026年10月に Mistral Large 4 の重みを で公開しました。パラメータは約 1T 個で、トークン一つごとに約 52B 個を使います。ライセンスは ではなく Mistral Ecosystem Open-Weight License です。このモデルでモデルサービスを運営するには、Mistral の商用ライセンスが別に必要です。

Hugging Face のモデルカード (新しいタブで開きます)

小さなモデルを自分で動かしてみる

llama3.2:3b は 3B のモデルです。 に書かれているダウンロードサイズは 2.0 で、ノートパソコンにも入ります。

Ollama をインストールしたあと、ターミナルで実行
ollama run llama3.2:3b

よくある勘違い

  • 「B はバイトのこと」

    ここでの B は billion(10億)です。7B モデルの大きさは、数値一つのビット数で決まります。

  • 「パラメータが多いほど賢い」

    数値が多いと、入れられる量が増え、モデルは重くなります。どれだけ良いかは、学習データと設計でも決まります。

  • 「オープンウェイトはオープンソース」

    作り方は分からず、できあがった数値だけを受け取る場合もあり、ライセンスに制限があることもあります。

  • 「量子化はパラメータを減らす」

    個数はそのままで、一つ一つをより少ないビットで保存します。7B は 7B のままです。

  • 「関数の parameter と同じもの」

    プログラミングや API の parameter は、渡す値のことです。モデルの parameter は、学習で得た数値です。

  • 「アテンションの重みはモデルの重み」

    アテンションの重みは、文ごとに新しく計算し、合計が 1 になります。モデルのファイルには保存されません。

出典

2026-10-31 にこれらのページに載っていた数値です。モデル名とライセンスは変わるので、最新のページを確認してください。

予約できる時間が過ぎました

リエンと音声で会話 言語とテーマを選んで、リエンと声で話しましょう

リエンは English · 한국어 · 日本語 · हिन्दी で声に出して話します。ほかの言語は文字で答えます。

リエンとの音声会話は会員だけが使えます。まず会員登録をしてください。