説明
Miniclay AIは、特定のデータセットに基づいてカスタムモデルをトレーニングするために設計されたAIファインチューニングエンジンを提供します。このプラットフォームでは、ユーザーがタスクを説明し、テキストタスク用のCSVファイルやビジョンタスク用のラベル付き画像などのラベル付き例をアップロードできます。Miniclay AIは、ベースモデルの選択、誤ラベル行やクラスの不均衡などの問題に対するデータセットのチェック、最適なトレーニングレシピの適用という複雑なプロセスを自動化します。このアプローチにより、結果として得られるモデルは意図されたタスクに対して非常に特化され、大規模な一般モデルよりも狭いタスクで優れた性能を発揮し、迅速な応答を提供し、コストも低く抑えられます。
続きを読む
Miniclay AIの主な利点は、トレーニングされたモデルの重みを完全に所有できることです。ユーザーは重みをダウンロードしたり、自己ホストしたり、HuggingFaceにアダプターをプッシュしたりできます。Miniclay AIのサーバーに依存することなく、ロックインもありません。これにより、プライベートAIのデプロイが可能になり、モデルはユーザーのVPC、データセンター、または完全にエアギャップされた環境内で実行され、Miniclay AIが引き渡し後に外部API呼び出しやデータ保持を行うことはありません。
このプラットフォームは「最初に測定し、次にトレーニングする」という哲学を強調しています。トレーニングが始まる前に、Miniclay AIはユーザーのタスクに対してストックモデルをベンチマークします。これによりベースラインスコアが提供され、プロンプトだけでユーザーの要件を満たす場合、トレーニングは推奨されず、料金も発生しません。ベースラインが不足している場合、ユーザーはファインチューニングから期待できるパフォーマンス向上を明確に理解できます。
Miniclay AIは、透明性のある従量課金制の価格モデルを提供しており、最初のデモ実行は無料で、クレジットカードは不要です。以降のトレーニング実行はジョブごとに価格が設定され、トレーニング開始前に正確なコストが見積もられ、ユーザーによって承認されます。これにより、深い機械学習の専門知識がなくてもファインチューニングが可能になり、プラットフォームがハイパーパラメータや評価を処理し、デプロイ可能なスコア付きモデルを提供します。
- カテゴリー機械学習プラットフォーム
- 料金モデル従量課金
- デプロイクラウド, セルフホスト
- プラットフォームWeb
Miniclay AIの主要機能
AI駆動のファインチューニングエンジン
ユーザーデータに基づくカスタムモデルのトレーニング
自動ベースモデル選択
データセットのチェックとクリーニング(SynthFix)
ストックモデルに対するベースラインベンチマーク
トレーニングされたモデルの重みのユーザー所有権
プライベートAIデプロイオプション(VPC、データセンター、エアギャップ)
推論中の外部API呼び出しなし
引き渡し後のデータ保持なし
ジョブごとの従量課金制
クレジットカードなしでの無料デモ実行
トレーニングコストの事前承認
自動ファインチューニングとデプロイのためのAPI
テキストおよびビジョンタスクのサポート(CSV、ラベル付き画像)
A10G/A100でのトレーニング用LoRA/QLoRA
Miniclay AIの使い方は?
ラベル付き例をアップロード: テキストタスク用のCSV形式またはビジョンタスク用のラベル付き画像を提供します。
データセットチェック: Miniclay AIは、自動的にデータセットをチェックし、誤ラベル行、矛盾する例、クラスの不均衡を特定します。
ベンチマークベースライン: ストックモデルを使用して、リトリーバルとプロンプトを用いてタスクに対するスコアを算出し、パフォーマンスのベースラインを確立します。
トレーニングとスコアリング: ベースラインが満たされない場合、Miniclay AIはベースモデルを選択し、ハイパーパラメータを決定し、モデルをトレーニングしてスコアを付けます。
コストの承認: 有料トレーニングジョブが開始される前に、正確な見積もりコストを確認し、承認します。
重みを取得: トレーニングされたアダプターをダウンロードし、自己ホストするか、HuggingFaceアカウントにプッシュします。
Miniclay AIの使用例
- チケットおよびメールルーティング
- ドキュメントフィールド抽出
- データ品質トリアージ
- プライベートAIデプロイメント
- タスク特化型モデルの作成
- コスト効率の良い推論
- セキュリティとコンプライアンス





