説明
OmniEduは、K–12の学習と教育環境のために慎重に開発されたオープンな基盤モデルのファミリーを表しています。このモデル群は、カリキュラムの基盤、K–12の問題解決、診断的推論、教育的指導など、教育の重要な側面に対応するように設計されています。これらのモデルはオープンソースとして設計されており、教育技術コミュニティ内での革新と協力を促進します。
続きを読む
OmniEduファミリーは、ローカル実験用のOmniEdu-4B、一般教育アプリケーション用のOmniEdu-9B、教育評価で最も優れた結果を示すOmniEdu-27Bなど、複数のスケールで利用可能です。これらのモデルは、BF16オリジナルとFP8リリースの両方で提供されており、FP8バージョンはパフォーマンスを維持しながらダウンロードサイズを37%–44%削減します。すべてのスケールは、教育コンテンツの包括的な処理を可能にする32,768トークンのトレーニングシーケンス長を利用しています。
OmniEduの主要な機能は、学習–教育のループ全体をカバーしています。カリキュラムの基盤により、モデルは質問を特定の知識ポイント、学年、前提関係、カリキュラムの証拠にマッピングできます。K–12の問題解決において、OmniEduはさまざまな科目、形式、マルチモーダル入力にわたる本物の学校レベルの質問を解決できます。診断的推論は、学習者の作業から誤解、欠落した前提、知識状態のギャップを特定し、学生の理解に関する貴重な洞察を提供します。さらに、教育的指導により、モデルはヒントを提供したり、フォローアップの質問をしたり、前提のレビューを推奨したり、詳細な説明を提供したりするなど、次の指導アクションを提案できます。
これらのモデルは、60,951の教育特化型および9,048の一般目的の例からなる膨大なデータセットで厳密にトレーニングされています。オープンウェイトおよび専有ソリューションを含む16の他のモデルに対する評価では、OmniEdu-27BがK12-Bench EM/F1、MathFishの精度、LongTutorの教育スコアなどのベンチマークでリードしており、カリキュラムの基盤と指導支援において強力なパフォーマンスを示しています。このプロジェクトは、ベンチマーク結果が強力である一方で、教育者は教室での重要な使用の前にモデルの出力を確認する必要があることを強調しています。
OmniEduは教育研究と教師支援ツールの作成をサポートします。これらのモデルは、ブロック単位のFP8をサポートするGPU/バックエンドでの展開を目的として設計されており、Qwen3.5サポートを持つ最近のvLLMリリースを利用しています。ユーザーは、モデルIDを調整することで、異なるモデルサイズと精度レベル(BF16またはFP8)を簡単に切り替えることができます。メモリ要件は、コンテキストの長さ、同時実行性、および画像入力の有無に基づいて異なります。
- カテゴリーAIモデルとLLM
- 料金モデルオープンソース
- デプロイOn-premise (via GitHub)
- プラットフォームWeb
OmniEduの主要機能
K–12教育のためのオープンな基盤モデルファミリー
カリキュラムの基盤:質問を知識ポイント、学年、前提にマッピング
K–12の問題解決:さまざまな科目と形式の学校レベルの質問を解決
診断的推論:学習者の作業から誤解と知識のギャップを特定
教育的指導:ヒント、質問、説明などの指導アクションを提案
複数のモデルスケール:OmniEdu-4B、OmniEdu-9B、OmniEdu-27B
FP8リリース:パフォーマンスを維持しつつダウンロードサイズを37%–44%削減
BF16オリジナル:フル精度の実験用に利用可能
すべてのスケールで32,768トークンのトレーニングシーケンス長
60,951の教育特化型および9,048の一般目的の例でトレーニング
K12-Bench EM/F1、MathFishの精度、LongTutorの教育スコアでの強力なパフォーマンス
教育研究と教師支援ツールの開発をサポート
展開例と量子化設定が提供される
教育的ファインチューニング後も一般的な能力が強力
問題解決のためのマルチモーダル入力をサポート
OmniEduの使い方は?
モデルスケールの選択:ローカル実験用にOmniEdu-4B、教育アプリケーション用にOmniEdu-9B、または最も優れた結果を得るためにOmniEdu-27Bを選択します。
精度の選択:BF16オリジナルまたはFP8リリースを選択し、FP8がダウンロードサイズを37%–44%削減することに注意します。
環境の準備:ブロック単位のFP8をサポートするGPU/バックエンドと、Qwen3.5サポートを持つ最近のvLLMリリースを使用して展開します。
モデルの展開:OmniEdu-4B-FP8から始め、モデルIDを変更し、9Bまたは27BモデルのGPU並列性を調整します。
BF16オリジナルの提供:モデルIDから「-FP8」サフィックスを削除してBF16オリジナルチェックポイントを提供します。
アプリケーションへの統合:教育ツールにおけるカリキュラムの基盤、問題解決、診断、または教育的指導のためにモデルを利用します。
出力の確認:教育者は教室での重要な使用の前にモデルの出力を確認する必要があります。
OmniEduの使用例
- カリキュラムの整合性
- K–12の問題解決
- 学習者の診断
- 教育的支援
- 教育研究
- 教師支援ツール
- モデル実験
- マルチモーダル学習








