NVIDIA GTC 2026におけるAi2の注目ポイント
Ai2はNVIDIA GTC 2026に参加し、パネルディスカッションやデモを通じて、再現性・透明性・実用性の3原則を強調した。同社はこれらの価値観を技術開発の基盤として位置付けている。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
2026 年 3 月 23 日
Ai2
先週、Ai2 は NVIDIA GTC 2026 に参加しました。パネルディスカッション、ライブストリーミング、展示フロアのデモ、そしてパートナーイベントを通じて、私たちは一貫して同じ原則を強調し続けています：再現性、透明性、そして実用的な価値です。
もし見逃された方がいれば、主要な瞬間の簡単な振り返りをご紹介します。
オープンモデル：重みの公開を超えて
私たちは AI エコシステムにおけるオープンモデルの役割に関するいくつかのパネルに参加しました。Hanna Hajishirzi は Open Models: Where We Are and Where We're Headed および Build Trust and Discovery Through Open-Source AI in Research に、Ranjay Krishna は The State of Open-Source AI に参加しました。
今週を通じて、私たちは単にモデルの重み（weights）を公開するだけでなく、より広範なオープン性の視点を持っています。Olmo を通じて、私たちの目的はデータ、コード、チェックポイント、評価を含む開発プロセス全体を明らかにすることです。これにより、研究者がシステムがどのように構築されたかを検証し、自身の用途に合わせて修正できるようになります。公開されたモデルは単なるスナップショットに過ぎません。その背後にあるプロセスを共有することが、他者が堅牢な基盤として築き上げられるものを与えるのです。
パネルディスカッションでは、この重要性が言語モデルを超えてなぜ重要なのかを改めて強調しました。多モーダル AI において、多くのウェブスケールの画像–テキストデータセットは視覚的コンテンツを十分に詳細に記述しておらず、そのためモデルが成功する理由や失敗する理由を理解することが難しくなっています。より良いデータ、オープンな評価、そしてパイプラインへの可視性は二次的な懸念事項ではなく、共有された進歩がどのように達成されるかというプロセスそのものの一部です。
Olmo Hybrid とオープンコーディングエージェント
私たちはまた、NVIDIA Developer Community のライブストリームに参加し、Open Coding Agents および Olmo Hybrid について議論しました。
Open Coding エージェントに関する議論は、開発者がローカルで実行し、プライベートまたは内部のコードベースに適応できるエージェントに焦点を当てました。このファミリー初のリリースである SERA は、強力なコーディングエージェントをより容易に研究・カスタマイズ・プライベートリポジトリに対してデプロイできるようにするために構築されました。
Olmo Hybrid の側面では、ハイブリッドアーキテクチャの背後にある研究動機とこれまでの成果について説明しました。その結果、6 兆トークンで事前学習された完全にオープンな 7B モデルファミリーが、Olmo 3 と同等の MMLU 精度を達成しましたが、必要なトークン数は 49% 削減されています。
繰り返し強調されたテーマは、研究パイプラインへのアクセスがチームのモデルとの関わり方を変えるということです。ファインチューニングや独立した評価の実行、そしてモデルの挙動をより詳細に検査することなどが含まれます。
ライブストリームは こちら で視聴できます。また、SERA を試す もしくは、Hugging Face で Olmo Hybrid をダウンロード することも可能です。
Lambda のブースでのライブ微調整
展示会場では、Lambda のブースで Olmo Hybrid の教師あり微調整（supervised fine-tuning）がリアルタイムで行われる様子を来場者が観覧できました。このデモは、モデルの進捗状況とシステムの状態を同時にリアルタイムで表示するもので、GPU 温度、メモリ使用量、利用率といった観測性指標（observability metrics）に加え、損失曲線（loss curves）もライブで確認できます。また、障害を検知し、問題のあるノードを隔離して手動介入なしにトレーニングを再開するためのリスタートロジックも実装されています。
「[Olmo Hybrid] は異なるアーキテクチャですが、扱いやすく、その上に構築することも非常に容易であることを人々に示したかったのです」と、Lambda の応用機械学習研究者である Caia Costello 氏はブースから語りました。「それがオープンソースの精神だと私は考えています」
この協力の背後にあるインフラストラクチャーの詳細については、Lambda の記事 をご覧ください。
Cirrascale ブースでの Asta AutoDiscovery
Cirrascale のブースで Asta AutoDiscovery をデモしました。AutoDiscovery はデータセットを検索し、仮説を生成し、実験を実行し、手動分析だけでは見えてこない知見を浮き彫りにします。リリース以来、研究者たちは腫瘍学、気候科学、海洋生態学など多岐にわたる分野で 20,000 件以上の仮説を生成しており、私たちはアクセス権限を更新したクレジット配分によって利用範囲を広げています。まだ試していない方は Asta AutoDiscovery をお試しください。
また、水曜日の忙しいスケジュールの締めくくりとして、Google、Cisco、Dell Technologies と共に Cirrascale のプライベート AI パーティーを共同スポンサーするお招きをいただき大変嬉しく思いました。これは、AI インフラストラクチャ、展開、研究に携わる人々との対話を続けるための別の場を提供するものです。
ロボティクスと具現化 AI
私たちの GTC パネルはまた、ロボティクスおよび具現化 AI（Embodied AI）にも広がりを見せました。ここではオープンなトレーニングデータや評価手法が依然として相対的に限られています。シミュレーションは、高価な手動デモンストレーションに頼らず、大規模で多様なトレーニングデータを生成することで、このギャップを埋める重要な手段となりつつあります。
この視点は、私たちの最近の MolmoSpaces および MolmoBot のリリースと直接結びついており、これらはオープンな環境において強力なロボティクスシステムを単に機能させるだけでなく、理解可能で改善可能なものにすることを目指しています。
GTC 2026 の一週間を振り返る
GTC 2026 での私たちの活動は、パネルディスカッション、開発者向けライブストリーミング、フロアでのインタビュー、実演デモ、そしてパートナーイベントに及びました。モデル開発、コーディングエージェント、ハイブリッドアーキテクチャ、トレーニングインフラストラクチャ、マルチモーダルシステム、科学分野における AI に関する取り組みを紹介し、AI 業界で現在最も大きなステージの一つにおいて、私たちが掲げる透明性のある真のオープンなアプローチを共有しました。
最新の Ai2 ニュースに関する月次更新を受け取るには、購読してください。
原文を表示
March 23, 2026
Ai2
Ai2 was at NVIDIA GTC 2026 last week, and through panels, livestreams, expo floor demos, and partner events, we kept coming back to the same principles: reproducibility, transparency, and practical utility.
In case you missed it, here’s a quick recap of the key moments.
Open models: beyond releasing weights
We participated in several panels on the role of open models in the AI ecosystem. Hanna Hajishirzi joined Open Models: Where We Are and Where We're Headed and Build Trust and Discovery Through Open-Source AI in Research, and Ranjay Krishna joined The State of Open-Source AI.
Throughout the week, we emphasized a view of openness that goes beyond simply releasing model weights. With Olmo, our aim has been to expose the full development process – data, code, checkpoints, and evaluations – so researchers can examine how the system was built and modify it for their own uses. A released model is just a snapshot—sharing the process behind it is what gives others something robust to build on.
Our panel discussions also underscored why this matters beyond language models. In multimodal AI, many web-scale image–text datasets don't actually describe visual content in enough detail, which makes it harder to understand why models succeed or fail. Better data, open evaluation, and visibility into the pipeline aren't secondary concerns—they're part of how shared progress happens.
Olmo Hybrid and Open Coding Agents
We also joined the NVIDIA Developer Community livestream to discuss Open Coding Agents and Olmo Hybrid.
The Open Coding Agents conversation focused on agents that developers can run locally and adapt to private or internal codebases. SERA, the family's first release, was built to make strong coding agents easier to study, customize, and deploy against private repositories.
On the Olmo Hybrid side, we walked through the research motivation behind hybrid architectures and the results so far: a fully open 7B model family pretrained on 6 trillion tokens that reaches the same MMLU accuracy as Olmo 3 using 49% fewer tokens.
A recurring theme was that access to the research pipeline changes how teams engage with models—fine-tuning, running independent evaluations, and inspecting model behavior more closely.
You can watch the livestream, try SERA, or download Olmo Hybrid on Hugging Face.
Live fine-tuning at Lambda's booth
On the expo floor, attendees could watch supervised fine-tuning of Olmo Hybrid running live at Lambda's booth. The demo offered a real-time view into both model progress and system health—observability metrics like GPU temperature, memory usage, and utilization alongside live loss curves and restart logic designed to detect faults, isolate problematic nodes, and resume training without manual intervention.
“We wanted to show people that even though [Olmo Hybrid] is a different architecture, it's also really easy to work with and build on top of,” Caia Costello, an Applied ML Researcher at Lambda, said from the booth, “and I think that's the spirit of open source.”
For more on the infrastructure behind the collaboration, see Lambda's writeup.
Asta AutoDiscovery at the Cirrascale booth
We demoed Asta AutoDiscovery at the Cirrascale booth. AutoDiscovery explores datasets, generates hypotheses, runs experiments, and surfaces findings that might not emerge through manual analysis alone. Since launch, researchers have generated over 20,000 hypotheses spanning oncology, climate science, marine ecology, and more—and we've extended access with refreshed credit allocations. Try AutoDiscovery if you haven't yet.
We were also thrilled to be invited to co-sponsor Cirrascale’s Private AI Party to cap off our busy Wednesday – alongside Google, Cisco, and Dell Technologies – offering another setting to continue conversations with people working in AI infrastructure, deployment, and research.
Robotics and embodied AI
Our GTC panels also broadened into robotics and embodied AI, where open training data and evaluation are still comparatively limited. Simulation is becoming an important way to close that gap—generating diverse training data at scale without relying on expensive manual demonstrations.
That perspective ties directly to our recent MolmoSpaces and MolmoBot releases, which aim to make strong robotics systems not only capable but also understandable and improvable in the open.
Looking back on the week
Our time at GTC 2026 spanned panels, a developer livestream, floor interviews, live demos, and partner events. We shared work on model development, coding agents, hybrid architectures, training infrastructure, multimodal systems, and scientific AI—and we brought our transparent, truly open approach to one of the biggest stages in the AI industry today.
Subscribe to receive monthly updates about the latest Ai2 news.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み