Cohere Labsが提供するTiny Ayaは、ごく一部の言語しか扱えず高性能ハードウェアを必要とする従来のAIが抱える問題を解決するために開発されました。このモデルはオープンウェイトで、70以上の言語にわたり強力な性能を持ち、スマートフォン上でも動作可能な軽量性を備えています。公開後、Cohereは「Expedition Tiny Aya」というメンター付き研究プログラムを開始し、世界中の開発者、研究者、学生にモデルを提供して実用的な応用を探りました。最近、Tiny Ayaの研究成果がCOLM 2026に採択され、多言語AIの実用的基盤としての影響力が認められました。
遠征プロジェクトは4つの主要テーマに沿って進められました。教育と学習、より安全な多言語AIの構築、アクセシビリティとローカル展開、言語理解と処理です。
教育分野では、Tiny Aya Math版チームが構造化推論による数学問題解決の改善を探求し、多言語数学オリンピックベンチマークを公開しました。Kids Companionは完全オフラインで動作する子供向け音声アシスタントを開発し、多言語の安全性と教育価値を評価するベンチマークも提供しました。
多言語安全性に関しては、コードミックスプロンプトの実験から、言語が混ざると安全性評価の結果が劇的に変化し、従来のベンチマークでは見逃される盲点が存在することが明らかになりました。クロスリンガルな緊急不整合の研究では、不安全な振る舞いが言語間で転移する可能性が示唆されましたが、その強度は言語ペアによって異なりました。Context Robustnessプロジェクトでは、モデルが浅い文化的手がかりに依存し、真の文化的理解に欠けることが判明しました。
アクセシビリティとローカル展開では、チームが合成データパイプラインを構築し、ヒンディー語とトルコ語を中心に1300時間以上の音声翻訳訓練データを生成しました。DocuNativeは新規移住者が機密文書を端末内で処理できるシステムを開発し、Tiny Aya Visionはパラメータ効率的な方法で視覚エンコーダと接続し、性能を大幅に向上させました。Tiny Facadeは4ビット量子化モデルを活用した完全オフラインのツール呼び出しシステムを実現し、Language-Aware Quantizationは圧縮が多言語性能に不均等に影響することを示し、言語ごとの最適化手法を提案しました。
これらのプロジェクトは、アクセス可能なモデル、強力なメンターシップ、そして地域固有の問題を自由に探求する機会があれば、有意義なAIイノベーションが可能になることを示しています。Tiny Ayaは多言語AIの敷居を下げ、グローバルな技術普及に貢献し続けるでしょう。さらに、言語認識量子化プロジェクトでは、圧縮が多言語性能に与える影響が言語によって異なるため、対象を絞った最適化が重要であると指摘しています。Tiny Aya Visionのように、既存の視覚エンコーダを活用し、ほとんどのパラメータを凍結したまま接続することで、計算リソースを節約しつつ優れた性能を達成できることが実証されました。これらの成果は、多言語AIの未来がローカル化、個人化、そして多様な言語コミュニティへの公平なサポートにあることを示しています。