DatologyAIは、AIモデルの学習データを精製するプラットフォーム「Curation Studio」を公開しました。データ選別を、職人技から再現可能な工程へ移す狙いです。
4段階の精製パイプライン
同社の説明では、データを清掃する「Clean」、調整する「Calibrate」、生成する「Create」、組み合わせる「Compose」の4段階で学習データを処理します。公開データセット39件を使った比較では、30B-A3B構成のモデルがベースラインの37.7%に対し46.8%を達成し、12B-A1.4B構成では事前学習の計算量を5分の1に抑えつつ同等性能に到達したとしています（いずれも同社公表値）。プライベートVPC（仮想プライベートクラウド）内での運用にも対応します。
なぜ今データ管理なのか
モデル規模の競争が一段落した領域では、同じ計算量でより良いモデルを作る鍵がデータ品質に移りつつあります。Hugging Face上のオープンデータと自社データをどう混ぜるかは、Together AI系の基盤を使う企業にも直結する課題です。
編集部の見解
数値は自社比較であり第三者検証はありませんが、「学習データの工程管理を製品にする」という方向は企業AIの実務と合致します。日本企業が社内文書で独自モデルを作る際、データの選別基準を文書化できるかが品質を左右するだけに、工程として扱う発想は取り入れやすいはずです。
my-best.ai 編集部
出典：DatologyAI「Curation Studio」（2026年10月10日）
メールマガジン
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。