AIモデル：能力分析、アーキテクチャ、およびファミリーガイド
モデル自体の分析：ファミリー、アーキテクチャ、トレードオフ。
モデル選びと、その実行は別の問題です。ランタイム、GPU、サービングスタックは「どのように実行するか」に答えますが、このクラスターは「どのモデルか、なぜそのモデルなのか」に答えます。
ここにあるページでは、モデルを成果物として分析しています。ファミリーが世代ごとにどのように進化するか、モデルのアーキテクチャがモデルの機能に何を変えるか、そして量子化と機能のトレードオフがどこに位置するか、といった点です。すべての主張はベンダーのモデルカード、独立したベンチマーク、または測定された実行に依拠しています。予測値は予測と明記されています。
AIモデルがスタック内で占める位置
当サイトは、モデルに関する問題を3層に分割しています。
| レイヤー | 対象 | クラスター |
|---|---|---|
| モデル | 機能、アーキテクチャ、ファミリーの進化、量子化 | ここです |
| サービング | ランタイム、GPUとの適合性、スループット、コンテキストの挙動 | LLMホスティング · LLMパフォーマンス |
| システム | ルーティング、メモリ、エージェント、検証 | AIシステム · LLMアーキテクチャ |
ここでなされた機能に関する主張（27Bデンスモデルが4ビットで何を持ち得るか、1回のフォワードパスで判定子が何を出すか）は、他でなされるホスティングやパフォーマンスの決定への入力となります。クラスターは意図的に分離されており、ベンチマークテーブルがアーキテクチャのエッセイに移り、戻ってくることを防いでいます。
クラスターマップ
このクラスターは若く、スケジュールではなく密度で成長します。現在存在するもの：
- ここです — この柱：クラスターがカバーする範囲とその境界
- アーキテクチャ — LLMの次に来るもの? Mamba、拡散モデル & ワールドモデル — トランスフォーマー後の状況：状態空間モデル、拡散言語モデル、JEPAワールドモデル、それぞれの根拠
- ファミリー — Qwen 4: 確定した情報とローカルAIへの意味 — 世代間の27Bベンチマークラダー、Flash-Nextアーキテクチャプレビュー、コンシューマーGPUとの適合性を中心としたファミリー参考ページ
将来のサブクラスター（関連するページが十分存在した時点でシード）：ベンチマーク（モデル間比較）、量子化（ビットラダー参照）、埋め込みとリランカー（検索サイドモデル）、比較（ファミリー対ファミリー）。
モデルアーキテクチャ
アーキテクチャ分析は、設計変更が機能、メモリ、推論の挙動に何をするか問いかけます。今週リーダーボードのトップはどのモデルか、ではなくです。アンカーページでは、トランスフォーマーを成功させたり補完したりする候補を取り上げています：
- 状態空間モデル（Mamba） — 圧縮された再帰状態を通じてシーケンス長に対して線形スケーリング
- 拡散言語モデル — 左から右へのデコーディングではなく、並列トークン生成
- ワールドモデルとJEPA — トークンではなく、表現に対する予測
ハイブリッドパターン — コストに見合う場所でトランスフォーマーアテンションを使い、そうでない場所で線形アテンションを使う — は既にリリースされているモデルに存在しており、LLMの次に来るもの? は研究の系譜と本番環境の証拠の両方を追跡しています。
モデルファミリー
ファミリーページでは、1つのモデルラインの世代間を追跡します：各リリースで何が変わったか、どのベンチマークの向上が実在でありベンダー報告に過ぎないか、そして次の世代が所有するハードウェアに何を意味するか。
最初のページは、コンシューマーGPU上で最も実行されているオープンウェイトファミリーをカバーしています：
- Qwen 4: 確定した情報とローカルAIへの意味 — Alibabaの確定したロードマップ、Qwen3.5 → 3.6 → 3.8の27Bベンチマークラダー、実行可能なアーキテクチャプレビューとしてのFlash-Next、そしてQwen 4 27Bが到達するメモリ目標。
ここに属さないもの
境界ルールはこのクラスターの誠実さを保ちます：
- サービングとチューニングの問題 — モデルがどれだけ速く実行されるか、コンテキストをどのように収めるか、どのランタイムを使うか — はLLMパフォーマンスとLLMホスティングに属します。ファミリーページは、tok/sテーブルを再掲するのではなく、それらの測定へのリンクを行います。
- システム内でのモデル利用 — ルーティング階層、メモリ、エージェント設計 — はAIシステムとLLMアーキテクチャに属します。
- 検索サイドモデル — 埋め込みとリランカーはここではモデルとして分析されますが、パイプライン内での適用はRAGに属します。
このクラスターが他のクラスターと接続する方法
- 2026年のLLMパフォーマンス — ここでの機能主張の実測対応物：オープンモデルのエフィシェントフロンティアと16GBベンチマークページは、「このモデルは capable です」を「このモデルは収まり、N t/sで実行できます」に変換します。
- 2026年のLLMホスティング — モデル選択に従うランタイムとインフラストラクチャの決定。
- LLMの次に来るもの?とファミリーページは相互参照します：ファミリー内でのアーキテクチャプレビュー（Flash-Next）は、状況説明ページが記述するアーキテクチャの変化に対する短期的な証拠です。
