医療AIツールQBioを発見しました。これは、乳腺密度の分類と透明な報告書の生成に特化しています。X線写真をアップロードすると、数分以内に乳腺密度がA、B、C、Dのどれであるかを教えてくれ、さらに意思決定プロセスを説明した詳細な報告書が添付されます。それは Fetch と Hybrid の共同開発によるもので、QBio は単なる前菜で、本当の主役は ASI-1 Mini です。Fetchは非常に古いプロジェクトであり、Defiが市場全体の注目を集めていた時代に、FetchはAI + Cryptoに特化し、多モデルエージェントの一般的な技術開発と応用に専念してきました。## **ASI-1 Mini とは何ですか**今年 2 月、Fetch は世界初の Web3 ネイティブ大規模言語モデル（LLM）—ASI-1 Mini を発表しました。Web3 ネイティブとは何か？簡単に言うと、これはブロックチェーンとシームレスに統合され、$FET トークンと ASI ウォレットを通じて、AI を使用するだけでなく、AI に投資し、トレーニングし、所有することができることを意味します。では、ASI-1 Miniとは一体何なのでしょうか?それは、複数のAIエージェントを調整し、複雑な多段階のタスクを処理できるように設計されたエージェントAI（Agentic AI）専用の大規模言語モデルです。例えば、QBioの背後にあるASI <train>推論エージェントは、ASI-1 Miniの一部です。それは乳腺密度を分類するだけでなく、意思決定プロセスを説明し、AIの「ブラックボックス問題」を解決します。さらにすごいのは、ASI-1 Miniはわずか2枚のGPUで動作でき、他のLLM（例えば、DeepSeekは16枚のH100 GPUを必要とする）と比べて、コストが非常に低く、中小の機関に適しています。## **ASI-1 Mini はいかに革新をもたらすのか**ASI-1 Miniは、性能が先進的なLLMに匹敵しますが、ハードウェアコストは大幅に削減されています。動的推論モードと高度な適応能力を備えており、より効率的で状況認識に優れた意思決定を実現します。### MoM と MoA の比較それはすべて頭字語です、恐れることはありません、それは簡単です:モデルの混合物(MoM)、エージェントの混合物、(MoA)AI専門家チームを想像してみてください。各自が異なるタスクに集中し、スムーズに連携します。効率を向上させるだけでなく、意思決定プロセスをより透明にします。例えば、医療画像分析において、MoMは画像認識に特化したモデルを選択し、別のモデルはテキスト生成に特化しており、MoAはこれら二つのモデルの出力を調整して、最終報告が正確で読みやすくなるようにします。### 透明性と拡張性従来のLLMは「ブラックボックス」であり、質問をすると答えを返しますが、なぜそのように答えたのかは申し訳ありませんが、答えることができません。ASI-1 Miniは異なり、継続的な多段階推論を通じて、私がこの答えを選んだ理由を教えてくれます。特に医療分野では、これが非常に重要です。ASI-1 Miniのコンテキストウィンドウは1,000万トークンに拡張され、マルチモーダル機能（画像、ビデオ処理など）をサポートします。将来的には、ロボット工学やバイオテクノロジーなどの最前線の分野に焦点を当てたCortexシリーズモデルも登場します。### ハードウェア効率他のLLMは高額なハードウェアコストを必要としますが、ASI-1 Miniはわずか2つのGPUで動作します。これは、たとえ小さなクリニックであっても、100万ドルのデータセンターを必要とせずに負担できることを意味します。なぜこれほど効率的なのか？それは、ASI-1 Mini の設計哲学が「少ないことは多い」ということだからです。限られた計算リソースを最大限に活用するために、アルゴリズムとモデル構造を最適化しています。それに対して、他の LLM はより大規模なモデルを追求することが多く、その結果、資源消費が膨大になります。### コミュニティ駆動他の大規模言語モデルとは異なり、ASI-1 Miniは分散型のトレーニングとコミュニティ主導で作られています。ASI-1 Miniは、$FETホルダー向けの階層型の無料バイラル製品であり、ホルダーはWeb3ウォレットを接続することで全機能をアンロックできます。ウォレットに保有されているFETトークンが多いほど、このモデルの機能を探求できるようになります。このコミュニティ主導のモデルは、クラウドファンディングのようなもので、人工知能の訓練と検証に使われるものであり、高度な技術がもはやエリート層だけのものではなく、誰もが参加できるものです。LLMがすでに比較的成熟している今日、なぜ別にASI-1 Miniを開発する必要があるのでしょうか？それは、Web3とAIの融合の空白を埋めるためであると理解するのが容易です。現在のLLM（例えばChatGPT、Grok）は主に中央集権的な環境にサービスを提供していますが、ASI-1 Miniは去中心化エコシステムのために設計された最初のLLMです。それはAIをより透明で効率的にするだけでなく、コミュニティのメンバーがAIの成長から直接利益を得ることを可能にします。ASI-1 Miniの登場は、AIが「ブラックボックス」から「透明性」へ、「中央集権」から「分散型」へ、「ツール」から「資産」へと移行することを示しています。それは医療分野（例えばQBio）だけでなく、金融、法律、研究などの多くの分野でもその可能性を示すことができます。今月、FetchはRivalzと提携し、ASI-1 MiniをRivalzのエージェントデータ調整システム（ADCS）に統合し、オンチェーンAI推論を実現しました。この提携により、分散型アプリケーションはブロックチェーン上で高度なAI推論能力に直接アクセスできるようになります。従来のブロックチェーン環境はリソースに制約があり、スマートコントラクトは軽量なタスクしか処理できず、多くの場合、オラクルを通じて単純なデータ(価格など)を取得し、複雑なAIモデルを直接実行することはできません。 ADCSは、AI推論のための複雑な計算をオフチェーンで行い、結果を安全にブロックチェーンに戻すことで、この問題を完全に解決し、分散性と信頼性を確保します。 </train>
Web3ネイティブ大規模言語モデルASI-1 Miniの解釈
医療AIツールQBioを発見しました。これは、乳腺密度の分類と透明な報告書の生成に特化しています。X線写真をアップロードすると、数分以内に乳腺密度がA、B、C、Dのどれであるかを教えてくれ、さらに意思決定プロセスを説明した詳細な報告書が添付されます。
それは Fetch と Hybrid の共同開発によるもので、QBio は単なる前菜で、本当の主役は ASI-1 Mini です。
Fetchは非常に古いプロジェクトであり、Defiが市場全体の注目を集めていた時代に、FetchはAI + Cryptoに特化し、多モデルエージェントの一般的な技術開発と応用に専念してきました。
ASI-1 Mini とは何ですか
今年 2 月、Fetch は世界初の Web3 ネイティブ大規模言語モデル（LLM）—ASI-1 Mini を発表しました。Web3 ネイティブとは何か？簡単に言うと、これはブロックチェーンとシームレスに統合され、$FET トークンと ASI ウォレットを通じて、AI を使用するだけでなく、AI に投資し、トレーニングし、所有することができることを意味します。
では、ASI-1 Miniとは一体何なのでしょうか?
それは、複数のAIエージェントを調整し、複雑な多段階のタスクを処理できるように設計されたエージェントAI（Agentic AI）専用の大規模言語モデルです。
例えば、QBioの背後にあるASI 推論エージェントは、ASI-1 Miniの一部です。それは乳腺密度を分類するだけでなく、意思決定プロセスを説明し、AIの「ブラックボックス問題」を解決します。さらにすごいのは、ASI-1 Miniはわずか2枚のGPUで動作でき、他のLLM（例えば、DeepSeekは16枚のH100 GPUを必要とする）と比べて、コストが非常に低く、中小の機関に適しています。
ASI-1 Mini はいかに革新をもたらすのか
ASI-1 Miniは、性能が先進的なLLMに匹敵しますが、ハードウェアコストは大幅に削減されています。動的推論モードと高度な適応能力を備えており、より効率的で状況認識に優れた意思決定を実現します。
MoM と MoA の比較
それはすべて頭字語です、恐れることはありません、それは簡単です:モデルの混合物(MoM)、エージェントの混合物、(MoA)
AI専門家チームを想像してみてください。各自が異なるタスクに集中し、スムーズに連携します。効率を向上させるだけでなく、意思決定プロセスをより透明にします。例えば、医療画像分析において、MoMは画像認識に特化したモデルを選択し、別のモデルはテキスト生成に特化しており、MoAはこれら二つのモデルの出力を調整して、最終報告が正確で読みやすくなるようにします。
透明性と拡張性
従来のLLMは「ブラックボックス」であり、質問をすると答えを返しますが、なぜそのように答えたのかは申し訳ありませんが、答えることができません。ASI-1 Miniは異なり、継続的な多段階推論を通じて、私がこの答えを選んだ理由を教えてくれます。特に医療分野では、これが非常に重要です。
ASI-1 Miniのコンテキストウィンドウは1,000万トークンに拡張され、マルチモーダル機能（画像、ビデオ処理など）をサポートします。将来的には、ロボット工学やバイオテクノロジーなどの最前線の分野に焦点を当てたCortexシリーズモデルも登場します。
ハードウェア効率
他のLLMは高額なハードウェアコストを必要としますが、ASI-1 Miniはわずか2つのGPUで動作します。これは、たとえ小さなクリニックであっても、100万ドルのデータセンターを必要とせずに負担できることを意味します。
なぜこれほど効率的なのか？それは、ASI-1 Mini の設計哲学が「少ないことは多い」ということだからです。限られた計算リソースを最大限に活用するために、アルゴリズムとモデル構造を最適化しています。それに対して、他の LLM はより大規模なモデルを追求することが多く、その結果、資源消費が膨大になります。
コミュニティ駆動
他の大規模言語モデルとは異なり、ASI-1 Miniは分散型のトレーニングとコミュニティ主導で作られています。ASI-1 Miniは、$FETホルダー向けの階層型の無料バイラル製品であり、ホルダーはWeb3ウォレットを接続することで全機能をアンロックできます。ウォレットに保有されているFETトークンが多いほど、このモデルの機能を探求できるようになります。
このコミュニティ主導のモデルは、クラウドファンディングのようなもので、人工知能の訓練と検証に使われるものであり、高度な技術がもはやエリート層だけのものではなく、誰もが参加できるものです。
LLMがすでに比較的成熟している今日、なぜ別にASI-1 Miniを開発する必要があるのでしょうか？それは、Web3とAIの融合の空白を埋めるためであると理解するのが容易です。
現在のLLM（例えばChatGPT、Grok）は主に中央集権的な環境にサービスを提供していますが、ASI-1 Miniは去中心化エコシステムのために設計された最初のLLMです。それはAIをより透明で効率的にするだけでなく、コミュニティのメンバーがAIの成長から直接利益を得ることを可能にします。
ASI-1 Miniの登場は、AIが「ブラックボックス」から「透明性」へ、「中央集権」から「分散型」へ、「ツール」から「資産」へと移行することを示しています。それは医療分野（例えばQBio）だけでなく、金融、法律、研究などの多くの分野でもその可能性を示すことができます。
今月、FetchはRivalzと提携し、ASI-1 MiniをRivalzのエージェントデータ調整システム（ADCS）に統合し、オンチェーンAI推論を実現しました。この提携により、分散型アプリケーションはブロックチェーン上で高度なAI推論能力に直接アクセスできるようになります。
従来のブロックチェーン環境はリソースに制約があり、スマートコントラクトは軽量なタスクしか処理できず、多くの場合、オラクルを通じて単純なデータ(価格など)を取得し、複雑なAIモデルを直接実行することはできません。 ADCSは、AI推論のための複雑な計算をオフチェーンで行い、結果を安全にブロックチェーンに戻すことで、この問題を完全に解決し、分散性と信頼性を確保します。