最新記事
Microsoft Foundry の Fine Tuning 完全ガイド — 方式・モデル・コスト（Part 1／全 2 回）
Microsoft FoundryのFine Tuning導入判断を整理。SFT・DPO・RFTの違い、RAGやプロンプトとの使い分け、対応モデル、デプロイ方式、料金、制約、代表ユースケースを比較し、目的・品質・運用要件に応じた選定観点を示す。
Microsoft Foundry の Fine Tuning 完全ガイド — データ設計・実行（Part 2／全 2 回）
Microsoft FoundryでのFine Tuningを再現性高く進めるため、目的と評価指標の設定、ベースモデル比較、JSONLデータ設計、ジョブ設定、学習・検証・デプロイ手順を整理。重要なのは件数よりデータ品質、一貫した評価、実験記録、失敗例を活かす継続改善である。
Foundry Models のモデルの種類と機能 — Microsoft Foundry 選定・デプロイガイド
Microsoft Foundryのモデル選定を、性能順位ではなく「調達区分・モダリティ・デプロイタイプ・ライフサイクル」の4軸で整理。契約、課金、SLA、運用制約を踏まえ、選定から評価、保護、実装、監視までの判断順序と主要機能を実務視点で解説する。
Microsoft AI が MAI モデルを内製する理由 — Frontier Tuning と差し替え可能な設計
Microsoft AI が MAI モデルを内製する狙いを、性能あたりコスト、製品特化チューニング、モデルの差し替え可能性、Microsoft Frontier Tuning の提供状態から整理します。
OpenAI・Anthropic・Microsoft AI の現行モデルを徹底比較【2026年7月版】
2026年7月時点のOpenAI・Anthropic・Microsoft AIの現行モデルを、提供状況・価格チャネル・廃止予定で整理。OpenAIはGPT-5.6がGA、Anthropic一般向け最上位はClaude Fable 5、MicrosoftはMAIが限定展開・Phi-4がGA。直販とFoundry/Azure課金差、旧世代やSora 2の停止予定にも注意と解説。
Microsoft Foundry の評価機能で想定 QA と実回答の差分を測り継続的に改善する方法
Microsoft Foundry（旧 Azure AI Foundry）の評価機能で、チャットの想定 QA（ground truth）を登録し実回答との差分を Similarity や F1 で測って改善する手順を、JSONL 設計・評価器の選び方・ポータル UI と SDK・改善ループまで実務目線で解説します。
Microsoft AI の MAI モデル徹底解説 — 提供状態・価格・使い分け【2026年8月版】
Microsoft AI の自社開発モデル MAI を、推論・コーディング・画像・音声・文字起こし・セキュリティの 6 領域で整理。2026 年 8 月時点の性能、提供状態、価格、用途別の選び方を一次情報に基づいて解説します。
