実社会で使われる言語に最適化されたオープンウェイトAI。強力で適応力が高く、スマートフォンでもローカルで動作する十分な効率性を備えています。
本日、Cohereの研究部門であるCohere Labsは、Tiny Ayaを発表します。これは、同規模のモデルの中で最も高い性能を誇る多言語オープンウェイトモデルです。Tiny Ayaは、最先端の翻訳品質、優れた多言語理解力、ターゲット言語での高品質な回答、そして幅広い言語対応を実現しながら、一般的なPCやスマートフォンなどのデバイスでもローカルで動作するコンパクトなサイズを実現しています。実験への障壁はなく、あらゆる環境で動作する強力なモデルファミリーを提供します。
多言語AIは急速に進化してきましたが、その性能と利便性は依然として少数の主要言語や大規模なインフラに依存しています。Tiny Ayaは異なるアプローチを採用しました。効率的な設計と高度な多言語研究を融合させることで、あらゆる言語でバランスの取れた性能を実現し、同時に実用的な導入とカスタマイズを可能にしています。数百の言語を浅くカバーするのではなく、Tiny Ayaは深い多言語対応を重視し、研究者、開発者、そしてコミュニティが自らの言語的・文化的背景を反映したAIを構築できるようにします。
リリース内容について
事前学習済みモデル「TinyAya-Base」(パラメータ数33.5億):TinyAya-Baseは、世界中のリソースの少ない言語を含む70以上の言語*に対応しています。
強力なインストラクション調整済み多言語モデル「TinyAya-Global」:TinyAya-Baseをベースに開発されたTinyAya-Globalは、サポート対象の67言語すべてにおいて強力でバランスの取れた性能を発揮します。真の意味での多言語システムとしてデフォルトで利用可能であり、単一の導入環境で多様な言語設定にわたって一貫した品質を必要とするアプリケーションに最適です。
特化型インストラクション調整済みモデルファミリー:TinyAya-Globalに加え、広範な多言語能力を維持しつつ、特定の言語圏における性能をさらに強化した特化型バリアントを導入します。この構造により、共通の言語間学習と地域ごとの深い最適化を組み合わせることができ、研究者や開発者が多言語AIを柔軟に導入することが可能です(モデルバリアントと地域特化の詳細は後述します)。
新しい大規模多言語ファインチューニングデータセットとベンチマーク:複数のドメイン、言語、タスクをカバーするこれらのリソースは、体系的な多言語実験の基盤となり、再現可能な評価とデータ中心の学習戦略の継続的な探求を可能にします。
詳細な技術レポート:Tiny Ayaの背後にある研究、学習戦略、および評価に関するインサイトを公開します。

Tiny Aya は、多言語システムの構築と共有に対する考え方を変えるものです。効率的な設計、多言語事前学習および事後学習に関する深い研究、そして最初から言語的多様性に重点を置くことで、Tiny Aya は、高品質な AI を最も必要とする人々、すなわち、十分な対応がなされていない言語を扱う研究者、地域で開発を行うデベロッパー、そして独自の条件でテクノロジーを形作るコミュニティに AI をより身近なものにします。例えば、インドの大学研究室では、クラウド API に依存することなく、Tiny Aya をオフラインの翻訳ツールや教室・地域コミュニティでの AI 教育ツールとして導入することが可能です。

技術革新
Tiny Aya は、多言語モデルをいかに責任を持って拡張できるかについて、Aya プロジェクトが数年にわたり行ってきた研究に基づいています。特にその学習アプローチは、以下の最近の研究成果を基盤としています:トークナイゼーションによる言語適応性の向上、合成データの自然な統合の促進、多様な生成結果のスマートな融合、およびマージ手法の的を絞った選択。これらの手法を組み合わせることで、言語的なニュアンスを維持しつつ言語固有の構造を強化しながら、多言語の特性を統合することが可能になります。
Tiny Aya のもう一つの核となる設計原則は、現実的な計算リソースの予算内での効率性です。単一の 64 基の NVIDIA H100 GPU クラスターで事後学習を完了させることで、多言語データの緻密な設計と学習戦略が、単純な規模拡大(ブルートフォース・スケーリング)に代わる手段となり得ることを実証しました。これらのコンセプトは Tiny Aya の基礎から設計に組み込まれており、トークナイザーの設計、データ構成、および言語クラスターごとの特化アプローチに反映されています。
Tiny Aya は、単一の均一な目標としての多言語性という概念を超え、学習中に多様性を維持しつつ効率的なダウンストリーム適応を可能にする戦略を取り入れています。この設計により、研究者は厳格なアライメントや過度に特化した事後学習に縛られることなくモデルを再構成できるため、新たなドメインや新興言語、あるいはコミュニティ主導の評価フレームワークへの微調整が容易になります。

小型ながら、高いパフォーマンスを実現。
Tiny Ayaの開発にあたっては、より広範な目標を掲げました。それは、多くの言語において信頼性を維持しつつ、ローカル環境での利用に十分な効率性を備えたモデルの構築です。その結果、翻訳や自由形式の生成品質、資源の少ない言語における数学的推論など、さまざまな評価項目において、既存の多言語モデルに匹敵する性能を備えたモデルファミリーが誕生しました。
包括的な多言語生成ベンチマークスイートにおいて、Tiny Ayaはこの規模のモデルとしてリーディングモデルに匹敵する性能を発揮し、あらゆる地域でパフォーマンスを向上させています。特に際立っているのは、多様な言語環境においてTiny Ayaが示す一貫した性能です。限られた主要指標のスコア向上に特化せず、安定性、汎用性、そして実用性に重点を置きました。「何ができるか」と同じくらい「どのように実現するか」を重視し、回答の流暢性や一貫性など、ネイティブスピーカーが重視する品質要因を考慮しました。効率性、適応力、言語対応範囲が重要視される実用的な多言語シナリオにおいて、Tiny Ayaはクラス最高水準の性能を誇り、機能性とアクセシビリティの絶妙なバランスを実現しています。
設計原則としてのアクセシビリティ
Tiny Ayaは、人々が利用する環境で動作するように設計されています。ローカルデバイス、教室、コミュニティラボ、そして大規模なインフラが整っていない地域などです。例えば、クラウドインフラから遠く離れた辺境の村で、異なる言語間の翻訳を行うといった利用も可能です。導入ハードルを下げることで、より多くの人々が自ら多言語AIを構築し、試行錯誤しながらその未来を形作ることが可能になります。
モデルサイズだけでなく、アクセシビリティは言語の表現効率にも依存します。Tiny Ayaのトークナイザーは、さまざまな文字体系や言語構造における断片化を最小限に抑えるよう設計されており、あらゆる言語において1文あたりのトークン数を削減しています。このトークン化効率の向上により、推論時のメモリおよび計算リソースの要件が低減され、ローカルハードウェア上での多言語アプリケーションの実用性が高まるとともに、実使用環境におけるレスポンシビリティも向上しています。

私たちは、今回のリリースを、研究コミュニティ自らが作成する、より広範な専門的多言語モデルエコシステムの基盤になると考えています。世界中の研究者や開発者の皆様に、これらのモデルやデータセットを活用し、言語対応範囲を拡大したり、新しい評価手法を模索したり、私たちだけでは予測できない方向へ多言語AIを発展させたりと、独自の言語特化型システムを構築していただきたいと考えています。多言語AIの未来は、単一の巨大なモデルではなく、多くの声によって形作られる、多様なモデルからなる活気あるエコシステムとなるでしょう。
専門特化型モデルファミリー

Tiny Ayaは、70以上の言語にわたる言語間学習を可能にする共通の多言語基盤上に構築されています。この基盤をベースに、広範な多言語機能を犠牲にすることなく、特定の言語エコシステム内でのパフォーマンスをどのように向上させられるかを追求しました。
TinyAya-base は、地域を問わず一貫した多言語基盤を提供します。各特化型バリアントは、この基盤をさらに拡張し、アフリカ、南アジア、アジア太平洋といった特定の言語コミュニティに深くフォーカスしつつ、主要地域外でも高いパフォーマンスを維持します。
このアプローチにより、各モデルはより強固な言語的基盤と文化的ニュアンスを習得でき、対象とするコミュニティにとってより自然で信頼性の高いシステムを実現します。同時に、すべての Tiny Aya モデルは幅広い多言語対応を維持しており、さらなる適応や研究のための柔軟なベースラインとなります。
その結果、地域特化型の各バリアントからなる、統合されたモデルファミリーが誕生しました。
- TinyAya-Earth:アフリカおよび西アジア地域の言語において最高性能を発揮します
- TinyAya-Fire:南アジアの言語において最高性能を発揮します
- TinyAya-Water:アジア太平洋および欧州地域において最高性能を発揮します
これらのモデルを組み合わせることで、グローバルにバランスの取れたオプションと地域特化型バリアントの両方を提供し、研究者や開発者がユースケースに最適なカバレッジレベルを選択できるようにします。

今すぐ Tiny Aya を試してみましょう
Tiny Aya は現在、オープンウェイトモデルとして利用可能です。Tiny Aya モデルファミリーは、さまざまな方法で探索・活用いただけます。
- Hugging Face Space で今すぐお試しいただくか、Hugging Face Spacee、あるいは Cohere プラットフォームでご体験ください。
- ローカルでのデプロイや研究利用のために、Hugging Faceおよび Kaggleからウェイトファイルをダウンロードしてください。
- Tiny Aya の学習戦略、包括的な評価、および設計上の決定事項を詳述した 詳細な技術レポートで詳細をご確認ください。
- Tiny Aya を使って開発を始めませんか?Expedition Tiny Aya について詳しくはこちらをご覧ください。Expedition Tiny Aya- Tiny Aya モデルファミリーを活用した新しいプロジェクトの創出を目的とした、メンターがサポートする多段階のリサーチチャレンジです
*TinyAya-Base は、アムハラ語、アラビア語、バスク語、ベンガル語、ブルガリア語、ビルマ語、広東語、カタルーニャ語、中国語(簡体字および繁体字)、クロアチア語、チェコ語、デンマーク語、オランダ語、英語、エストニア語、フィンランド語、フランス語、ガリシア語、ドイツ語、ギリシャ語、グジャラート語、ハウサ語、ヘブライ語、ヒンディー語、ハンガリー語、イボ語、インドネシア語、アイルランド語、イタリア語、日本語、ジャワ語、クメール語、韓国語、ラオス語、ラトビア語、リトアニア語、マラガシ語、マレー語、マルタ語、マラーティー語、ネパール語、ナイジェリア・ピジン語、ノルウェー語(ブークモール)、ペルシャ語、ポーランド語、ポルトガル語、パンジャブ語、ルーマニア語、ロシア語、セルビア語、ショナ語、スロバキア語、スロベニア語、スペイン語、スワヒリ語、スウェーデン語、タガログ語、タミル語、テルグ語、タイ語、トルコ語、ウクライナ語、ウルドゥー語、ベトナム語、ウェールズ語、ウォロフ語、コサ語、ヨルバ語、ズールー語を含む 70 以上の言語に対応しています。
Tiny Aya: 規模の拡大と多言語対応の深化を両立する (2026)、著者:Alejandro R. Salamanca、Diana Abagyan、Daniel D’souza、Ammar Khairi、David Mora、Saurabh Dash、Viraat Aryabumi、Sara Rajaee、Mehrnaz Mofakhami、Ananya Sahu、Thomas Euyang、Brittawnya Prince、Madeline Smith、Hangyu Lin、Acyr Locatelli、Sara Hooker、Tom Kocmi、Aidan Gomez、Ivan Zhang、Phil Blunsom、Nick Frosst、Joelle Pineau、Beyza Ermis、Ahmet Üstün、Julia Kreutzer、Marzieh Fadaee。https://arxiv.org/abs/2603.11510










