Takuyaの生成AIラーニングラボ

Google DeepMind が公開した EmbeddingGemma 2（740M、Apache 2.0）は、テキスト・コード・画像・動画・音声を1つの768次元のベクトル空間に置く埋め込みモデルです。旧版との違いと公式ベンチマークの変化を整理し、Mac（M5 Max）で日本語テキスト・コード検索・写真・文書ページ・音声・動画・混在索引の6つの実験を行いました。写真検索は画像専用モデルの約2倍、日本語テキストは旧版とほぼ同じ、そして1つの索引に混ぜるとテキストが上位を独占する落とし穴も見つかりました。

Microsoft の GraphRAG は、文書からエンティティと関係を抽出して知識グラフを作り、Leiden でコミュニティに分けて要約を事前生成する RAG です。ふつうのベクトル検索 RAG と何が違うのかを仕組みから整理し、架空の社内文書34本・同じ10問を Mac のローカル LLM（Qwen3.8-27B）で両方に投げて比較しました。索引作成のコストと、GraphRAG が効く質問・効かない質問を実測で示します。

Microsoft と Hugging Face が公開した ThinkingBox は、AIエージェントの返事ではなく作業後のデータベースの状態で採点し、同じ仕事を20回繰り返して「1回できる」と「毎回できる」を分けて測る評価環境です。従来の評価の課題と仕組み、公式の結果を整理し、MacBook Pro でローカルの Qwen3.8-27B を使って実際に動かした結果をまとめます。