TIIがFalcon-Emirati-7Bを発表：UAE方言に特化、Alyahベンチマークで84.83%
TIIが2026年10月6日に公開した公式ブログによると、Falcon-Emirati-7BはFalcon-H1-Arabicを基にUAE方言への特化適応を行い、自社構築のAlyahベンチマークで84.83%を記録し、LLMを審判とした方言忠実度評価でも複数の競合製品を明確に上回った。モデルは同社のチャットプラットフォームで試用可能。
主な変更
TIIが2026年10月6日に公開した公式ブログによると、TIIはFalcon-Emirati-7Bを発表した。これはFalcon-H1-Arabicを基にUAE方言への特化適応を行ったモデルである。基盤ファミリーはFalcon-H1のハイブリッドアーキテクチャを採用し、Mamba状態空間層とTransformerアテンションが各モジュール内で並列に動作し、射影の前に融合される。ファミリーは3B、7B、34Bの3段階をカバーし、コンテキストウィンドウは最大128Kから256Kトークンで、訓練データ自体に現代標準アラビア語（MSA）と湾岸、レバント、エジプト、マグリブ方言の混合が含まれている。TIIは7Bを選んだ理由として、方言適応に必要な繊細さと訓練・推論コストのバランスが最も良い点を挙げている。データ側は3種類の情報源で構成される。UAEのウェブサイトやフォーラムにネイティブに書かれた方言のウェブテキスト、UAEの文化とアイデンティティに関するMSAコーパス、そして語彙表と文体ルールで制約された合成方言データである。チームは既定の方言適応レシピが存在しないとし、データ配合、注入段階、合成データ比率についてアブレーション実験を行い、自動スコアリングと母語話者によるレビューを併用した。評価面では、モデルはAlyah（1,173問のネイティブ多肢選択問題）で84.83%を獲得し、TIIは比較したすべてのアラビア語モデルと多言語モデルを上回ると述べている。またFalcon-H1-Arabicファミリーは基盤であるため、この比較から除外されている。さらに、同じ1,173問のオープンエンド生成において、Gemini 3.7 Flashを審判として、Falcon-Emirati-7Bは方言忠実度（部分点）で0.52を記録し、ALLaM-7Bの0.05、gemma-3-27b-itの0.03、Jais-2-8B-Chatの0.02、Fanar-2-27B-Instructのほぼ0.00を明確に上回った。UAE部分のArabCulture-Dialogue多肢選択問題では85.57%を獲得した。モデルはTIIのチャットプラットフォームで試用が開放されている。
開発者への影響
この発表の開発者への直接的な影響は、「汎用アラビア語モデルが方言の場面をそのまま引き受けられるか」という問いを具体化した点にある。TIIの評価によれば、複数の競合製品は回答内容自体は必ずしも誤っていないが、ユーザーがUAE方言で質問してもデフォルトでMSAで出力する。これは、多言語カスタマーサポート、ローカライズされたマーケティング、コミュニティモデレーション、文化関連のQ&Aにおいて、汎用アラビア語モデルの失敗がしばしば「誤答」ではなく「レジスターの不一致」である理由を説明する。7B規模とハイブリッドアーキテクチャは、単一GPUまたは小規模マルチGPUでのデプロイが理論上可能な路線であることを意味し、ユーザー対話をローカルまたはプライベート環境で処理し、データ外部送信に制約があるチームにとって現実的な意義を持つ。区別すべきは、TIIの比較結論が自社構築のAlyahベンチマークと自選の競合集合に由来するベンダー評価の枠組みである点である。基盤ファミリーが比較から除外されていることも、この84.83%をFalcon-H1-Arabicの過去の成績と直接横並びで比較すべきでないことを意味する。方言能力がレバントやエジプトなど他のアラビア語方言に転移するかについて、情報源は証拠を示しておらず、仮定すべきではない。文化適応の評価も同様に、自社設定の283のUAEシナリオでのみ実施されている。
導入と評価の提案
提案1（データとレジスターの制約）：今回報告された明確な変化は、訓練データがネイティブ方言ウェブ、文化関連MSAコーパス、語彙表で制約された合成データの3種類の混合で構成され、合成部分が語彙表と文体ルールで制限されている点である。あなたのアプリケーションが「回答は必ずUAE方言で書かれなければならない」という厳格な要件を持つなら、まず自社の業務コーパスでサンプリングし、方言で質問するオープンエンド生成のテストセットを構築し、評価を「内容の正しさ」と「方言で回答したか」の2つの独立した次元に分解するのが方法である。前提として、母語話者が利用可能か、人手レビューを負担できること。そうでなければ自動スコアリングに頼らざるを得ず、トーンや適切さを捉えられない。測定可能な判断基準は、自社サンプルでの方言忠実度の通過率と、MSAに切り替わる比率であり、単一の正確度ではない。提案2（規模とデプロイコスト）：今回の明確な変化は、TIIが7Bの1段階のみを手がけ、その理由を公開説明し、34Bの方言版を発表していない点である。あなたの場面が高同時実行・低遅延の対話サービスなら、7Bで許容可能な自然さに達するかをまず検証すべきである。場面が詩、ことわざ、遺産知識などのコンテンツ生成なら、情報源はこれらが競合製品の最も弱いカテゴリーである一方、モデル自体も低資源サンプルの影響を受け得ると指摘しているため、より大きな基盤に切り替えてから適応する価値があるかを評価する必要がある。34B路線は本発表では提供されていないからである。前提として、推論予算と遅延予算が定量化可能であること。測定可能な判断基準は、固定QPS下での1,000リクエストあたりの遅延とコスト、および難易度の高いカテゴリーでの母語話者通過率である。提案3（評価の比較可能性）：今回の明確な変化は、TIIが自社構築のAlyahベンチマークを採用し、基盤ファミリーを比較から除外した点である。あなたに既存のアラビア語評価プロセスがあるなら、自社ベンチマークを主口径として保持し、Alyahを代替ではなく参考として扱い、競合製品のバージョンと審判モデルのバージョンを記録するのが方法である。前提として、問題を再現できるか、少なくともサンプルセットを固定できること。測定可能な判断基準は、自社ベンチマークとAlyahで結論が一致するか、および審判モデルを変更した後に順位が安定するかである。
制限と未確認事項
明確にすべき点：Falcon-Emirati-7Bは現在、KimiSeekのリアルタイムモデルカタログに掲載されていない。本文で述べる可用性はTII自社のチャットプラットフォームのみを指し、本サイトが同モデルを提供開始したことを意味しない。情報源の84.83%、方言忠実度0.52、ArabCulture-Dialogue 85.57%などの数値はすべてTIIの自社構築または自選の評価（Alyah、LLM審判はGemini 3.7 Flash、競合製品はTIIが選定）に由来し、ベンダー口径であり、第三者による独立再現はなされていない。基盤ファミリーが比較から除外されていることは、Falcon-H1-Arabicとの直接対照を制限する。TII自身も責任と限界の部分で、モデルは訓練データのバイアスを反映し、まれな表現、高度にローカルな引用、データが乏しいエッジ的な状況で誤り得ると指摘している。方言と文化の適切さは一部の場面で主観的であり、母語話者間でも一致しないことがあり、敏感、公式、または高リスクの用途の前には具体的な場面に即した評価を推奨するとしている。情報源は重みのライセンス条項、パラメータの活性化方式、推論VRAMとスループット、API価格と商用条件を開示しておらず、他のアラビア語方言への転移証拠も示していない。これらは「試用開放」によって自動的に成立するものではない。本文の意思決定提案は条件付き分析であり、情報源が報告した結論ではない。
元の報道の図版
