1. チュートリアルの概要

「SpikingBrain-1.0」は、中国科学院自動化研究所が、国家脳認知・脳型知能重点実験室、Muxi Integrated Circuit Co., Ltd.と共同で、2025年9月に発表した、国産で制御可能な脳型スパイキングモデルです。脳のメカニズムに着想を得たSpikingBrainは、ハイブリッドな効率的なアテンションメカニズム、MoEモジュール、スパイキングコーディングをアーキテクチャに統合し、オープンソースモデルエコシステムと互換性のある汎用的な変換パイプラインによってサポートされています。これにより、2%未満のデータで継続的な事前学習が可能になり、主流のオープンソースモデルに匹敵する性能を実現しています。SpikingBrainは、400万トークンシーケンスのTTFTにおいて100倍以上の高速化を実現し、スパイキングコーディングはミクロレベルで69%を超えるスパース性を提供します。これらの進歩は、マクロなMoEスパース性と組み合わせることで、次世代ニューロモルフィックチップの設計に貴重な指針を提供します。関連研究論文もご覧いただけます。 SpikingBrain 技術レポート: スパイキングブレインに着想を得た大規模モデル 。

このチュートリアルでは、コンピューティング能力として単一の RTX 5090 GPU を使用し、このチュートリアルで展開されるモデルは SpikingBrain の V1-7B-sft-s3-reasoning です。

2. エフェクト表示

3. 操作手順

1. コンテナを起動します

2. 使用手順

「モデル」が表示されていない場合は、モデルが初期化中であることを意味します。モデルが大きいため、2〜3分ほど待ってページを更新してください。

4. 議論

🖌️ 良いプロジェクトを見つけたら、ぜひバックグラウンドでコメントを残して推薦してください！ また、チュートリアル交流グループも開設しました。QRコードをスキャンして[AI4S Tutorial]とメモしてグループに参加し、さまざまな技術的な問題について議論したり、アプリケーションの結果を共有したりしてください。↓

引用情報

Githubユーザーに感謝 スーパーヤン  このチュートリアルの展開。このプロジェクトの引用情報は次のとおりです。

@article{pan2025spikingbrain,
  title={SpikingBrain Technical Report: Spiking Brain-inspired Large Models},
  author={Pan, Yuqi and Feng, Yupeng and Zhuang, Jinghao and Ding, Siyu and Liu, Zehao and Sun, Bohan and Chou, Yuhong and Xu, Han and Qiu, Xuerui and Deng, Anlin and others},
  journal={arXiv preprint arXiv:2509.05276},
  year={2025}
}