情報は多様なモダリティ（形態）で存在する。現実世界の情報を統合し、包括的な理解を提供するためには、マルチモーダルネイティブAIモデルが不可欠である。既にプロプライエタリなマルチモーダルネイティブモデルは存在するが、その非公開性が導入やカスタマイズの障壁となっている。このギャップを埋めるため、我々はAriaを発表する。Ariaは、広範なマルチモーダル、言語、コーディングタスクにおいて、業界最高水準の性能を発揮するオープンなマルチモーダルネイティブモデルである。Ariaは「エキスパートの混合（Mixture-of-Experts）」アーキテクチャを採用しており、視覚的トークンとテキストトークンごとに、それぞれ39億（3.9B）および35億（3.5B）の有効パラメータを活性化する。このモデルは、Pixtral-12BやLlama3.2-11Bを上回り、各種マルチモーダルタスクにおいて、最良のプロプライエタリモデルと競合可能な性能を示す。Ariaは、4段階のパイプラインに従って、完全にゼロから事前学習を実施しており、段階的に言語理解、マルチモーダル理解、長文文脈窓、インストラクション対応の強力な能力をモデルに付与している。本研究では、Ariaのモデル重みをオープンソース化するとともに、実世界の応用においての導入・カスタマイズを容易にするためのコードベースも公開する。