南デンマーク大学の研究チームが、著作権的にクリーンな許諾データのみで学習した1Bパラメータの言語モデル「DFM Mimir v1」を発表しました。階層的推論アーキテクチャHRMを採用し、4倍の規模を持つQwen 3.5 4BやGemma 4 E2Bに匹敵する性能を達成。デンマーク語では新たなSOTAも樹立し、倫理的データ調達の実現性を示す成果として注目されています。
背景と文脈
大規模言語モデルの開発は、著作権上グレーな大量のウェブデータに依存するのが一般的です。書籍や記事、ソースコードなどを許諾なく収集し、それを学習に使う手法が主流でした。この状況に対し、著作権リスクを訴える訴訟や規制の動きが世界各地で強まっています。
南デンマーク大学のDanish Foundation Modelsプロジェクトは、この課題に正面から取り組んできたチームです。著者にはPeter Schneider-Kamp氏、Jacob Nielsen氏、Gianluca Barmina氏、Kenneth Enevoldsen氏、Lukas Galke Poech氏らが名を連ねます。2026年8月13日にarXivへ投稿された論文「DFM Mimir v1」は、その最新成果にあたります。
同プロジェクトはこれまでにもHRM-Text 1Bという先行モデルを開発しており、低コストかつ倫理的なデータ調達での言語モデル構築を実証してきました。Mimir v1はこの路線をさらに一歩進め、許諾データのみでどこまで大型モデルに迫れるかを検証した位置づけです。デンマーク語という比較的リソースの少ない言語に強みを持つ点も特徴で、母国語の技術基盤づくりという地域的な意義も持ちます。
技術/ビジネス面
Mimir v1最大の特徴は、モデルの土台にHRM（Hierarchical Reasoning Model：処理を階層的に分けて複雑な推論をこなすアーキテクチャ）を採用した点です。一般的なLLM（Large Language Model、大規模言語モデル）はTransformer型の均一な層構造を積み重ねますが、HRMは推論の段階ごとに役割を分けます。これにより、パラメータ数が少なくても複雑なタスクをこなしやすくなります。
学習データは161個のデータセットを組み合わせ、すべて許諾済み(permissible)のものに限定しました。著作権的にグレーな大量のウェブスクレイピングデータに頼らない設計です。評価は英語・数学・コード・デンマーク語の20ベンチマークで実施され、元となったHRM-Text 1Bの性能を上回りました。さらに4倍のパラメータ数を持つQwen 3.5 4BやGemma 4 E2Bにも匹敵する結果を出し、デンマーク語ベンチマークでは新たなSOTA(state of the art：その時点での最高性能)を記録しています。
学習コストの低さも見逃せません。前身のHRM-Text 1Bは、H100 GPU8基を搭載したノード2台、計16GPUで約46時間、約1472ドルという規模で学習が完了した実績があります。Mimir v1も同系統の低コスト路線を踏襲しており、大手テック企業並みの計算資源を持たない研究チームでも高性能モデルを作れる可能性を示しています。
これからどうなるか
Mimir v1は、ライセンスリスクの低い小型モデルでも実用的な性能を出せることを示しました。企業が生成AIを導入する際、著作権侵害の懸念からモデル選定に慎重にならざるを得ない場面は増えています。許諾データのみで学習されたモデルは、そうした懸念を減らす選択肢になり得ます。
開発者にとっての意味も小さくありません。1Bパラメータという規模は、ノートPCやエッジデバイスでもローカル実行しやすいサイズです。クラウドAPIに依存せず、手元の環境で試作やプロトタイピングを進めたい開発者には試す価値があるでしょう。今後は重みの公開状況やライセンス条件が実運用の分かれ目になりそうです。
HRMアーキテクチャ自体も、Transformer一辺倒だった設計思想に一石を投じるものです。少ないパラメータで推論力を引き出す手法として、他の小型モデル開発にも波及する可能性があります。
まとめ
DFM Mimir v1は、許諾データのみの学習で4倍規模のモデルに匹敵する性能を達成しました。低コストかつ倫理的なAI開発の実現性を示す成果として、今後の動向が注目されます。
参考リンク
アイキャッチ画像: Photo by {cover_pn} on Unsplash
