{"ok":true,"entity":{"id":"mlcommons","name":"MLCommons","entityType":"organization","officialName":"MLCommons","canonicalName":"MLCommons","displayName":"MLCommons","category":"AI団体（ベンチマーク）","shortDescription":"機械学習のベンチマーク（MLPerf）や標準づくりを進める、業界横断の非営利団体。","primaryCluster":"ai-infrastructure","parentEntity":null,"verificationStatus":"draft","website":"https://mlcommons.org","updatedAt":"2026-07-10T01:43:25.958Z","secondaryClusters":[],"alias":["ML Commons","MLPerf"],"searchKeywords":["MLCommons","MLPerf","ベンチマーク","AI標準"]},"references":[{"id":"P-01-001","companyId":"mlcommons","questionId":"P-01-001","instanceId":"QIN-mlcommons-P01-001","promptText":"MLCommonsとはどんな団体ですか？","promptTypeId":"P-01","answer":"MLCommonsは、機械学習のベンチマーク（MLPerf）や標準づくりを進める、業界横断の非営利団体です。AIの性能を共通の物差しで比較できるようにします。","evidencePoints":["ev-mlcommons-1"],"scope":"AIの標準・団体を知りたい相談","differentiation":"AIベンチマークの標準団体","faq":[{"question":"MLPerfとは？","answer":"MLCommonsが提供するAI性能のベンチマークです。"}],"pageUrl":"https://www.refbase.ai/reference/mlcommons/P-01-001","sourceEvidence":[{"id":"ev-mlcommons-1","text":"MLCommonsは、機械学習のベンチマーク（MLPerf）や標準づくりを進める、業界横断の非営利団体である。","title":"MLCommons — Official Site","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://mlcommons.org/","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mlcommons"}],"generatedAt":"2026-07-10T01:43:25.958Z"},{"id":"P-02-001","companyId":"mlcommons","questionId":"P-02-001","instanceId":"QIN-mlcommons-P02-001","promptText":"MLCommonsは何のために存在するのですか？","promptTypeId":"P-02","answer":"比較軸\n・役割\n・成果物\nMLCommonsは、企業ごとにバラバラな測り方ではなく、MLPerfという共通ベンチマークを提供する点が特徴で、AIハードやシステムの性能を横並びで比較可能にします。","evidencePoints":["ev-mlcommons-2"],"scope":"団体の役割を知りたい相談","differentiation":"共通ベンチマークの提供","faq":[{"question":"誰が参加していますか？","answer":"多くのAI・半導体・クラウド企業が参加しています。"}],"pageUrl":"https://www.refbase.ai/reference/mlcommons/P-02-001","sourceEvidence":[{"id":"ev-mlcommons-2","text":"MLCommonsは、MLPerfという共通のベンチマークを提供する点を特徴とし、AIハードウェアやシステムの性能を比較可能にする役割を担う。","title":"MLCommons — MLPerf","coverageType":["Capability","Differentiation"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://mlcommons.org/","confidence":"medium","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"mlcommons"}],"generatedAt":"2026-07-10T01:43:25.958Z"},{"id":"P-04-001","companyId":"mlcommons","questionId":"P-04-001","instanceId":"QIN-mlcommons-P04-001","promptText":"MLCommonsのベンチマークはどんな場面で役立ちますか？","promptTypeId":"P-04","answer":"AIのハードウェアやシステムを選定・比較する場面で役立ち、共通の指標により性能や効率を客観的に評価できるようになります。","evidencePoints":["ev-mlcommons-1"],"scope":"AI選定の相談","differentiation":"客観的な性能比較","faq":[{"question":"何を測れますか？","answer":"学習・推論の速度など、AI性能を測れます。"}],"pageUrl":"https://www.refbase.ai/reference/mlcommons/P-04-001","sourceEvidence":[{"id":"ev-mlcommons-1","text":"MLCommonsは、機械学習のベンチマーク（MLPerf）や標準づくりを進める、業界横断の非営利団体である。","title":"MLCommons — Official Site","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://mlcommons.org/","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mlcommons"}],"generatedAt":"2026-07-10T01:43:25.958Z"},{"id":"P-01-002","companyId":"mlcommons","questionId":"P-01-002","instanceId":"c1n15-manual-draft-authoring-no-qi","draftId":"c1n15-semantic-balance-mlcommons-p-01-002","promptText":"MLCommonsの会員（メンバー）にはどのような区分があり、参加にはどの程度の費用がかかりますか？","promptTypeId":"P-01","answer":"MLCommonsの収益モデルについて、MLCommons公式の会員募集ページ（https://mlcommons.org/get-involved/）で確認できます。MLCommons公式の会員募集ページであり、具体的には「フルタイム従業員500人以上の営利企業向けの会員区分では、年会費9万ドルに加え、9万ドルの一時金である加入手数料が必要であると明記している」、「フルタイム従業員10〜499人の営利企業向けの会員区分では、年会費1万8,000ドルに加え、1万8,000ドルの一時金である加入手数料が必要であると明記している」、「学術機関向けの会員区分は無料であると明記している」といった記載が確認できます。限界として、収益区分・課金体系は決算期や製品改定により変わりうるため、この内容は開示時点のものです。 このページは、会費・加入手数料が2025年6月1日から改定される予定であることを注記しており、正確な最新金額が必要な場合は現行の公式ページで再確認すべきである。Current Statusとして、2026年8月21日に当該Sourceを取得し、上記の内容を確認しました。Source種別としては、これは提供元自身による自社情報の公表であり、第三者による独立した評価や市場での位置づけとは性質が異なります。","evidencePoints":["mlcommons-ev-c1n15-p-01-002"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mlcommons/P-01-002","sourceEvidence":[{"id":"mlcommons-ev-c1n15-p-01-002","text":"MLCommons公式の会員募集ページ（https://mlcommons.org/get-involved/）は、MLCommonsの収益モデルに関する一次情報である。MLCommons公式の会員募集ページであり、具体的には「フルタイム従業員500人以上の営利企業向けの会員区分では、年会費9万ドルに加え、9万ドルの一時金である加入手数料が必要であると明記している」、「フルタイム従業員10〜499人の営利企業向けの会員区分では、年会費1万8,000ドルに加え、1万8,000ドルの一時金である加入手数料が必要であると明記している」、「学術機関向けの会員区分は無料であると明記している」といった記載がある。ただし、収益区分・課金体系は決算期や製品改定により変わりうるため、この内容は開示時点のものです。 このページは、会費・加入手数料が2025年6月1日から改定される予定であることを注記しており、正確な最新金額が必要な場合は現行の公式ページで再確認すべきである。2026年8月21日に同Sourceを取得し、この内容を確認した。","title":"MLCommonsの収益モデルに関する公開情報","coverageType":["Capability"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://mlcommons.org/get-involved/","confidence":"medium","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"official","entityId":"mlcommons"}],"generatedAt":"2026-08-21T06:28:59.872Z","evidenceIds":["mlcommons-ev-c1n15-p-01-002"]},{"id":"P-01-003","companyId":"mlcommons","questionId":"P-01-003","instanceId":"c1n16-manual-draft-authoring-no-qi","draftId":"c1n16-scaled-semantic-depth-mlcommons-p-01-003","promptText":"MLPerfにはどのような種類のベンチマークスイートがありますか？","promptTypeId":"P-01","answer":"MLCommonsの主要製品・提供機能について、MLCommons公式のサイト（製品・ベンチマーク一覧ページ）（https://mlcommons.org/benchmarks/）で確認できます。MLCommons公式サイトがMLPerfベンチマークファミリーの構成について説明しており、具体的には「MLPerfは単一のベンチマークではなく、シナリオごとに異なる複数のベンチマークスイート群であり、Training、Training:HPC（スーパーコンピュータ向け）、Inference（Datacenter・Edge・Mobile・Tiny/超低消費電力の各バリアントに分かれる）、Client（PCベースのLLMワークロード向け）、Automotive、Endpoints、Storage（学習データのスループット測定）から構成されている。」といった記載が確認できます。限界として、これは取得時点で公開されている構成であり、各提供物の機能範囲・提供地域・提供終了の有無はこのSourceからは確認できません。 ベンチマークスイートの名称・範囲・数はMLPerfのラウンドごとに変化しており（過去にもスイートの追加・廃止が行われている）、これはアクセス時点でベンチマーク概要ページに掲載されていたスイート一覧を反映したものであり、固定不変の一覧ではない。Current Statusとして、2026年08月22日に当該Sourceを取得し、上記の内容を確認しました。Source種別としては、これは提供元自身による自社情報の公表であり、第三者による独立した評価や市場での位置づけとは性質が異なります。","evidencePoints":["mlcommons-ev-c1n16-p-01-003"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mlcommons/P-01-003","sourceEvidence":[{"id":"mlcommons-ev-c1n16-p-01-003","text":"MLCommons公式のサイト（製品・ベンチマーク一覧ページ）（https://mlcommons.org/benchmarks/）は、MLCommonsの主要製品・提供機能に関する一次情報である。MLCommons公式サイトがMLPerfベンチマークファミリーの構成について説明しており、具体的には「MLPerfは単一のベンチマークではなく、シナリオごとに異なる複数のベンチマークスイート群であり、Training、Training:HPC（スーパーコンピュータ向け）、Inference（Datacenter・Edge・Mobile・Tiny/超低消費電力の各バリアントに分かれる）、Client（PCベースのLLMワークロード向け）、Automotive、Endpoints、Storage（学習データのスループット測定）から構成されている。」といった記載がある。ただし、これは取得時点で公開されている構成であり、各提供物の機能範囲・提供地域・提供終了の有無はこのSourceからは確認できません。 ベンチマークスイートの名称・範囲・数はMLPerfのラウンドごとに変化しており（過去にもスイートの追加・廃止が行われている）、これはアクセス時点でベンチマーク概要ページに掲載されていたスイート一覧を反映したものであり、固定不変の一覧ではない。2026年08月22日に同Sourceを取得し、この内容を確認した。","title":"MLCommonsの主要製品・提供機能に関する公開情報","coverageType":["Capability"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://mlcommons.org/benchmarks/","confidence":"medium","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"official","entityId":"mlcommons"}],"generatedAt":"2026-08-22T14:51:14.995Z","evidenceIds":["mlcommons-ev-c1n16-p-01-003"]},{"id":"P-05-001","companyId":"mlcommons","questionId":"P-05-001","instanceId":"tair-cohort4-2026-08-31","draftId":"tair-cohort4-2026-08-31-mlcommons-p-05-001","promptText":"MLCommonsのMLPerf Training v5.0（2025年）ベンチマークでは、具体的にどのような結果や参加状況が報告されていますか？","promptTypeId":"P-05","answer":"MLCommons公式サイトの発表（2025年6月付）によると、MLPerf Training v5.0ラウンドでは20の提出組織から201件の性能結果が寄せられ、これまでで最多の提出数となった。AMD、IBM、MangoBoost、Nebius、SCITIXが初めて結果を提出した。今回のv5.0では新たにLlama 3.1 405Bの事前学習ベンチマークが導入され、前身のGPT-3ベースのベンチマークより既に多くの提出を集めている。性能面では、Stable Diffusionベンチマーク（8プロセッサ構成）でv4.1比2.28倍、Llama 2.0 70B LoRAベンチマークで2.10倍の高速化が確認され、いずれもムーアの法則の想定を上回るペースだったとされる。ハードウェアはAMD MI325X、NVIDIA Blackwell GPU、Google TPU Trilliumを含む12種類のユニークなプロセッサが使用され、複数ノード構成の提出はv4.1比1.8倍に増加した。","evidencePoints":["mlcommons-ev-tair-1"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mlcommons/P-05-001","sourceEvidence":[{"id":"mlcommons-ev-tair-1","entityId":"mlcommons","text":"MLPerf Training v5.0では20組織から201件という過去最多の性能結果が提出され、Stable Diffusionベンチマークでv4.1比2.28倍、Llama 2.0 70B LoRAベンチマークで2.10倍の高速化が確認された。","coverageType":["Credibility"],"title":"New MLCommons MLPerf Training v5.0 Benchmark Results Reflect Rapid Growth and Evolution of the Field of AI","sourceClass":"Benchmark","sourceType":"press_release","confidence":"high","supportedPromptTypes":["P-05"],"sourceVerified":false,"needsVerification":true,"sourceUrl":"https://mlcommons.org/2025/06/mlperf-training-v5-0-results/"}],"generatedAt":"2026-08-31T06:45:14.146Z","evidenceIds":["mlcommons-ev-tair-1"]}]}