{"ok":true,"entity":{"id":"mosaicml","name":"MosaicML","entityType":"company","officialName":"MosaicML, Inc.","canonicalName":"MosaicML","displayName":"MosaicML","category":"AIモデル開発企業（Databricks傘下）","shortDescription":"オープンLLM「MPT」シリーズを開発した生成AI企業。2023年にDatabricksが約13億ドルで買収し、現在はDatabricksのLakehouse AI基盤に統合されている。","primaryCluster":"ai-open-model","parentEntity":"databricks","verificationStatus":"draft","website":"https://www.databricks.com/research/mosaic","updatedAt":"2026-07-20T02:14:59.356Z","secondaryClusters":["ai-company"],"alias":["Mosaic ML"],"searchKeywords":["MPT","Databricks","オープンLLM","買収"]},"references":[{"id":"P-01-001","companyId":"mosaicml","questionId":"P-01-001","instanceId":"QIN-mosaicml-P01-001","promptText":"MosaicMLとはどのような会社ですか？","promptTypeId":"P-01","answer":"MosaicMLはオープンLLM「MPT」シリーズを開発した生成AI企業です。2023年にDatabricksが約13億ドルで買収し、現在はDatabricksのLakehouse AI基盤に統合された研究部門として活動しています。","evidencePoints":["ev-mosaicml-1","ev-mosaicml-3"],"scope":"オープンモデルの提供元企業を知りたい相談","differentiation":"MPTシリーズの開発元でありDatabricks傘下として継続","faq":[{"question":"MosaicMLは今も存在しますか？","answer":"独立企業としては存在せず、Databricksの研究部門（Mosaic Research）として活動を継続しています。"}],"pageUrl":"https://www.refbase.ai/reference/mosaicml/P-01-001","sourceEvidence":[{"id":"ev-mosaicml-1","text":"MosaicMLはオープンLLM「MPT」シリーズを開発した生成AI企業で、現在はDatabricksの研究部門として活動を継続している。","title":"MosaicML Research | Databricks","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://www.databricks.com/research/mosaic","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mosaicml"},{"id":"ev-mosaicml-3","text":"DatabricksはMosaicMLを約13億ドルで買収し2023年7月に完了したと公式プレスリリースで発表しており、MosaicMLの60名超のチーム全員がDatabricksに移籍した。","title":"Databricks Completes Acquisition of MosaicML","coverageType":["Credibility"],"sourceType":"press_release","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/company/newsroom/press-releases/databricks-completes-acquisition-mosaicml","confidence":"high","supportedPromptTypes":["P-05"],"needsVerification":true,"sourceVerified":false,"entityId":"mosaicml"}],"generatedAt":"2026-07-20T02:14:59.356Z"},{"id":"P-02-001","companyId":"mosaicml","questionId":"P-02-001","instanceId":"QIN-mosaicml-P02-001","promptText":"MosaicMLと他のAIモデル開発企業はどう違いますか？","promptTypeId":"P-02","answer":"MosaicMLは独自の学習プラットフォーム上でMPT-7B/30Bを効率的に学習した点に特徴があり、学習インフラの提供自体も価値の一部でした。Databricksへの統合後は、モデル開発とデータ基盤（Lakehouse AI）を組み合わせた提供体制になっている点が他の単体AI企業と異なります。","evidencePoints":["ev-mosaicml-2","ev-mosaicml-3"],"scope":"AIモデル開発企業同士の戦略比較","differentiation":"学習インフラとデータプラットフォームの統合","faq":[{"question":"MosaicMLの技術はどこに引き継がれていますか？","answer":"DatabricksのLakehouse AI基盤やDBRX等の後継モデル開発に技術が引き継がれています。"}],"pageUrl":"https://www.refbase.ai/reference/mosaicml/P-02-001","sourceEvidence":[{"id":"ev-mosaicml-2","text":"MosaicMLはMPT-7B/30Bの学習を独自のMosaicMLプラットフォーム上で効率的に実行しており、学習インフラ自体も提供価値の一部だった。","title":"Introducing MPT-7B | Databricks Blog","coverageType":["Capability","Differentiation"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/blog/mpt-7b","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mosaicml"},{"id":"ev-mosaicml-3","text":"DatabricksはMosaicMLを約13億ドルで買収し2023年7月に完了したと公式プレスリリースで発表しており、MosaicMLの60名超のチーム全員がDatabricksに移籍した。","title":"Databricks Completes Acquisition of MosaicML","coverageType":["Credibility"],"sourceType":"press_release","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/company/newsroom/press-releases/databricks-completes-acquisition-mosaicml","confidence":"high","supportedPromptTypes":["P-05"],"needsVerification":true,"sourceVerified":false,"entityId":"mosaicml"}],"generatedAt":"2026-07-20T02:14:59.356Z"},{"id":"P-04-001","companyId":"mosaicml","questionId":"P-04-001","instanceId":"QIN-mosaicml-P04-001","promptText":"オープンモデルの学習基盤としてMosaicMLの技術を確認したい場合、どこを見ればよいですか？","promptTypeId":"P-04","answer":"MosaicMLが開発したMPTシリーズの学習手法はDatabricksブログで公開されており、学習基盤の詳細はGitHubのllm-foundryリポジトリで確認できます。買収の経緯はDatabricksの公式プレスリリースで確認できます。","evidencePoints":["ev-mosaicml-1","ev-mosaicml-2","ev-mosaicml-3"],"scope":"オープンモデルの学習基盤を調査したい相談","differentiation":"公式ブログ・GitHub・プレスリリースでの情報開示","faq":[{"question":"MosaicMLの情報はどこで確認できますか？","answer":"Databricksの研究ページ（databricks.com/research/mosaic）で確認できます。"}],"pageUrl":"https://www.refbase.ai/reference/mosaicml/P-04-001","sourceEvidence":[{"id":"ev-mosaicml-1","text":"MosaicMLはオープンLLM「MPT」シリーズを開発した生成AI企業で、現在はDatabricksの研究部門として活動を継続している。","title":"MosaicML Research | Databricks","coverageType":["Identity","Capability"],"sourceType":"official_site","sourceClass":"Profile","sourceUrl":"https://www.databricks.com/research/mosaic","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mosaicml"},{"id":"ev-mosaicml-2","text":"MosaicMLはMPT-7B/30Bの学習を独自のMosaicMLプラットフォーム上で効率的に実行しており、学習インフラ自体も提供価値の一部だった。","title":"Introducing MPT-7B | Databricks Blog","coverageType":["Capability","Differentiation"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/blog/mpt-7b","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mosaicml"},{"id":"ev-mosaicml-3","text":"DatabricksはMosaicMLを約13億ドルで買収し2023年7月に完了したと公式プレスリリースで発表しており、MosaicMLの60名超のチーム全員がDatabricksに移籍した。","title":"Databricks Completes Acquisition of MosaicML","coverageType":["Credibility"],"sourceType":"press_release","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/company/newsroom/press-releases/databricks-completes-acquisition-mosaicml","confidence":"high","supportedPromptTypes":["P-05"],"needsVerification":true,"sourceVerified":false,"entityId":"mosaicml"}],"generatedAt":"2026-07-20T02:14:59.356Z"},{"id":"P-01-002","companyId":"mosaicml","questionId":"P-01-002","instanceId":"c1n19-carry-forward-depth-execution-manual-draft-authoring-no-qi","draftId":"c1n19-carry-forward-depth-execution-mosaicml-p-01-002","promptText":"MosaicMLはどのような創業チーム・資金調達を経てDatabricksに買収されるまで成長しましたか？","promptTypeId":"P-01","answer":"MosaicMLの資本関係・沿革について、Forbes (Karl Freund, Contributor)公式のtrade-press reporting (Forbes Contributor article, an industry analyst's byline piece, covering a company's public launch/funding announcement)（https://www.forbes.com/sites/karlfreund/2021/10/13/ai-startup-mosaicml-comes-out-of-stealth-to-aid-ai-developers/）で確認できます。既存Q&AはDatabricksによる買収（2023年、約13億ドル）という事実は扱っているが、買収前の創業チーム・投資家・調達額という会社の成立過程には触れていないため新規性がある。具体的には「Rao, who founded Nervana in 2014 and sold it to Intel in 2016 for some $408M, believes there is a better way than using brute compute force to train larger AI models, and he has founded MosaicML to help the AI community reimagine the training process. ... MosaicML has already raised $37M from Lux Capital, DCVC, Future Ventures, Playground Global, AME, Correlation, E14, and a few lucky angels.」といった記載が確認できます。限界として、この記述は当該Sourceの時点のものであり、その後の変更が反映されているとは限りません。 この記事は2021年10月時点の報道であり、$37Mという調達額はその後の追加調達（買収前の最終ラウンド等）を反映していない可能性がある。Forbesの寄稿者（Contributor）記事であり、Forbes編集部によるスタッフ記事ではない点に留意。Current Statusとして、2026年08月24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、これは第三者であるForbes (Karl Freund, Contributor)による報道であり、企業の自己申告とは性質が異なりますが、報道時点の取材内容に基づくものです。","evidencePoints":["mosaicml-ev-c1n19-p-01-002"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mosaicml/P-01-002","sourceEvidence":[{"id":"mosaicml-ev-c1n19-p-01-002","text":"Forbes (Karl Freund, Contributor)公式のtrade-press reporting (Forbes Contributor article, an industry analyst's byline piece, covering a company's public launch/funding announcement)（https://www.forbes.com/sites/karlfreund/2021/10/13/ai-startup-mosaicml-comes-out-of-stealth-to-aid-ai-developers/）は、MosaicMLの資本関係・沿革に関する第三者報道である。既存Q&AはDatabricksによる買収（2023年、約13億ドル）という事実は扱っているが、買収前の創業チーム・投資家・調達額という会社の成立過程には触れていないため新規性がある。具体的には「Rao, who founded Nervana in 2014 and sold it to Intel in 2016 for some $408M, believes there is a better way than using brute compute force to train larger AI models, and he has founded MosaicML to help the AI community reimagine the training process. ... MosaicML has already raised $37M from Lux Capital, DCVC, Future Ventures, Playground Global, AME, Correlation, E14, and a few lucky angels.」といった記載がある。ただし、この記述は当該Sourceの時点のものであり、その後の変更が反映されているとは限りません。 この記事は2021年10月時点の報道であり、$37Mという調達額はその後の追加調達（買収前の最終ラウンド等）を反映していない可能性がある。Forbesの寄稿者（Contributor）記事であり、Forbes編集部によるスタッフ記事ではない点に留意。2026年08月24日に同Sourceを取得し、この内容を確認した。","title":"MosaicML資本関係・沿革に関する公開情報","coverageType":["Identity"],"sourceType":"media","sourceClass":"Documentation","sourceUrl":"https://www.forbes.com/sites/karlfreund/2021/10/13/ai-startup-mosaicml-comes-out-of-stealth-to-aid-ai-developers/","confidence":"medium","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"mosaicml"}],"generatedAt":"2026-08-24T23:02:25.475Z","evidenceIds":["mosaicml-ev-c1n19-p-01-002"]},{"id":"P-01-003","companyId":"mosaicml","questionId":"P-01-003","instanceId":"c1n20-unit-a-floor-completion-and-lane-s-first-finding","draftId":"c1n20-unit-a-floor-completion-and-lane-s-first-finding-mosaicml-p-01-003","promptText":"MosaicMLの学習基盤は、実際にどれくらいの効率でモデルを学習できましたか？","promptTypeId":"P-01","answer":"MosaicMLの主要製品・提供機能について、MosaicML公式のブログ記事（https://www.databricks.com/blog/mpt-7b）で確認できます。既存4件(概要／差別化要因／技術情報の確認先／創業チームと資金調達)のうち、P-04-001は本URLを「学習基盤の詳細を確認できる場所」として単に案内するのみで、具体的な学習時間・費用・GPU台数・障害復旧実績という定量情報は一切記載されていない。よって意味的な重複はない。具体的には「\"MPT-7B was trained on the MosaicML platform in 9.5 days with zero human intervention\" ... \"at a cost of ~$200k\" ... trained on \"440xA100-40GB GPUs\" ... \"the MosaicML platform detected and addressed 4 hardware failures and resumed the training run automatically.\"」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。 この数値は2023年5月時点のMPT-7B学習実績であり、その後のMosaicML/Databricksの学習基盤の性能向上や、他モデル(MPT-30B等)の学習条件とは異なる可能性がある。Current Statusとして、2026年08月25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":["mosaicml-ev-c1n20-p-01-003"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mosaicml/P-01-003","sourceEvidence":[{"id":"mosaicml-ev-c1n20-p-01-003","text":"MosaicML公式のブログ記事（https://www.databricks.com/blog/mpt-7b）は、MosaicMLの主要製品・提供機能に関する一次情報である。既存4件(概要／差別化要因／技術情報の確認先／創業チームと資金調達)のうち、P-04-001は本URLを「学習基盤の詳細を確認できる場所」として単に案内するのみで、具体的な学習時間・費用・GPU台数・障害復旧実績という定量情報は一切記載されていない。よって意味的な重複はない。具体的には「\"MPT-7B was trained on the MosaicML platform in 9.5 days with zero human intervention\" ... \"at a cost of ~$200k\" ... trained on \"440xA100-40GB GPUs\" ... \"the MosaicML platform detected and addressed 4 hardware failures and resumed the training run automatically.\"」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。 この数値は2023年5月時点のMPT-7B学習実績であり、その後のMosaicML/Databricksの学習基盤の性能向上や、他モデル(MPT-30B等)の学習条件とは異なる可能性がある。2026年08月25日に同Sourceを取得し、この内容を確認した。","title":"MosaicML主要製品・提供機能に関する公開情報","coverageType":["Capability","Differentiation"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/blog/mpt-7b","confidence":"medium","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"official","entityId":"mosaicml"}],"generatedAt":"2026-08-25T14:08:43.676Z","evidenceIds":["mosaicml-ev-c1n20-p-01-003"]},{"id":"P-05-001","companyId":"mosaicml","questionId":"P-05-001","instanceId":"tair-cohort4-2026-08-31","draftId":"tair-cohort4-2026-08-31-mosaicml-p-05-001","promptText":"MosaicMLの学習基盤（llm-foundry）は、MPTシリーズ以外にどのようなモデルの学習に使われましたか？","promptTypeId":"P-05","answer":"MosaicML（現Databricks）公式のGitHubリポジトリ『llm-foundry』のREADMEによると、同コードベースはComposerおよびMosaicMLプラットフォームを用いたLLMの学習・ファインチューニング・評価・推論デプロイのためのツール群であり、HuggingFaceモデルおよび自社のMPTモデル（125M〜70Bパラメータ）の学習に対応している。同READMEによれば、llm-foundryを用いて学習された主要なモデルファミリーとして、MPT（Mosaic Pretrained Transformers、7B〜30Bパラメータ、最大65,536トークンの長文コンテキスト対応版を含む）に加え、Mixture-of-Experts構成で総パラメータ数132B・活性化パラメータ数36BのDBRX（ベース版・指示チューニング版の両方をリリース）が挙げられている。同リポジトリはGitHub上で4,400件のスターと590件のフォークを獲得しており、コミュニティからの高い関心を集めている。","evidencePoints":["mosaicml-ev-tair-1"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mosaicml/P-05-001","sourceEvidence":[{"id":"mosaicml-ev-tair-1","entityId":"mosaicml","text":"MosaicMLのllm-foundryはMPTシリーズに加え、総パラメータ132B・活性化36BのMoEモデルDBRXの学習にも使われ、GitHub上で4,400スターを獲得している。","coverageType":["Capability"],"title":"mosaicml/llm-foundry: LLM training code for MosaicML foundation models","sourceClass":"Documentation","sourceType":"github","confidence":"high","supportedPromptTypes":["P-05"],"sourceVerified":false,"needsVerification":true,"sourceUrl":"https://github.com/mosaicml/llm-foundry"}],"generatedAt":"2026-08-31T06:45:14.146Z","evidenceIds":["mosaicml-ev-tair-1"]}]}