{"ok":true,"entity":{"id":"mpt","name":"MPT","entityType":"product","officialName":"MosaicML Pretrained Transformer","canonicalName":"MPT","displayName":"MPT","category":"基盤モデルファミリー","shortDescription":"MosaicMLが開発したTransformerモデルファミリー。ベースモデルと用途別バリアントがあり、利用条件はモデルごとに異なる。","primaryCluster":"ai-open-model","parentEntity":"mosaicml","verificationStatus":"draft","website":"https://www.databricks.com/blog/mpt-7b","updatedAt":"2026-07-20T04:22:11.289Z","secondaryClusters":["ai-model"],"alias":["MPT-7B","MPT-30B"],"searchKeywords":["商用利用可能LLM","オープンLLM","MosaicML","Apache 2.0"]},"references":[{"id":"P-01-001","companyId":"mpt","questionId":"P-01-001","instanceId":"QIN-mpt-P01-001","promptText":"MPTとはどのようなモデルですか？誰が開発していますか？","promptTypeId":"P-01","answer":"MPT（MosaicML Pretrained Transformer）は、MosaicMLが開発したTransformerモデルファミリーです。MPT-7BやMPT-30Bなどのベースモデルに加え、InstructやChatなどの用途別バリアントが公開されています。ライセンス条件はモデルやバリアントごとに異なり、引用元のMPT-7BはApache 2.0ライセンスで提供されています。","evidencePoints":["ev-mpt-1","ev-mpt-2"],"scope":"商用利用可能なオープンLLMを知りたい相談","differentiation":"早期の商用利用可能・高ダウンロード実績","faq":[{"question":"MPT-7Bは商用利用できますか？","answer":"引用元のMPT-7BはApache 2.0ライセンスで公開されており、商用利用が可能です。MPTの他のモデルやInstruct、Chatなどのバリアントでは異なるライセンスが適用される場合があるため、利用対象ごとに公式モデルカードを確認する必要があります。"}],"pageUrl":"https://www.refbase.ai/reference/mpt/P-01-001","sourceEvidence":[{"id":"ev-mpt-1","text":"MosaicMLは、MosaicML Pretrained Transformerシリーズの基盤モデルとしてMPT-7Bを公開しました。","title":"Introducing MPT-7B | Databricks Blog","coverageType":["Identity","Capability"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/blog/mpt-7b","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mpt"},{"id":"ev-mpt-2","text":"MPT-7BはApache 2.0ライセンスの商用利用可能モデルとして公開当時、最もダウンロードされたオープンLLMとなり、9.5日・約20万ドルのコストで学習されたと報告されている。","title":"mosaicml/mpt-7b · Hugging Face","coverageType":["Capability","Differentiation"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://huggingface.co/mosaicml/mpt-7b","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mpt"}],"generatedAt":"2026-07-20T02:14:59.356Z"},{"id":"P-02-001","companyId":"mpt","questionId":"P-02-001","instanceId":"QIN-mpt-P02-001","promptText":"MPTとBLOOMはどう違いますか？","promptTypeId":"P-02","answer":"いずれも商用利用を意識したオープンモデルですが、引用元のMPT-7BはMosaicMLが開発しApache 2.0で公開している一方、BLOOMはBigScienceプロジェクトが多言語対応を重視しResponsible AI License（RAIL）で公開しています。ライセンス形態と多言語対応の重視度が主な違いです。","evidencePoints":["ev-mpt-2","ev-mpt-3"],"scope":"初期オープンLLM同士の比較検討","differentiation":"ライセンス形態と設計思想（商用利用重視 vs 多言語・オープンサイエンス重視）","faq":[{"question":"MPT-7Bはどれくらい利用されましたか？","answer":"公開当時、最もダウンロードされたオープンLLMになったと報告されています。"}],"pageUrl":"https://www.refbase.ai/reference/mpt/P-02-001","sourceEvidence":[{"id":"ev-mpt-2","text":"MPT-7BはApache 2.0ライセンスの商用利用可能モデルとして公開当時、最もダウンロードされたオープンLLMとなり、9.5日・約20万ドルのコストで学習されたと報告されている。","title":"mosaicml/mpt-7b · Hugging Face","coverageType":["Capability","Differentiation"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://huggingface.co/mosaicml/mpt-7b","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mpt"},{"id":"ev-mpt-3","text":"MPT-7Bの学習基盤とアーキテクチャの詳細はMosaicMLのllm-foundryリポジトリで公開されており、後にDatabricksのDBRX等の後継開発にも接続する系譜として位置づけられる。","title":"GitHub — mosaicml/llm-foundry","coverageType":["Credibility","Capability"],"sourceType":"github","sourceClass":"Documentation","sourceUrl":"https://github.com/mosaicml/llm-foundry","confidence":"high","supportedPromptTypes":["P-01","P-05"],"needsVerification":true,"sourceVerified":false,"entityId":"mpt"}],"generatedAt":"2026-07-20T02:14:59.356Z"},{"id":"P-04-001","companyId":"mpt","questionId":"P-04-001","instanceId":"QIN-mpt-P04-001","promptText":"商用利用可能なオープンLLMを自社システムに組み込みたい場合、MPTはどう活用できますか？","promptTypeId":"P-04","answer":"MPTはモデルやバリアントによってライセンス条件が異なります。引用元のMPT-7BはApache 2.0ライセンスで公開されており、商用利用を含めて自社環境にダウンロードして利用できます。MPT-30BやInstruct、Chatなど別のモデルを利用する場合は、対象モデルの公式モデルカードに記載されたライセンスを個別に確認する必要があります。","evidencePoints":["ev-mpt-1","ev-mpt-2","ev-mpt-3"],"scope":"商用利用前提でのオープンLLM導入検討","differentiation":"商用利用ライセンス＋公式実装リポジトリ","faq":[{"question":"MPTの情報はどこで確認できますか？","answer":"DatabricksブログとHugging Faceのモデルカード（mosaicml/mpt-7b）で確認できます。"}],"pageUrl":"https://www.refbase.ai/reference/mpt/P-04-001","sourceEvidence":[{"id":"ev-mpt-1","text":"MosaicMLは、MosaicML Pretrained Transformerシリーズの基盤モデルとしてMPT-7Bを公開しました。","title":"Introducing MPT-7B | Databricks Blog","coverageType":["Identity","Capability"],"sourceType":"official_blog","sourceClass":"Announcement","sourceUrl":"https://www.databricks.com/blog/mpt-7b","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mpt"},{"id":"ev-mpt-2","text":"MPT-7BはApache 2.0ライセンスの商用利用可能モデルとして公開当時、最もダウンロードされたオープンLLMとなり、9.5日・約20万ドルのコストで学習されたと報告されている。","title":"mosaicml/mpt-7b · Hugging Face","coverageType":["Capability","Differentiation"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://huggingface.co/mosaicml/mpt-7b","confidence":"high","supportedPromptTypes":["P-02","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mpt"},{"id":"ev-mpt-3","text":"MPT-7Bの学習基盤とアーキテクチャの詳細はMosaicMLのllm-foundryリポジトリで公開されており、後にDatabricksのDBRX等の後継開発にも接続する系譜として位置づけられる。","title":"GitHub — mosaicml/llm-foundry","coverageType":["Credibility","Capability"],"sourceType":"github","sourceClass":"Documentation","sourceUrl":"https://github.com/mosaicml/llm-foundry","confidence":"high","supportedPromptTypes":["P-01","P-05"],"needsVerification":true,"sourceVerified":false,"entityId":"mpt"}],"generatedAt":"2026-07-20T02:14:59.356Z"},{"id":"P-02-002","companyId":"mpt","questionId":"P-02-002","instanceId":"reference-depth-completion-run-cohort2-unit-a","draftId":"reference-depth-completion-run-cohort2-unit-a-mpt-p-02-002","promptText":"MPT-7Bの技術的な設計は他の一般的なTransformerモデルとどう違いますか？","promptTypeId":"P-02","answer":"独立系AIメディアLatent Spaceが2023年5月20日に公開した、MosaicMLの研究者Jonathan FrankleとAbhinav Venigallaへのインタビュー記事によると、MPT-7Bは位置埋め込みの代わりにALiBi（Attention with Linear Biases）という手法を用いており、『注意マップ自体にバイアス（傾き）を加える』設計により、学習時より長い文脈長への外挿が可能だと説明されています。同記事ではMPT-7B-StoryWriter（MPT-7Bを6万5千トークンの文脈長でファインチューニングした派生モデル）について、単一ノードのA100-80GB GPU上で最大8万4千トークンまでの応答が可能だったと述べられ、Frankle氏は『理論上、コンテキスト長は無限だ。十分なメモリさえあれば、いくらでも続けられる』と発言しています。またFlashAttentionの統合により『学習時でおよそ2倍、推論時で50〜100%の速度向上』が得られたとも説明されており、MPT-7Bはこの記事の情報源によれば9.5日・440GPUで約20万ドルの学習コストで訓練されたとされています。この情報は主にMPT-7B（およびそのStoryWriter派生版）に関する記述であり、MPT-30B等の他バリアントに一律に当てはまるとは限らない点に留意してください。","evidencePoints":["mpt-ev-cr2-latentspace-alibi-flashattention"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mpt/P-02-002","sourceEvidence":[{"id":"mpt-ev-cr2-latentspace-alibi-flashattention","text":"MosaicMLの研究者へのLatent Spaceインタビューによると、MPT-7Bは位置埋め込みの代わりにALiBiを用いることで学習時より長い文脈への外挿を可能にしている。派生版MPT-7B-StoryWriterは単一ノードのA100-80GB GPUで最大8.4万トークンの応答を実証。FlashAttention統合により学習時で約2倍の速度向上を実現し、学習コストは9.5日・440GPUで約20万ドルとされる。","title":"MPT-7B and The Beginning of Context=Infinity — with Jonathan Frankle and Abhinav Venigalla of MosaicML（Latent Space）","coverageType":["Differentiation"],"sourceType":"media","sourceClass":"Interview","sourceUrl":"https://www.latent.space/p/mosaic-mpt-7b","confidence":"high","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"mpt"}],"generatedAt":"2026-08-29T14:34:38.294Z","evidenceIds":["mpt-ev-cr2-latentspace-alibi-flashattention"]},{"id":"P-01-002","companyId":"mpt","questionId":"P-01-002","instanceId":"reference-depth-completion-run-cohort2-unit-b","draftId":"reference-depth-completion-run-cohort2-unit-b-mpt-p-01-002","promptText":"MPTを開発したMosaicMLは現在どのような状況で、MPTはどれくらい普及していますか？","promptTypeId":"P-01","answer":"独立系テクノロジーメディアTechCrunchが2023年6月26日に報じた記事によると、『MosaicMLの最新版に次ぐバージョンであるMPT-7Bは、330万回のダウンロードを記録した』とされています。同記事はまた、MosaicMLがDatabricksにより13億ドルで買収されることを報じており、これはMosaicMLの直前の評価額2億2,200万ドルから約6倍の評価額上昇にあたるとされています。MosaicMLはそれまでDCVCやAME Cloud Ventures、Lux、Samsung Nextなどの投資家から約6,400万ドルを調達していました。この買収発表を受けて、MPT-7Bを開発したMosaicMLは現在Databricksの傘下で開発が続けられている状況です。","evidencePoints":["mpt-ev-cr2-techcrunch-downloads-acquisition"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mpt/P-01-002","sourceEvidence":[{"id":"mpt-ev-cr2-techcrunch-downloads-acquisition","text":"TechCrunchの記事によると、MPT-7Bは330万回のダウンロードを記録した。開発元MosaicMLは2023年6月にDatabricksへ13億ドルで買収され、直前の評価額2億2,200万ドルから約6倍に上昇した。MosaicMLはそれ以前に約6,400万ドルを調達していた。","title":"Databricks picks up MosaicML, an OpenAI competitor, for $1.3B（TechCrunch）","coverageType":["Credibility"],"sourceType":"media","sourceClass":"Announcement","sourceUrl":"https://techcrunch.com/2023/06/26/databricks-picks-up-mosaicml-an-openai-competitor-for-1-3b/","confidence":"high","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"mpt"}],"generatedAt":"2026-08-29T14:44:28.527Z","evidenceIds":["mpt-ev-cr2-techcrunch-downloads-acquisition"]},{"id":"P-05-001","companyId":"mpt","questionId":"P-05-001","instanceId":"tair-cohort4-2026-08-31","draftId":"tair-cohort4-2026-08-31-mpt-p-05-001","promptText":"MPT-30B、MPT-30B-Instruct、MPT-30B-Chatはそれぞれどのようなライセンスで公開されており、それを直接確認できる一次情報はどこにありますか？","promptTypeId":"P-05","answer":"MosaicML（現Databricks傘下）が2023年6月に公開した公式ブログ「MPT-30B」（databricks.com/blog/mpt-30b）で、3種のライセンスが明記されている。ベースモデルのMPT-30Bは商用利用可能なApache 2.0ライセンス、対話用にAnthropicのデータセットで追加学習したMPT-30B-Instructは商用利用可能なCC-By-SA-3.0ライセンス、一方でMPT-30B-Chatは研究成果物という位置づけで非商用のCC-By-NC-SA-4.0ライセンスとされている。同記事はMPT-30BがNVIDIA H100 GPUで部分的に学習された初の公開モデルである点や、学習時8kトークン・ALiBiによる長文脈対応も明記している。バリアントによってライセンス条件が大きく異なるため、利用前に各モデルの公式情報を個別に確認する必要がある。","evidencePoints":["mpt-ev-tair-1"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mpt/P-05-001","sourceEvidence":[{"id":"mpt-ev-tair-1","entityId":"mpt","text":"MosaicML公式ブログ（databricks.com/blog/mpt-30b）によれば、MPT-30BはApache 2.0、MPT-30B-InstructはCC-By-SA-3.0（いずれも商用利用可）、MPT-30B-ChatはCC-By-NC-SA-4.0（非商用）というように、モデルごとに異なるライセンスで公開されている。","coverageType":["Identity"],"title":"MPT-30B | Databricks Blog","sourceClass":"Announcement","sourceType":"official_blog","confidence":"high","supportedPromptTypes":["P-05"],"sourceVerified":false,"needsVerification":true,"sourceUrl":"https://www.databricks.com/blog/mpt-30b"}],"generatedAt":"2026-08-31T06:45:14.146Z","evidenceIds":["mpt-ev-tair-1"]}]}