Gradio、OpenAI Codex賞の受賞者として3つの小規模モデルアプリを発表

Why it matters

The winners show coding agents and local models converging into a practical build stack: small teams can ship private, inspectable AI tools without relying on a large hosted model for every user request.

Gradioは、コンパクトな視覚・言語・音声モデルを用いてウェブコンテンツをナレーションするアクセシビリティツールを筆頭に、Build Smallハッカソンで$10,000のOpenAI Codex賞の受賞作として3つの小型モデルアプリケーションを選出しました。

Hugging Face傘下のフレームワークは、8月3日にX上の5投稿からなるスレッドで結果を発表しました。GradioはTiny Narratorに$5,000、Blood Test Explainerに$3,000、Uta Senseiに$2,000を授与しました。

Gradioは、共同創業者のAbubakar AbidがStanfordで電気工学の博士課程に在学していた際に直面した問題から生まれました。Abidは、医療向けコンピュータビジョンプロジェクトで協力している医師にPythonをインストールさせずにモデルをテストしてもらいたかったため、機械学習デモのブラウザインターフェースを構築しました。彼はAli Abdalla、Ali Abid、Dawood Khanを招いて2019年にGradioをリリースしました。Hugging Faceが2021年12月にGradioを買収した際、Abidの当時の発表によればユーザーは同フレームワークで30万を超えるデモを構築していました。

より小さいモデルを中心に構築された3つのアプリケーション

GitHubユーザーcvpfusが提出したTiny Narratorは、言語・視覚・テキスト読み上げコンポーネントを組み合わせたスクリーンリーダーのプロトタイプで、優勝しました。その公開リポジトリは、メインの「リーダー脳」としてパラメータ数39.7億のNemotronモデル、画像説明にMiniCPM-V 4.6、音声にパラメータ数8200万のKokoroモデルを挙げています。

インターフェースは記事の見出し、段落、画像から読み上げキューを構築します。ユーザーはキーボードコマンドで移動し、要約を要求し、生成されたナレーションのトランスクリプトを確認できます。コードには、モデル・エンドポイントが利用できない場合でもリーダーの利用性を保つことを目的とした決定的なフォールバック説明も含まれています。Tiny Narratorのリポジトリは8月3日時点でGitHubスターが1件、フォーク無しであり、この賞は既存の採用というよりハッカソンの審査結果を反映していることを示しています。

2位のBlood Test Explainerは、American College of GreeceのDeree AI Labに関連する研究者であるRoman DolgopolyiとDimitris Kalligaridisによって構築されました。ユーザーは血液検査のPDFまたは画像をアップロードし、アプリはMiniCPM-V 4.6で処理した後、抽出したマーカーと参照範囲を構造化されたJSONに変換します。精選されたナレッジベースが平易な言葉による説明を提供します。

開発者らは、Blood Test Explainerのリポジトリが製品パス上で外部推論呼び出しを行わないことを報告しており、アップロードされた健康データはSpace内またはモデルを実行しているローカルマシン内に留まります。彼ら自身の評価は狭いファインチューニングの限界も明らかにしました：初期のスキーマ重視の訓練ではフィールドレベルのF1が0.655から0.078に低下しました。後のファインチューニングでは100件の医療推論例を用いて0.746に到達したと、開発者が公開した結果にあります。リポジトリはこのアプリケーションが教育目的であり、ノイズの多いスキャンを誤読する可能性があり、臨床医に代わるものではないと注意を促しています。

@odincodeというハンドルで投稿する開発者が作ったUta Senseiが3位を獲得しました。Uta Senseiのリポジトリは、歌詞をふりがな、語彙、文法メモ、具体に基づいた質問応答セッションを含むレッスンに変換する日本語チューターを説明しています。ユーザーは結果をレッスンファイル、Markdown、またはAnki語彙デッキとしてエクスポートできます。

Uta Senseiはパラメータ数33.5億のTiny Aya Globalモデルをllama.cppで動かし、公開版は基本的なCPUインスタンスでホストされています。開発者はハッカソン中にファインチューニング済みアダプタをテストし、その後、固定されたレッスンベンチマークでより良い性能を示したためストックモデルを出荷しました。

Codexは開発プロセスの一部として審査された

Build Small field guideは、参加するすべてのモデルが320億パラメータ未満であること、すべての提出物がGradioアプリとして出荷されることを要求していました。大会は$48,000の賞金プール、29の賞の道筋、20,000のModalクレジット、2基のNvidia RTX 5080 GPUを広告していました。

OpenAIのカテゴリは、接続されたGitHubリポジトリまたはHugging Face SpaceでCodexに帰属するコミットを要求しました。ルールは、モデルのファインチューニングやエージェント開発などのタスク全体にわたる広範なCodexの使用を、軽度のコーディング支援よりも高く評価するとしていました。Blood Test Explainerの開発者は、モデルアーキテクチャを変更する際のコミットとプルリクエストの管理にCodexを使用したと述べ、Uta Senseiの作成者は実装、テスト、フロントエンド開発、評価、デバッグ全般でCodexに感謝を示しました。

Gradioの最終的な支払いは、公開されていた賞金表の不整合も解消しました。フィールドガイドは1位に$5,000、2位に$3,000、3位に$1,000を記載していましたが、Codexプールの合計は$10,000と説明していました。Gradioの8月3日の発表はUta Senseiに$2,000を割り当て、3件の賞は記載された合計金額に達しました。

受賞アプリケーションは共通の技術的選択を共有しています：いずれも小型モデルをユーザーの近くに配置し、コア機能を公開コードを通じて検査可能に保っています。Codexはそのスタックの一つ前の層に位置し、個々の開発者が締め切りの下でそれらのモデルの周りのソフトウェアを作成・改訂するのを支援しています。