本文へスキップ
ReviewRamble

週刊ブリーフ

AIのレビューを、あなたの受信箱に。

  • ツール、モデル、MCPサーバー、リポジトリの新しいレビュー(結論を最初に)
  • 変更があったときに再確認した価格と評価
  • 公開された新しい分析記事

モデル、エージェント、MCPサーバー、そして本当に時間をかける価値のあるツール。

週に1通です。配信停止は各メールのリンクからできます。 メールアドレスの利用について

LateOn and mLateOn

LightOnのオープンなColBERTモデル。BEIRで首位の英語用149Mの検索モデルと、長文書向けの多言語版307Mです。

レビュー: ReviewRamble editors · 更新

LateOn and mLateOnを見る オープンソース

このページを共有:XLinkedInFacebookRedditWhatsAppメール

当サイトの評価

4.2/5

誰の許可も取らずに商用利用できるオープンなColBERTモデルとして最も強力ですが、より鋭い順位付けと引き換えに大きなインデックスを受け入れることが前提です。

LateOn and mLateOnとは?

LateOnは、パリのAI企業LightOnが2026年4月21日にApache 2.0で公開したColBERT型の遅延相互作用モデルです。文書を1本のベクトルに押し込む代わりに、トークンごとに128個の数値からなるベクトルを保持し、クエリの各トークンを文書の最も近いトークンと照合して採点します(MaxSim)。密な埋め込みより保存容量を食いますが、たいていはより正確に順位付けでき、同じモデルで構築済みインデックスの検索も、別システムの候補リストのリランキングもできます。

LateOnはModernBERT上の1億4,900万パラメータで、英語専用です。2026年7月30日に公開されたmLateOnは多言語の後継で、mmBERT上の3億700万パラメータ、9言語(英語、フランス語、ドイツ語、イタリア語、スペイン語、ポルトガル語、スウェーデン語、ノルウェー語、アラビア語)で学習され、最大8,192トークンの文書を扱います。

LightOnは両モデルの学習データも公開しました。収集したクエリと文書の組14億件、精選した事前学習用の混合データ、マイニングした負例付きの微調整データです。どちらもLightOnのライブラリPyLateとそのインデックスFastPLAIDで動きます。

LateOn and mLateOnは使う価値があるか?

LateOnは小型検索モデルの基準を引き上げました。BEIRの15データセットでNDCG@10の平均は57.22で、LightOn自身のColBERT-Zeroの55.39、GTE-ModernColBERTの54.75を上回り、約4倍の大きさのJina-ColBERT-v2の51.85を大きく引き離しています。学習データと重なる文章を取り除いた12データセット版のBEIRでは60.36に上がり、リーダーボードの優位はデータ漏洩によるものだという、よくある疑いへの答えになっています。

多くの本番コーパスにとってより重要なのはmLateOnです。BEIRで57.56と英語版をわずかに上回り、MIRACLの対象言語で65.61、長文書のベンチマークMLDRで87.69を記録し、LightOnの数値ではLiquid AIのLFM2.5-ColBERT-350Mより9ポイント以上高くなっています。LateOn単体は英語以外では弱く、Liquidの多言語テストではNanoBEIRで0.484、Liquidのモデルは0.605です。ただし同じ表の英語のスコアはLateOnが0.690で最高です。

遅延相互作用の代償は保存容量です。トークンごとに128個の数値のベクトルを持つため、300トークンの文章は密なモデルなら1本のところ約300本のベクトルを保存します。インデックスはずっと大きくなり、FastPLAIDのようなColBERT対応のエンジンが必要です。別システムの上位100件のリランカーとして使うなら何も保存せず、費用はクエリごとにその文書を符号化するだけです。

推論の重いクエリでの実力は未知数です。LightOnはBRIGHTの結果を公開しておらず、ここで取り上げたホスト型のクロスエンコーダーは公開しています。LateOnの既定設定は文書を300トークンに制限するため、長い文章にはmLateOnか分割が必要です。オープンなデータ、オープンな重み、緩いライセンスを一式で求めるチームにとって、この2モデルが遅延相互作用の出発点です。

真価を発揮する場面

  • フランス語とドイツ語の長い契約書を扱うリーガルテック新興企業のMLエンジニア

    有料APIを使わずに言語をまたいで正しい条項を見つける

    mLateOnで契約書をPyLateのFastPLAIDインデックスに入れ、8,192トークンの枠を使って節を分割せずに保ちます。Apache 2.0なのでライセンス料はかかりませんが、密なモデルより大きなインデックスが必要です。

  • すでにElasticsearchでBM25を運用している検索エンジニア

    ベクトルインデックスを作らずにキーワード検索の上位100件を並べ替える

    クエリと候補100件をLateOnで符号化し、インデックス不要のPyLateのrank.rerankで採点します。費用はクエリごとに149MパラメータのモデルをGPUかCPUで動かす時間です。

  • 検索モデルのデータ漏洩を監査する研究チーム

    既知のデータで検索モデルの学習を再現または拡張する

    LightOnが公開した事前学習と微調整のデータ、12データセットの汚染除去版BEIRから始め、PyLateで学習します。LightOnによると、このクリーンな分割でのLateOnのスコアは60.36です。

導入前に確認すること

導入
pip install pylateでmodels.ColBERTにlightonai/LateOnまたはlightonai/mLateOnを読み込み、文書をPLAIDインデックスに符号化して検索します。候補リストの並べ替えだけならインデックスなしでrank.rerankを使えます。
連携
Sentence Transformers上に作られたLightOnのPyLateとFastPLAID。重みはHugging Faceにあります。トークンのベクトルを別の場所に保存するには、マルチベクトルのMaxSimに対応したベクトルデータベースが必要です。
データとプライバシー
セルフホストのみなので、文書は自社のハードウェアに留まります。実験用の学習データはHugging Faceで公開されており、最終モデルはApache互換の独自データセットを使いました。
大規模利用時のコスト
ライセンス料もAPI料金もありません。運用費は符号化のGPU時間と、トークンごとに128次元のベクトルを保存する容量で、後者はコーパスの増加とともに密なインデックスよりはるかに速く膨らみます。
制限
LateOnは英語で、既定ではクエリ32トークン、文書300トークン。mLateOnは最大8,192トークンで、学習言語は9つです。蒸留もプロンプトも使っておらず、LightOnはさらに強い版の余地があるとしています。

良い点

  • 149MパラメータでBEIR 57.22、汚染除去版BEIRで60.36
  • Apache 2.0の重みと公開された学習データ
  • mLateOnは9言語で8,192トークンを読める
  • PyLateで第1段の検索にもリランカーにも使える

気になる点

  • マルチベクトルのインデックスは密なものよりはるかに大きい
  • LateOnは英語専用で、既定の文書長は300トークン
  • これらのモデルのホスト型APIは掲載されていない
  • ベンチマークはLightOn自身のもの、BRIGHTや推論系の結果なし

おすすめの人

検索を自前でホストし、第1段の検索や軽量リランカーとして使える緩いライセンスのColBERTモデルを求めるエンジニア。

LateOn and mLateOnの代替

LateOn and mLateOn:よくある質問

LateOn and mLateOnは使う価値があるか?
誰の許可も取らずに商用利用できるオープンなColBERTモデルとして最も強力ですが、より鋭い順位付けと引き換えに大きなインデックスを受け入れることが前提です。 評価は5点満点中4.2点です。
LateOn and mLateOnの料金は?
Apache 2.0の重みは商用利用を含めて無料です。ホスティングとインデックスの保存費用は自己負担です。
LateOn and mLateOnの欠点は?
マルチベクトルのインデックスは密なものよりはるかに大きい; LateOnは英語専用で、既定の文書長は300トークン; これらのモデルのホスト型APIは掲載されていない; ベンチマークはLightOn自身のもの、BRIGHTや推論系の結果なし.
LateOn and mLateOnは誰に向いているか?
検索を自前でホストし、第1段の検索や軽量リランカーとして使える緩いライセンスのColBERTモデルを求めるエンジニア。
チームや本番環境でLateOn and mLateOnを使うと費用はいくらか?
ライセンス料もAPI料金もありません。運用費は符号化のGPU時間と、トークンごとに128次元のベクトルを保存する容量で、後者はコーパスの増加とともに密なインデックスよりはるかに速く膨らみます。
LateOn and mLateOnは企業データを扱っても安全か?
セルフホストのみなので、文書は自社のハードウェアに留まります。実験用の学習データはHugging Faceで公開されており、最終モデルはApache互換の独自データセットを使いました。
LateOn and mLateOnの代わりになるものは?
当サイトでレビューした中で最も近い代替はLFM2.5-ColBERT-350M, Nemotron ColEmbed V2, Jina Embeddings v5 、 Qwen3-Embedding and Qwen3-Rerankerです。

回答確認日:2026年11月20日

LateOn and mLateOnの開発元の方へ:この評価をサイトに掲載できますReviewRambleでのLateOn and mLateOnの評価:5点満点中4.2点