Chrome の組み込みモデル管理について

Thomas Steiner

公開日: 2025 年 10 月 21 日

基盤モデルとエキスパート モデルを基盤とする組み込みの AI 機能は、ユーザーとデベロッパーの両方にとってシームレスになるように設計されています。組み込みの AI API を使用すると、モデル管理はバックグラウンドで自動的に行われます。このドキュメントでは、Chrome で AI モデルのダウンロード、更新、削除を行う方法について説明します。

モデルの初回ダウンロード

ユーザーが Chrome をダウンロードまたは更新すると、モデルが オンデマンドでダウンロードされます 。これにより、Chrome はユーザーのハードウェアに適したモデルをダウンロードできます。 モデルの初回ダウンロードは、Gemini Nano に依存する組み込みの AI API の *.create() 関数（Summarizer.create()など）の最初の呼び出しによってトリガーされます。この場合、Chrome は一連のチェックを実行して、最適な対応を決定します。 まず、代表的なシェーダーを実行して、デバイスの GPU パフォーマンスを推定します。この結果に基づいて、次のいずれかを決定します。

ダウンロード プロセスは、復元できるように構築されています。

  • インターネット接続が中断された場合は、接続が復元すると、中断したところからダウンロードが再開されます。
  • ダウンロードをトリガーしたタブが閉じられた場合、ダウンロードはバックグラウンドで続行されます。
  • ブラウザが閉じられた場合、ブラウザが 30 日以内に開かれると、次回の再起動時にダウンロードが再開されます。

availability() を呼び出すと、モデルのダウンロードがトリガーされることがあります。これは、新しいユーザープロファイルの起動直後に呼び出しが行われ、 Gemini Nano を基盤とする詐欺検出 機能が有効になっている場合に発生します。

LoRA の重みのダウンロード

Proofreader API などの一部の API は、ベースモデルに適用されて機能を特化させる Low-Rank Adaptation（LoRA）の重みに依存しています。API が LoRA に依存している場合、LoRA の重みはベースモデルとともにダウンロードされます。他の API の LoRA の重みは、事前にダウンロードされません。

モデルの自動更新

Gemini Nano モデルのアップデートは定期的にリリースされます。Chrome は、ブラウザの起動時にこれらのアップデートを確認します。また、Chrome は LoRA の重みなどの補助リソースのアップデートを毎日確認します。JavaScript からモデル バージョンをプログラムでクエリすることはできませんが、 インストールされているバージョンを chrome://on-device-internalsで手動で確認できます。 更新プロセスは、シームレスで中断のないように設計されています。

  • Chrome は、バックグラウンドで新しいバージョンをダウンロードしながら、現在のモデルで動作し続けます。
  • 更新されたモデルがダウンロードされると、ホットスワップ されます。つまり、モデル は ダウンタイムなし で切り替えられます。新しい AI API 呼び出しでは、すぐに新しいモデルが使用されます。 注: スワップの瞬間に実行されているプロンプトが失敗する可能性があります。
  • アップデートは、部分的なダウンロードではなく、完全な新しいモデルのダウンロードです。これは、モデルの重みがバージョン間で大きく異なる可能性があり、このような大きなファイルの差分を計算して適用するのに時間がかかるためです。

アップデートには、初回ダウンロードと同じ要件が適用されます。ただし、モデルがすでにインストールされている場合は、初回ディスク容量チェックは免除されます。 LoRA の重みも更新できます。LoRA の重みの新しいバージョンを既存のベースモデルに適用できます。ただし、ベースモデルの新しいバージョンには、常に新しい LoRA の重みセットが必要です。

モデルの削除

Chrome は、ユーザーがディスク容量を使い果たさないように、ディスク容量を積極的に管理します。デバイスの空きディスク容量が特定のしきい値を下回ると、Gemini Nano モデルは自動的に削除されます。 また、エンタープライズ ポリシーでこの機能が無効になっている場合や、ユーザーが 30 日間他の利用資格要件を満たしていない場合も、モデルは削除されます。利用資格には、API の使用状況やデバイスの機能が含まれます。 削除プロセスには次の特徴があります。

  • モデルは、実行中のプロンプトに関係なく、セッションの途中でもいつでも削除できます。つまり、セッションの開始時に使用可能だった API が突然使用できなくなる可能性があります。
  • 削除されたモデルは、自動的に再ダウンロードされません。新しいダウンロードは、*.create() 関数を呼び出すアプリケーションによってトリガーされる必要があります。
  • ベースモデルが削除されると、関連する LoRA の重みも 30 日間の猶予期間後に削除されます。

モデル管理におけるユーザーの役割

組み込みの AI モデルのライフサイクルをよく理解することは、ユーザー エクスペリエンスを適切に実現するための鍵となります。モデルを一度ダウンロードしたら終わりではありません。ディスク容量の不足によりモデルが突然消える可能性や、新しいバージョンがリリースされたときにモデルが更新される可能性も考慮する必要があります。これらはすべてブラウザによって処理されます。

モデルのダウンロードに関する ベスト プラクティスに従うことで、 初回ダウンロード、再ダウンロード、 更新で優れたユーザー エクスペリエンスを実現できます。