- modelmapは、Hugging Faceにある好きなAIモデルの内部構造を、図とアニメーションで見られる無料のWebツールです
- 2026年8月18日にHacker Newsで公開され、113ポイントを集めました。開発者はlizhaoliu氏です
- PyTorchの「metaデバイス」で重みのない模型を組み立て、ダミーの入力を1回だけ流して構造を記録する仕組みです
- 系列長スライダーを動かすとKVキャッシュや計算量が変わり、手元のGPUに載るかどうかの目安がわかります
- 似たツールにHF Viewer・Netron・Transformer Explainerがあり、目的で使い分けるのがおすすめです
「このAIモデル、うちのGPUで動くの？」と迷ったことはありませんか。モデル名とパラメータ数だけ見ても、中で何が起きているかは見えません。そんな悩みに答えるツールが登場しました。AIの内部構造を地図のように描き、処理の流れをコマ送りで追える「modelmap」です。
modelmapとは？AIの中身を地図にする無料ツール
modelmapは、Hugging Faceで公開されているAIモデルの内部構造を可視化するWebサイトです。URLは modelmap.cc です。
公式の説明文はこう書かれています。「Hugging Faceのどんなモデルでも、対話できるアニメーション付きのアーキテクチャ地図を。そして、それがあなたのGPUに載るかどうかも」。
開発者はlizhaoliu氏。2026年8月18日にHacker Newsの「Show HN」に投稿され、113ポイントを獲得しました。その後、8月22日にGIGAZINEが日本語で紹介したことで国内でも話題になっています。
使い方はシンプルです。画面上部の入力欄にモデル名の一部を入れると候補が出てきます。選ぶと、そのモデルの中身が図として描かれます。
たとえば表示されるのは、本体である「model」と、出力層の「lm_head」といったブロックです。主要なモデルはトップ画面にボタンが並んでいるので、検索せずにクリックするだけでも中身が見られます。
modelmapの3つの武器
1. 処理の流れをコマ送りで追える
modelmapの一番の売りは、データがモデルの中をどう流れていくかをアニメーションで再生できる点です。
入力された文章が、どのブロックを、どの順番で通っていくのか。それが光の流れのように動きます。
Spaceキーで一時停止でき、矢印キーで1コマずつ進められます。再生中は画面上のHUD（情報表示）に、各ステップで数値の形がどう変わったかが出ます。
2. 「GPUに載るか」をその場で見積もれる
もうひとつの目玉が、コストの試算機能です。
「cost」レンズに切り替えると、地図全体が計算量（MACs）・活性化メモリ・KVキャッシュの3つの視点に塗り替わります。KVキャッシュとは、AIが会話の途中経過を覚えておくために使うメモリのことです。
さらに系列長（一度に扱う文章の長さ）のスライダーが用意されています。長い文章を入れるとメモリがどれだけ膨らむのか、その場で動かして確かめられます。
Hacker Newsのコメントでも「中身を見せるだけかと思ったら、そのモデルを提供するコストまで見積もってくれる」と驚きの声が上がっていました。
3. 同じ層は「×36」でたたむ
最近の大規模言語モデルは、同じ構造の層を何十回も積み重ねています。全部そのまま描くと、画面は延々と続く縦長の図になってしまいます。
modelmapはまったく同じ形の層をひとまとめにして、「×36」「x28」といったバッジを付けて表示します。
だから全体像が一画面に収まります。詳しく見たいときはEキーで展開でき、Cキーで元に戻せます。
仕組み：重みのないモデルを1回だけ動かす
ふつう、AIモデルの構造を正確に知るには、モデル本体（重み）をダウンロードする必要があります。しかし大きなモデルは数十GBもあり、現実的ではありません。
開発者はHacker Newsで仕組みを説明しています。設定ファイル（config）だけを読むのではなく、PyTorchの「metaデバイス」上で実際にモデルを組み立てているそうです。
metaデバイスでは、すべての部品とパラメータが本物の形とデータ型を持って存在します。ただし、その裏にメモリの実体はありません。設計図だけが立ち上がった状態です。
次に、ダミーの入力データを1回だけ流します。すべての部品に「forward hook」という監視役を付けておくと、どの部品がどの順番で動き、入力と出力の形がどう変わったかが記録されます。
実際のUIでは、部品をクリックすると「[1 batch × 7 seq × 4096 hidden]」のような形が表示されます。重みの形も「[151936 vocab × 4096 hidden]」といった具合に出ます。
パラメータ数やデータ型は、safetensors（モデルの保存形式）のヘッダ部分だけをHTTPレンジリクエストで取得して照合しています。つまり重みは1バイトもダウンロードしていません。
加えて、各ノードにはパラメータ数と全体に占める割合が表示されます。子要素のツリーマップもあるので、「このモデルはどこが重いのか」が一目でわかります。
実際の操作方法とショートカット
覚えておくと便利なキー操作をまとめます。
- Eキー：より詳しい内部構造を展開する
- Cキー：表示をコンパクトに戻す
- 0キー：縮尺を自動調整して全体を表示する
- Spaceキー：アニメーションを一時停止する
- 矢印キー：1フレームずつ送る・戻す
2つのモデルを左右に並べて比較する機能もあります。「A社の新モデルは、前の世代とどこが違うのか」を目で確かめたいときに便利です。
注意点もあります。すべてのモデルが処理フローのアニメーションに対応しているわけではありません。またHacker Newsのコメントでは「検索が壊れているようだ」という指摘もありました。公開直後のツールなので、これから改善されていく段階です。
HF Viewer・Netronとの比較：どれを使えばいい？
AIモデルを可視化するツールは、実は他にもあります。代表的な4つと比べてみます。
HF Viewer（hfviewer.com）は、スウェーデンのEmbedl社が開発したツールです。Hannes von Essen氏がプロダクトリードを務めています。3,900以上のモデルに対応し、Chrome拡張機能やモデルカードへの埋め込み、シリーズごとのファミリーページまで揃っています。
ただし作りが違います。HF Viewerはサーバ側で設定ファイルを解析する方式で、初回の表示に数分かかることがあると案内されています。modelmapの開発者も「彼らの方が機能は揃っている。違いはグラフの作り方だ」とコメントしています。実際の実行順とテンソルの形が取れることが、modelmapのアニメ再生とコスト試算を支えています。
Netron（netron.app）は、ONNXやTensorFlow Lite、Core MLなど多くの形式に対応した定番ビューアです。手元にあるモデルファイルを開いて中身を確認したいときに向いています。
Transformer Explainerは、米ジョージア工科大学のPolo Clubが公開した教材です。ブラウザの中でGPT-2を実際に動かし、自分で入力した文章が次の単語を予測するまでを追えます。仕組みを学ぶ目的ならこちらが最適です。
まとめると、こう使い分けられます。仕組みを学びたいならTransformer Explainer。手元のファイルを見たいならNetron。そして「このモデルを採用していいか」を判断したいならmodelmapです。
日本のユーザーと企業にとっての意味
日本では、社内データを外に出せないという理由からローカルLLM（自前の環境で動かすAI）を検討する企業が増えています。ここでmodelmapが効いてきます。
たとえば、ある中堅メーカーの情報システム担当者を思い浮かべてください。社内文書の検索AIを作るため、GPUサーバの見積もりを取ることになりました。
候補のモデルをmodelmapで開き、系列長スライダーを4,000トークンあたりまで動かします。するとKVキャッシュがどこまで膨らむかが見えます。「長い契約書を読ませる想定なら、このモデルは24GBのGPUでは厳しい」という判断が、機材を買う前にできるわけです。
国産モデルの選定にも役立ちます。ELYZA、Sarashina、PLaMoといった日本語対応モデルは、サイズの選択肢が複数あります。VRAM 8GBの環境ならLlama-3-ELYZA-JP-8B級、24GBあれば32B級という目安が語られていますが、実際の負荷はモデルの作りで変わります。
もうひとつのシーンは教育の現場です。大学のゼミや社内勉強会で、論文の模式図を見せる代わりに本物のモデル構造を映す。層が28回繰り返される様子や、語彙数15万に対して隠れ層が4,096という数字の生々しさは、静止画では伝わりません。
ひとつだけ弱点があります。modelmapのUIは英語のみで、日本語表示には対応していません。とはいえ専門用語が中心なので、モデルの知識がある人なら困らないはずです。
よくある質問（FAQ）
Q1. modelmapは無料で使えますか？
2026年8月時点で、料金の表示やログイン画面は見当たりません。ブラウザでアクセスするだけで使えます。今後の方針は公表されていません。
Q2. 使うとモデルの重みがダウンロードされますか？
されません。開発者の説明によると、safetensorsのヘッダ部分だけをHTTPレンジリクエストで読み取っています。数十GBの本体を落とす必要はありません。
Q3. すべてのモデルでアニメーションが見られますか？
いいえ。処理フローの表示に対応していないモデルもあります。その場合も、構造の図そのものは表示されます。
Q4. 「GPUに載る」という判定はどれくらい正確ですか？
あくまで目安と考えるのが安全です。実際に必要なメモリは、量子化（数値を軽くする圧縮）の有無、バッチサイズ、推論エンジンの実装によって変わります。導入前には実機での検証をおすすめします。
Q5. オープンソースとして公開されていますか？
現時点の公開情報では、ソースコードの公開について明確な案内はありません。仕組みについては開発者がHacker News上で詳しく説明しています。
まとめ
- modelmapは、Hugging Faceの任意のモデルの内部構造を図とアニメで見られるWebツール
- 2026年8月18日にShow HNで公開され、113ポイントを集めた。開発者はlizhaoliu氏
- PyTorchのmetaデバイスで重みのないモデルを組み立て、ダミー入力を1回流して実行順と形を記録する
- 計算量・活性化メモリ・KVキャッシュを系列長スライダーで動かせるので、GPU選定の目安になる
- HF Viewerは機能が豊富、Netronはローカルファイル向け、Transformer Explainerは学習用。目的で使い分けるとよい
まずは自分がふだん使っているモデルの名前を modelmap.cc に入れて、中身をひと目見てみてください。
参考文献
- AIモデルを選ぶ時に「実際に何をしているのか？」という内部構造や処理フローをアニメーションで視覚化して確認できる「modelmap」 – GIGAZINE（2026年8月22日）
- modelmap 公式サイト
- Show HN: Interactive, animated architecture of any HuggingFace models – Hacker News（2026年8月18日）
- HF Viewer – view any Hugging Face model
- Transformer Explainer: LLM Transformer Model Visually Explained – Georgia Tech Polo Club
こんな時代だから遊んで学びたい
AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。
毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。 さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。
「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？
一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！
