リリースノート

2026年3月2日リリース

ランタイムオプション --target_runtime qnn_context_binary は非推奨となりました。QNN コンテキストバイナリアセットを作成するには、submit_compile_and_link_jobs API を使用してください
ログからの具体的なエラー内容を表示することで、Quantize Job のエラーメッセージが改善されました。解決に向けた具体的な提案が得られないままジョブが失敗する場合は、お知らせください。
プロキシデバイスに送信されたジョブに対して、特に CPU/GPU における性能の詳細に関する追加の警告が追加されました。これらのプロキシデバイスは、指定されたデバイスの NPU 特性を模倣することを目的としていますが、オペレーティングシステム、ファームウェア、クロック速度、メモリ、熱設計、その他の要因の違いにより、プロファイリング結果は実際のデバイスと異なる場合があります。モデルが CPU または GPU 上で実行される場合、実機では速度が大きく異なる可能性があります。
Quantize Job には、使用されている AIMET のバージョンがジョブの versions セクションに表示されるようになりました。

2026年2月17日リリース

コンパイルジョブで QNN モデルライブラリをターゲットにする機能は AIHW から削除されました。具体的には、--target_runtime オプションの値 qnn_lib_aarch64_android は受け付けられなくなり、--qnn_bin_conversion_via_model_library オプションも受け付けられなくなりました。また、QNN コンテキストバイナリモデルのリンクも不可能になりました。
QNN モデルライブラリを用いたプロファイル／推論ジョブの送信機能は非推奨となり、将来のリリースでサポートが削除される予定です。既存のモデルライブラリはプロファイル可能ですが、前述のとおり AI Hub Workbench のコンパイルジョブでモデルライブラリにコンパイルすることはできなくなっています。
以前から非推奨とされていた submit_compile_and_quantize_jobs API は削除されました。
SC8480XP Windows デバイスが AI Hub Workbench で利用可能になりました。
QAIRT 2.43 にアップグレードされました。AIHW で利用可能な QAIRT バージョンは 2.41、2.42（デフォルト）、2.43（最新）です。
ONNX Runtime 1.24.1 にアップグレードされました。
コンパイルジョブ API の一部として生成されたターゲットモデルは、従来表示されていたソースモデルに加えて、AI Hub Workbench UI の Models タブにも表示されるようになりました。
Google Pixel 6a デバイスのサポートは AI Hub Workbench から削除されました。
（Quantize Job における）aimet-onnx が 2.24 にアップグレードされました。

2026年2月2日リリース

新しい API submit_compile_and_link_jobs が利用可能になりました。この API は、複数のモデルをコンパイルして重み共有の QNN コンテキストバイナリにリンクする必要があるユーザー向けに、ワークフローを簡素化します。詳細および API ドキュメントを参照してください。
ベータ提供: .pt2（Torch エクスポートプログラム）形式のサポートが、AI Hub Workbench の Compile Job における入力モデルとして利用可能になりました。この機能を利用するには、現時点では PyTorch 2.8.0 でエクスポートする必要があります。
以前から非推奨とされていた、submit_compile_and_profile_jobs API にターゲットモデルを渡す機能は削除されました。

2026年1月26日リリース

IQ9075-AA（100 TOPS）Qualcomm Linux版がQualcomm AI Hub Workbenchで利用可能になりました！ぜひ本日、モデルを実行してデバイスをお試しください。
QAIRT 2.42.0 にアップグレードされました（現在のデフォルトおよび最新バージョン）。
いくつかのプロキシデバイスが Workbench から削除されました - IOT: QCS6490（Proxy）、Auto: SA8255（Proxy）、SA8650（Proxy）、SA8775（Proxy）。
デバイス廃止予定のお知らせ：Google Pixel 6a（OSバージョン：13）は、経年および使用状況により次回リリースで廃止される予定です。懸念があればお知らせください。
AIMET-ONNX 2.22 にアップグレードされました（Quantize Job 内）。
Quantize Job の lite-mp は、感度分析を行う際にモデルの最初の出力だけでなく、すべての出力を使用するように更新されました。

2026年1月6日リリース

I/O仕様情報と量子化パラメータがモデルページに表示されるようになりました。詳細情報はAI Hub Pythonクライアントからもアクセスできます。
QAIRTがバージョン2.41にアップグレードされました。
Quantize JobsがAIMET-ONNX 2.21.0にアップグレードされました。
次回のリリースで複数のプロキシデバイスが削除される予定です。 IOT：実機のQualcomm Dragonwing™ RB3 Gen 2 Vision Kit（QCS6490）が11月中旬からAI Hub Workbenchで利用可能となったため、QCS6490プロキシが削除されます。 Auto：SA8255（Proxy）、SA8650（Proxy）、SA8775（Proxy）。
QNN用のTFLite Delegateオプション（OpenGLバックエンドとnnapiとnnapi-gpuを用いたGPUv2）がAI Hub Workbenchから削除されました。
Python 3.9のサポートは終了しました（2025年10月31日のEOLに伴うものです）。

2025年12月8日リリース

AIMETを2.20に更新しました。
Qualcomm Snapdragon™ 8cx Gen 3 CRD (SC8280XP) は AI Hub Workbench から削除されました。

2025年11月19日リリース

AI Hub製品ポートフォリオをリブランディングします。モデル最適化プラットフォーム（以前の「AI Hub」）は、今後 AI Hub Workbench と呼ばれます。他の製品である AI Hub Models と AI Hub Apps は変更ありません。
Qualcomm Dragonwing™ RB3 Gen 2 Vision Kit（QCS6490）がAI Hub Workbenchで利用可能になりました。これはQualcomm Linuxを実行する初のデバイスです。このデバイスが利用可能になったため、QCS6490プロキシは近いうちに非推奨となります。
Qualcomm Dragonwing™ Q-6690 MTP（QCM6690）がAI Hub Workbenchで利用可能になりました。これで、このデバイスをターゲットにしたジョブを送信できます。デバイスの詳細はデバイスページをご覧ください。
submit_compile_and_quantize_jobs は非推奨（deprecated）となりました。代わりに submit_compile_job および submit_quantize_job API を使用してください。
submit_compile_and_profile_jobs にターゲットモデルを渡す機能は非推奨となりました。代わりに submit_profile_job APIをご使用ください。
ドキュメント：FP16以外のデバイスでONNX Runtimeを使用する新しいプロファイルジョブの例を追加しました。コンパイルジョブの例も更新されています。
QAIRT 2.40.0（最新）への対応を追加しました。デフォルトはQAIRT 2.39です。
現在AI Hub Workbenchで利用可能なQualcomm Snapdragon™ 8cx Gen 3 CRD（SC8280XP）は、今後数週間で非推奨となり削除されます。懸念がある場合はお知らせください。

2025年11月4日リリース

QAIRT のデフォルト値が 2.39 に更新されました。
Python の依存関係として、NumPy のサポートが 2.0 まで拡張されました。

2025年10月27日リリース

QNN を指定されたランタイム（コンテキストバイナリまたは DLC）として使用するプロファイルジョブで、Optrace データが利用可能になりました。Runtime Layer Analysis セクションを展開し、view optrace をクリックして詳細な HTP プロファイリングデータを確認してください：QNN Op と HTP Op の詳細、Optrace のタイミングおよびボトルネック。

2025年10月22日リリース

最近のデバイスファームのアップデートにより、プロファイルおよび推論ジョブで断続的な失敗が発生しました。発生するエラーは Failed to fully run the model, failed after compiling または Failed to profile the model: unexpected device error となります。現在、デプロイメントに回避策を適用済みですので、ジョブを再度お試しください。
QAIRT 2.39（最新）をサポートに追加しました。
PyTorch 2.8.0 にアップグレードしました。
LiteMP（混合精度）機能を使用する際の Quantize Job 内の PSNR 関数を、AIMET の PSNR 計算（オフライン使用時）に合わせて更新しました。

2025年10月6日リリース

ドキュメント内の compile models examples を簡素化するための軽微な更新を行いました。
ONNX Runtime 1.23 に更新されました。
AI Hub によって生成された ONNX モデルは、ir_version=11 を使用するようになりました。これにより、推論には ONNX Runtime 1.23 が必要です。
AIMET-ONNX 2.15 に更新されました。
AI Hub では、モデルをメモリに直接ダウンロードする機能が削除されました。モデルはディスクにダウンロードする必要があります。

2025年9月29日リリース

ONNX Runtime用の追加プロファイルジョブオプション（--onnx_options経由）を追加しました。vtcm_mb、context_priority、offload_graph_io_quantizationの設定方法については API documentation をご覧ください。
新しいデバイス：現在、Qualcomm AI Hubを通じてモデルをテストできる2つの新しいモバイルデバイスが利用可能です：Snapdragon® 8 Elite Gen 5 (SM8850) と Snapdragon® 7 Gen 4 (SM7750)。これらのデバイスのいずれかでモデルをテストするには、ジョブを送信する際に次のようにデバイス名を指定してください： device=hub.Device("Snapdragon 8 Elite Gen 5 QRD")
事前コンパイルされた ONNX モデルに対する修正が実装されました。

2025年9月22日リリース

AIMET-ONNX 2.14 にアップグレードされました。
QAIRT 2.38.0 が最新バージョンとして利用可能になりました。また、QAIRT 2.37.0 は 2.37.1 にアップグレードされました。
ジョブ作成および再試行操作に関する追加のログ記録が追加されました。

2025年9月8日リリース

ONNX Runtime 1.22.2 にアップグレードされました。
'unknown'という理由によるジョブ失敗が減少しました。

2025年9月2日リリース

LiteMP（light mixed precisionの略）がAI Hubで量子化ジョブを送信する際にベータ版として利用可能になりました。量子化ジョブ送信時にこのオプションを有効にし、指定された割合のレイヤーを指定精度に変更できます（--lite_mp percentage=10;override_qtype=int16）。
aimet-onnx 2.13.0 にアップグレードされました。

2025年8月22日リリース

新しいシングルサインオン（SSO）プロバイダーに移行しました。ユーザーへの影響はないはずです。問題が発生した場合は、再ログインをお試しいただき、予期しない動作があればお知らせください。
QAIRT 2.37.0 および aimet_onnx 2.12.0 にアップグレードされました。
モデルをメモリに直接ダウンロードする機能は非推奨となりました。これに伴い、クライアントおよびドキュメントに警告が追加されました。今後は以下のように、ソースモデルをファイルとしてダウンロードしてください： model = compile_job.download_target_model("model_filename") ファイル名は必須です。
長らく非推奨となっていたクライアントAPI get_jobs は正式に削除されました。代わりに get_job_summaries をご利用ください。

2025年8月11日リリース

AI HubでDLCサポートが完全に機能するようになりました！これにより、.soモデルライブラリファイルの生成は廃止されます。DLCファイルは同様の状況（例：AArch64 Android向け）で適しており、より信頼性があります。そのため、AI Hubでの.so生成は即時廃止され（今後サポートも保守もされません）、約6週間以内に完全に削除されます。.binファイルを生成するには、今後は.dlcを経由します。.bin（--qnn_context_binary）および .dlc（--qnn_dlc）の生成に使用するランタイムオプションは変更されておらず、他のランタイムオプションも同様です！廃止されたオプション--qnn_bin_conversion_via_model_libraryを使用すれば、.soモデルを通じて.binファイルを生成できます。リンクジョブは今後、(1つ以上の) .dlcファイルと1つ以上のデバイスを受け取ります。従来の.binモデルのリンク方式は廃止されます。さらに、--target_runtime qnn_lib_aarch64_android も廃止されます。
QAIRT 2.36（2.36.4）にアップグレードされ、これがデフォルトバージョンとなりました。現在Hubでは2.33.2、2.34.2、2.36.4をサポートしています。
QNN Context Binaryの生成失敗によるコンパイルジョブの検証エラーに対するエラーメッセージが改善されました。該当する場合、メッセージには <失敗した <failed op_name>: <op_type>: <root-cause of failure> が含まれます。
ONNX Runtimeの一般的なエラーをドキュメントの FAQ に追加しました。
特定の失敗したジョブに関するエラーメッセージには、該当する場合、詳細情報を確認するためのランタイムログへのポインタが含まれるようになりました。
ONNX Runtimeを使用するプロファイル／推論ジョブの前に、パイプライン内で重みを量子化することは今後行いません。この変更は将来の機能強化をサポートし、パフォーマンス測定の再現性を高めるために行われました。

2025年7月28日リリース

Quantizeジョブにて、AIMET-ONNX 2.10.0へアップグレードしました。
ドキュメントのローカライズが新たに3言語（韓国語、日本語、繁体字中国語）で利用可能になりました。左下の言語セレクターで切り替えて確認してください。
デバイス（v73以上およびSA8295P）にweight sharing属性を追加しました。hub.get_devices()を送信すると、属性 htp-supports-weight-sharing:true により、HTPがweight sharingをサポートしているデバイスが示されます。

2025年7月14日リリース

AI Hub は現在、モデルのサイズに関係なく、常に外部重み（.zip）付きの ONNX モデルを生成します。これは、モデルのアップロードや可視化に影響を与える下流の問題に対処するためです。これを埋め込み重み付きの単一モデルに変換するには、ユーザーが次の操作を行うことができます。
```
import onnx
model = onnx.load("your_model.onnx")
onnx.save(model, "your_new_model.onnx")
```
OpSet 5のReshapeレイヤーを使用するONNXモデルで発生していたコンパイルバグを修正しました。
外部ウェイトを使用するONNXモデルのQuantizeジョブにおけるPSNR計算のバグを修正しました。
AIMET+ONNXからQNNへのコンパイル時に発生していたいくつかの問題に対処しました。
AI Hubクライアントで必要なprotobufのバージョン制限を緩和しました。protobuf>=3.20,<=6.31.1がインストール可能になりました。
Yolov8 QNNコンテキストバイナリでテンソル出力の順序に影響を与えていた問題が、最新のQAIRTバージョンで解決されました。
バージョンタブに表示されるAI Hubのバージョンが一時的にlocal-hub-1999と表示されていた問題が解決されました。
.dlcをターゲットとするw8a8およびw8a16の量子化モデルで、Q/DQノードに影響を与えるパフォーマンスグラフパスにより、著しい性能低下が報告されました。

2025年6月30日リリース

モデルの可視化機能が拡張され、int4レイヤーの表示が可能になりました。
さまざまな依存パッケージがアップグレードされました: QAIRT 2.35 が最新バージョンとして追加されました。デフォルトバージョンは引き続き QAIRT 2.34.2 です。量子化ジョブ用の AIMET ONNX 2.8.0. ONNX Runtime 1.22

2025年6月16日リリース

QAIRT SDK 2.34.2 にアップグレードされました。すべてのジョブでこのバージョンがデフォルトとして使用されます。
.dlc モデルの可視化サポートが追加されました（QAIRT SDK バージョン 2.34.2 以上が必要です）。
量子化ジョブは aimet-onnx 2.7.0 を使用するようになりました。
Qualcomm AI Hub CLI クライアントに --verbose オプションが追加され、詳細なログ出力が可能になりました。これは失敗したジョブのデバッグ時に役立ち、詳細情報を得るために当社チームから要求される場合があります。
LLMエクスポートチュートリアルを使用して複数のグラフのうち1つをプロファイリングする際に、断続的に失敗するバグを修正しました。これは--qnn_optionsをフラグとして渡した際に、意図しない動作が発生していたためです。

2025年6月2日リリース

マルチグラフプロファイリングに関連するバグを修正しました。
RF-DETR モデルをサポートするため、TFLite パスに限定した 6D スライスのサポートを追加しました。
(2GB を超える)大規模モデルのサポートが、量子化ジョブおよび Compute プラットフォーム上でのプロファイル／推論ジョブに拡張されました。Android プラットフォームでは現在、大規模モデルのプロファイルまたは推論はサポートされていません。
aimet-onnx 2.6.0にアップグレードされました。

2025年5月14日リリース

CLI 経由でモデルをアップロードする際、モデル ID とクリック可能なモデルリンクが表示されるようになりました。
aimet-onnx 2.5.0にアップグレードされました。

2025年5月5日リリース

ユーザはAI Hubでコンパイルする大規模PyTorchまだはONNXモデル（以前は2GBより大きいモデルはエラーメッセージが表示）を持ち込むことができますが、大規模TFLiteモデルはまだサポートされていないことに留意してください。
複数のパッケージをアップグレードしました：QAIRT 2.33.2, ONNX Runtime 1.21.1, aimet-onnx 2.4.0。
間違ったインプットシェイプを持ったジョブの際に、追加のエラーメッセージをAI Hubに送信しました。
precompiled_qnn_onnxパスをターゲットにした際は、コンパイルジョブはONNXモデルのアウトプットシャイプを重んじます。

2025年4月22日リリース

AI Hubでコンパイル、プロファイル、推論ジョブを送信する際にDeep Learning Container .dlc のサポートが利用可能になりました。:例をご覧ください。現在はtorch/onnxをDLCにコンパイルし、DLCモデルのプロファイル/推論ジョブを送信する機能のみ対応しています。DLCの可視化など追加機能は近日公開予定です。
QAIRT SDK 2.33.0のサポートが追加され、2.32.6にアップグレードされました。デフォルトは引き続き2.32で、最新バージョンは2.33です。
aimet-onnx 2.3.0にアップグレードされました。
Samsung Galaxy S25デバイスを available devices に追加しました。

2025年4月8日リリース

AI Hubは現在、opset 20を使用するONNXモデルを生成しており、これは ONNX Runtime 1.17（以前は1.12）を必要とします。
ONNX2TFでAffineGrid opのサポートが追加されました。
AIMETモデルをコンパイルする際、AI Hubは現在AIMETエンコーディングバージョン1.0.0をサポートしています。

2025年3月25日リリース

"Job timed out after 8h" という失敗理由が増加していることが確認されました。この問題は調査され、軽減されました。この問題が発生した場合は、ジョブを再試行してください。
以前ONNX Runtimeを指定するために使用されていたオプション ort は削除されました。代わりにonnxを使用し続けてください：--target_runtime onnx。
複数のHTP最適化オプションを指定する機能が追加されました。

2025年3月10日リリース

QAIRT 2.32にアップグレードされました。Qualcomm AI Engine Direct SDK（別名QNN）は、現在Qualcomm AI Runtime SDK（別名QAIRT）として知られています。
AIMET-ONNXがバージョン2.0.1にアップグレードされました。これは量子化ジョブの基盤エンジンです。このアップグレードの結果、いくつかの量子化ジョブのバグが解決され、内部量子化エラーで失敗するジョブが含まれます。ジョブを再提出し、問題がある場合はお知らせください。
静的形状ROI Align TensorFlow Lite サポートが実装されました。
コンパイルジョブのバージョン小区分にONNX Runtimeのバージョン情報が追加されました。
最新のクライアントバージョン 0.25.0 にアップグレードしてください。

2025年2月24日リリース

QNNバージョン 2.31にアップグレードしました。
ランタイムサポート情報を提供する新しいデバイスページをご覧ください。

2025年2月10日リリース

ONNXモデルは、モデルをアップロードする際に外部の重みを持ち込むことをサポートするようになりました。.onnx 拡張子のディレクトリ名または .onnx.zip 拡張子のファイル名であり、正確に1つの重みファイル（.data ファイル）を持つ必要があります。注意：この機能を使用するLLMのサポートはまだ開発中です。
プロファイルジョブでモデル推論時間を表示する際に、中位数とスパークライングラフィックが追加され、より詳細なタイミング情報が提供されます。
すべてのモデルアセットのマルチモデルジョブ可視化：ジョブの右上隅にある「Visualize」ボタンをクリックすると、ジョブに関連するすべての適用可能なモデル（ソース、中間、ターゲット）をナビゲートして可視化する機能があります。
Qualcomm QCS8275およびQCS9075用の新しいIoTプロキシデバイスが追加されました。これらのデバイスは、ジョブを提出する際にAI Hubでターゲットにすることができます。
次のエラーメッセージが表示された場合：Tensors {'...'} occur in value_info but also in model IO. See https://github.com/onnx/onnx/blob/main/docs/IR.md#graphs、最新のAI Hubモデル (pip install qai-hub-models) に更新してください。この問題はLlamaモデルのコンパイルに直接影響することがわかっています。
期限切れのデータセットを参照するジョブは、正確なエラーメッセージで表示されるようになりました。

2025年1月22日リリース

大規模モデルのアップロード速度が向上し、タイムアウトやSSLEOFエラーを防止します。発生するエラーを引き続き報告してください！
エラーメッセージの改善のために、さまざまな変更が行われました。ジョブが失敗した場合、詳細な情報を求めている場合は、Slack にリンクを共有してください。

2025年1月6日リリース

AIMET PyTorchモデル（.pt）アップロードパスを削除しました。代わりにONNXモデル（.onnx）と量子化パラメータのエンコーディングファイル（.encodings）を使用することをお勧めします。
FAQが新しい場所に移動しました。ドキュメントでご確認ください!
fp16 I/Oを使用する量子化されたQNNモデルを使用する推論ジョブは、fp32データを受け入れるようになりました。

2024年12月13日リリース

TensorFlow Lite equivalentにONNX NonMaxSupression opの翻訳が追加されました。
警告: 2025年1月6日のデプロイメントの一環として、AIMET PyTorchモデル（.pt）のアップロードパスを廃止する予定です。代わりにONNXモデル（.onnx）と量子化パラメータを含むエンコーディングファイル（.encodings）を使用することをお勧めします。

2024年11月25日リリース

自動車デバイス用にQNN 2.28.2および2.28.0にアップグレードしました。
LlamaファミリーのモデルをAI Hubにアップロードする際の問題に関連するさまざまな改善を行いました。これらのLLMをアップロードする際にタイムアウトが発生したユーザーからのフィードバックに対応しました。引き続き問題が発生する場合はお知らせください。
コンパイルオプションに--quantize_weight_type float16を追加することで、FP32ウェイトをFP16に圧縮できるようになりました。
AI Hubで新しい自動デバイスが利用可能になりました！SA8775PおよびSA7255P ADPデバイスを提供しています。

2024年11月11日リリース

発表：link jobs!複数のモデルを単一のコンテキストバイナリに結合し、グラフ間で重みを共有することでディスク容量を節約します。リンクジョブはHexagon Tensor Processor（HTP）用のQNNコンテキストバイナリ専用です。
一般的な問題に対処するためのqai-hubクライアントの改善：最新のクライアントバージョン0.19.0には、アップロード時に発生したエラーの修正が含まれています。さらに、アップロードサイズの制限が5GBから10GB（圧縮）に引き上げられ、大きなファイルは複数の部分に分割してアップロードされます。
ONNXバージョンが1.17.0に更新されました。
量子化ベンチマークおよびコンパイルジョブに関する documentation の例を更新しました。

2024年10月28日リリース

新しいデバイス：Snapdragon 8 EliteがSnapdragon Summitで発表され、device = hub.Device("Snapdragon 8 Elite QRD") を指定することで全ユーザーが利用可能です。
新しいデバイス：自動車デバイスSnapdragon Cockpit Gen 4（SA8295P）がAI Hubで使用可能になりました。--device "SA8295P ADP" --device-os 14 を指定して選択してください。
SSOでAI Hubにサインインすると、自動的に関心のあるページにリダイレクトされます。

2024年10月14日リリース

（ベータ）Qualcomm AI Hubはfloat32モデルを整数演算（例：int8、int16）に変換できるようになりました。このベータ機能はsubmit_quantize_job APIを介してPyTorchモデルを量子化する際に使用できます。詳細と例は details and examples in our documentation をご覧ください。
Int64がサポートされるようになりました（推論およびプロファイリングジョブの両方）。
QNN 2.27にアップグレードしました。

2024年10月7日リリース

推論ジョブにおけるrank-0（scalar）テンソルのサポートを改善しました。
ジョブのステージに関する確認するためのジョブを送信（厄介なUIバグを修正）した際はジョブ状態を更新してください。
多くの場合のエラーメッセージを改善しました。これには、プロファイラーでサポートされていないデータタイプの使用、無効なTFLiteモデルファイル、および多くのデバイスでのメモリエラーが含まれます。
クライアントバージョン0.17.0 pip install qai-hub==0.17.0 がリリースされ、HTTPリトライの修正が含まれており、データのアップロードとダウンロードがはるかに信頼性の高いものになりました。
新しいデバイスサポート！ device = hub.Device("Snapdragon X Plus 8-Core CRD") を指定することで、AI HubでSnapdragon X Plusをターゲットにしてジョブを起動できます。

2024年9月23日リリース

すべてのプロキシデバイスのチップセット属性に-proxyサフィックスが追加されました。たとえば、chipset:qualcomm-qcs6490はchipset:qualcomm-qcs6490-proxyになりました。デバイス名は変更されていません。
ONNX Runtimeを1.19.2、TFLiteを2.17にアップグレードしました。

2024年9月11日リリース

QNN 2.26にアップグレードしました。
モデルページに作成者でフィルタリングするためのドロップダウンが追加され、組織内の他の人が所有するモデルを検索しやすくなりました。
UI全体のさまざまなバグ修正が含まれており、QNNモデルの視覚化が更新されています。確認して、問題が発生した場合はお知らせください。

2024年8月26日リリース

8月13日以降、ユーザーが最大許可ジョブ数を超えてジョブを作成しようとした場合、Hubは例外をスローしなくなりました。代わりに、新しいジョブは pending 状態になり、既存のジョブが終了すると自動的に実行されるようにスケジュールされます。Pythonクライアントバージョン 0.14.1 では、ジョブオブジェクトに pending という新しいプロパティが追加されました。バックエンドの容量が利用可能になるのを待っている pending 状態のジョブは、pending が呼び出された場合に True を返し、running が呼び出された場合に False を返します。
QNNを2.25にアップグレードしました。
get_job_summaries はこのバージョン (0.15.0) 以降のクライアントで利用可能です。 get_jobs は廃止され、代わりに get_job_summaries を使用してください。
クライアントバージョン0.15.0 pip install qai-hub==0.15.0 への更新をお勧めします。また、Qualcomm AI Hubの最新機能を利用するために、各リリースごとにクライアントを更新してください。

2024年8月12日リリース

新しいクライアントバージョン0.14.0が利用可能です！
Intermediate Assets：コンパイルジョブを送信すると、コンパイルジョブページに「Intermediate Assets」タブが表示されるようになりました。この新機能により、AI Hubはコンパイルの中間状態をAI Hubの最初のクラスモデルとして保存できます。例えば、TFLiteコンパイル用にTorchScriptモデルを送信すると、中間のONNXモデルが保存され、アクセス可能になります。
ジョブの同時実行制限：エラーを返す代わりに、Hubはユーザーごとの最大制限を超えたジョブを自動的にキューに入れるようになりました。以前にエラーハンドリングで処理していた場合、ジョブを送信するためにエラーハンドリングは不要です。

2024年7月29日リリース

ONNX Runtimeを1.18に更新しました。
Qualcomm AI HubはSnapdragon Rideプラットフォームのサポートを拡張しました。事前に最適化されたAI Hubモデルを Automotive devices で確認し、実際の自動車デバイスでこれらのモデルをテストし、問題が発生した場合はお知らせください。

2024年7月15日リリース

Androidデバイスのメモリ推定の改善により、より正確な範囲が可能になりました。プロファイラーの外因性ヒープ使用を回避する能力が向上し、メモリ範囲が小さくなりました。新しいジョブを送信してメモリ範囲を確認してください。
QNNを2.24.0、ONNXを1.16.0に更新しました。
ONNX Runtimeにint16サポートを追加しました

2024年7月1日リリース

AI Hubジョブは組織内で自動的に共有できます。組織にユーザーを追加するには、チームのメールアドレスを ai-hub-support@qti.qualcomm.com に送信してください。
AI Hubジョブは組織外およびQualcommと共有してサポートを受けることもできます。ジョブの右上にある「Share」ボタンをクリックし、AI Hubユーザーのメールアドレスを指定すると、ジョブ（および関連するモデル資産）が共有されます。メールアドレスをジョブから削除することでアクセスを取り消すこともできます。
コンパイルに失敗したAIMETモデルのエラーメッセージを改善しました
precompiled_qnn_onnx に関するドキュメントを更新しました。
AI Hubウェブページの詳細なタイトルを追加しました。ページを開くと、ページ名とジョブ名が表示されます。
AI Hubの過去のリリースノートは、参照用に documentation で確認できるようになりました。

2024年6月17日リリース

WindowsデバイスがAI Hubで広く利用可能になりました。新しいSnapdragon X Eliteおよび前世代のSnapdragon 8cx Gen 3リファレンスデザインが含まれます。qai-hub list-devicesを実行するとリストに表示されます。X Eliteをターゲットにするには、device = hub.Device("Snapdragon X Elite CRD") を指定してください。
コンパイル済みQNN ONNXモデルのコンパイルサポートを追加しました！コンパイルジョブを送信する際に options="--target_runtime precompiled_qnn_onnx" を指定してください。（注：ドキュメントに誤字がありますが、次のリリースで修正されます。上記のオプションを使用してください）
サポートされているONNX Runtimeオプションに関するドキュメントを追加しました
Getting Started Quick Exampleの手順を拡張し、推論ジョブの送信、モデルのダウンロードなどを含めました。
プロファイルおよび推論ジョブの追加エラーの詳細を強調表示しました：ジョブが失敗した場合、Additional Information from the Runtime Log という新しいセクションを確認してください。ランタイムログを展開してスクロールすることなく、デバッグに役立つ重要な詳細が提供されます。
QNNバージョン2.23に更新しました。

2024年6月4日リリース

デバイスファミリーのリストを追加しました：qai-hub list-devicesを使用すると、これらがリストに表示されます（Google Pixel 3aファミリー、Samsung Galaxy S21ファミリーなど）。デバイスプロビジョニング時間の短縮に役立ちますので、適用可能な場合はこのオプションを使用してください。
QNNバージョン2.22.6に更新しました。
64ビット入力タイプのコンパイルオプション --truncate_64bit_io をサポートしました

2024年5月17日リリース

WindowsでのONNX QNN Execution Providerを介したSnapdragon X Elite NPUのサポート、およびONNX DirectML Execution Providerを介したSnapdragon X Elite GPUのサポートを追加しました。早期アクセスするためにここからサインインを！
QNNバージョン2.22サポート（コンパイルされたアセットはQNNバージョン2.20ではなくQNN 2.22をターゲットにしています）
AI HubでのWindowsサポート！
QNNのw4a8サポート (--quantize_full_type w4a8)。
ドキュメントに各ランタイムの使用時期に関する追加コンテキストを追加しました。
ターゲットランタイム qnn_bin の廃止。今後は --target_runtime qnn_context_binary を使用してください。コンテキストバイナリはデバイスのハードウェアアーキテクチャに特化してコンパイルされます。詳細はドキュメントをご覧ください

2024年5月6日リリース

ドキュメントには、ONNXモデルをTFLiteまたはQNNにコンパイルする例や、ONNX Runtimeを使用して直接プロファイリングする例が含まれています
ONNX Runtimeのデフォルト設定は、プロファイリング/推論で最高速度を実現するオプションを利用するようになりました。現在、デフォルトで最適化されたモデルを提供する3に設定されています
TensorFlowLiteを2.16.1にアップグレードしました（プロファイルジョブ用）。
コンパイルジョブの追加のパフォーマンス修正。

2024年4月22日リリース

さまざまなパフォーマンスの改善、エラーレポートの改善、および追加のレイヤーサポートが追加されました！
QCS8450プロキシデバイスを追加しました（スレッド内の注記を参照）。
最新のONNXランタイムバージョン（1.17.3）にアップグレードしました。
ONNXランタイムモデルのドキュメントを更新しました。
ONNX RuntimeのIOオプションを導入しました。
QNNパスのw4a16量子化サポートを追加しました

2024年4月8日リリース

ONNXランタイム（.onnx）およびNPUサポートを導入しました。コンパイルジョブを送信する際にoptions=--target_runtime onnxを指定して試してみてください。
ONNXランタイムの改善には多くのスピードアップが含まれています。
ONNXランタイムモデルのモデル可視化を追加しました。
コンパイルジョブのログ記録を増やしました。
IOT用の追加のプロキシデバイス：QCS8250、QCS8550プロキシデバイスを確認してください。
Tensorflow 2.15.0にアップグレードしました
Hub経由でint16、w8a16量子化のサポートを追加しました

2024年3月25日リリース

ジョブ実行用にさらに多くのGalaxy S24デバイスを追加しました
最新のQNNバージョン2.20にアップグレードしました。
モデルのアップロード制限を10 GBに増やしました
AIMET（.onnx + エンコーディング）量子化モデルをONNXに変換し、ONNX Runtimeを介してオンデバイスで実行するサポートを追加しました
追加の最適化：TFLiteモデルのdepthwise convolutionのための定数折りたたみリシェイプ
コンパイルオプションを介して誤った入力名が渡されるのを防ぐための追加のチェック。

2024年3月11日リリース

Snapdragon® 8 Gen 3チップセットを搭載したデバイスをAI Hubに導入しました。Snapdragon® 8 Gen 3をターゲットにするには、device = hub.Device("Samsung Galaxy S24")を指定してください

2024年2月28日リリース

Qualcomm AI HubがMWC 2024で発表されました。
TFLiteおよびQNNランタイムを介してさまざまなモバイルデバイスでパフォーマンスと精度の数値を提供する約75のQAI Hubモデルをサポートしています。

リリースノート

2026年3月2日リリース

2026年2月17日 リリース

2026年2月2日 リリース

2026年1月26日リリース

2026年1月6日リリース

2025年12月8日リリース

2025年11月19日リリース

2025年11月4日リリース

2025年10月27日リリース

2025年10月22日リリース

2025年10月6日リリース

2025年9月29日リリース

2025年9月22日リリース

2025年9月8日リリース

2025年9月2日リリース

2025年8月22日リリース

2025年8月11日リリース

2025年7月28日リリース

2025年7月14日リリース

2025年6月30日リリース

2025年6月16日リリース

2025年6月2日リリース

2025年5月14日リリース

2025年5月5日リリース

2025年4月22日リリース

2025年4月8日リリース

2025年3月25日リリース

2025年3月10日リリース

2025年2月24日リリース

2025年2月10日リリース

2025年1月22日リリース

2025年1月6日リリース

2024年12月13日リリース

2024年11月25日リリース

2024年11月11日リリース

2024年10月28日リリース

2024年10月14日リリース

2024年10月7日リリース

2024年9月23日リリース

2024年9月11日リリース

2024年8月26日リリース

2024年8月12日リリース

2024年7月29日リリース

2024年7月15日リリース

2024年7月1日リリース

2024年6月17日リリース

2024年6月4日リリース

2024年5月17日リリース

2024年5月6日リリース

2024年4月22日リリース

2024年4月8日リリース

2024年3月25日リリース

2024年3月11日リリース

2024年2月28日リリース

2026年2月17日リリース

2026年2月2日リリース