定義
状態空間モデル（SSM）とは、時系列・シーケンスデータを線形再帰で効率的に処理するための数学的フレームワークのこと。Mambaに代表される実装はTransformerの二次計算コストを回避し、超長文脈処理を低メモリで実現する。
状態空間モデル (Mamba/SSM)とは（詳しく解説）
状態空間モデル（SSM）は制御工学由来のフレームワークで、入力→隠れ状態→出力の線形変換でシーケンスを処理する。2023年にAlbert Guらが発表したMambaはセレクティブSSMを採用し、長さNの系列に対してTransformerのO(N²)を上回るO(N)計算量を実現。100万トークン超の長文脈処理が現実的なコストで可能になった。2026年の実運用における要点は3つ。①相場感：MambaベースモデルはGPUメモリ使用量がTransformer比30〜60%削減できるため、同スペックサーバーでのバッチ処理コストが大幅に改善される。②落とし穴：SSMは構造上「忘却」が起きやすく、超長文脈でも中盤の重要情報を取りこぼすケースがある。現場ではRAGと組み合わせた設計が主流になりつつある。③選び方：チャット・対話用途は依然Transformerが強いが、医療記録・法律文書・コードベース全体の一括処理では2026年時点でMamba系が有力候補。AI PICKSでも主要LLMサービスの基盤アーキテクチャ動向を継続的にウォッチしている。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「状態空間モデル (Mamba/SSM)とは」 https://aipicks.jp/glossary/state-space-model
状態空間モデル (Mamba/SSM)の使用例
- 長文の契約書を一括要約する業務で、Mamba系モデルに切替えたところTransformer比で推論メモリを55%削減できた事例がある。
- SSMベースモデルの実験管理にWeights & Biasesを使うと、長文脈タスクでの性能劣化ポイントを早期に特定しやすい。
