国産LLM開発競争｜ABEJA・Preferred Networks・サイバーエージェント徹底比較

日本語特有のニュアンスや商習慣、高いセキュリティ基準への対応において、国産LLMの存在感が増している。ABEJA、Preferred Networks（PFN）、サイバーエージェントなどの開発背景、日本語処理ベンチマーク、企業の現実的な選択肢を比較します。

国産LLMとは？なぜ今「日本製」が注目されるのか

国産LLM（大規模言語モデル）とは、日本の企業や研究機関が開発した日本語処理に強いAIモデルのことです。ChatGPTやClaudeといった海外製LLMが市場を席巻する中、あえて国産LLMが注目される理由は3つあります。

1. データ主権とセキュリティ
海外クラウドにデータを送信せず、オンプレミス環境で運用できるモデルは、官公庁や金融機関にとって必須条件です。2026年3月、デジタル庁は政府共通AI基盤「源内（Gennai）」に国産LLM 7モデルを選定し、全府省庁18万人での試用を開始しました。

2. 日本語の精度
敬語・謙譲語の使い分け、和暦・元号の処理、日本の法律や商慣習の理解など、海外モデルでは対応しきれない日本固有の言語処理があります。国立情報学研究所（NII）のLLM-jp-4は、日本語MT-BenchでGPT-4oを上回るスコアを記録しています。

3. カスタマイズ性
自社業務データで追加学習できるオープンソースモデルが増え、企業が独自の業務特化AIを構築しやすくなっています。

【2026年最新】国産LLM 主要10モデル 徹底比較表

2026年6月時点で開発・提供されている主要な国産LLMを一覧で比較します。ターゲットキーワード「国産LLM 比較」で検索するユーザーが最も知りたい情報をまとめました。

開発元	モデル名	パラメータ数	主な用途	提供形態	ライセンス
国立情報学研究所（NII）	LLM-jp-4（8B / 32B-A3B）	86億 / 320億（MoE）	汎用・研究用途	オープンソース	Apache 2.0（商用利用可）
NTT	tsuzumi 2 / tsuzumi 2 Vision	300億（30B）	オンプレミス業務利用・図表理解	API / オンプレミス	商用ライセンス
Preferred Networks（PFN）	PLaMo 3.0 Prime	非公開（推定100B超）	汎用・推論（Reasoning）特化	API / 限定公開	商用ライセンス
KDDI・ELYZA	ELYZA-LLM-Diffusion 7B / Llama-3.1-ELYZA-JP-70B	70億 / 700億	企業導入・拡散型高速生成	API / オンプレミス	商用ライセンス
NEC	cotomi v3	非公開	エンタープライズ業務・AIエージェント	API / オンプレミス	商用ライセンス
サイバーエージェント	CyberAgentLM3-22B-Chat（CALM3）	225億（22B）	汎用日本語チャット	オープンソース	Apache 2.0（商用利用可）
Sakana AI	Namazu シリーズ	120B〜405B（ベースモデル依存）	日本文化適応・中立的回答	API（Sakana Chat）	商用ライセンス
ソフトバンク	Sarashina2 mini	非公開	ガバメントAI・軽量業務利用	API / オンプレミス	商用ライセンス
富士通	Takane 32B / Fujitsu Kozuchi	320億（32B）	エンタープライズ自律運用	API / オンプレミス	商用ライセンス
ABEJA	ABEJA-Qwen3-14B-Agentic	140億（14B）	エージェント処理・医療業務支援	API / オンプレミス	商用ライセンス

上記に加え、rinna（Youri-7Bなど）やカスタマークラウド（CC Gov-LLM）といったモデルも存在します。以下、主要モデルを個別に解説します。

各モデルの詳細解説

1. LLM-jp-4（国立情報学研究所）── 国産最高精度のオープンソースモデル

2026年4月に公開されたLLM-jp-4は、国産LLMの水準を大きく引き上げたモデルです。NII（国立情報学研究所）が約12兆トークンの大規模コーパスを使い、フルスクラッチで学習しました。

ベンチマーク結果（日本語MT-Bench）：

モデル	日本語MT-Bench	英語MT-Bench
LLM-jp-4 32B-A3B（MoE）	7.82	7.86
LLM-jp-4 8B	7.54	7.79
GPT-4o（参考）	7.29	7.69

MoE（Mixture of Experts）アーキテクチャを採用した32B-A3Bは、総パラメータ320億ながらアクティブパラメータは38億に抑えられ、推論コストの低減と高性能を両立しています。Apache 2.0ライセンスで商用利用可能です。2026年度中には332B-A31B（超大規模MoE）の公開も予定されています。

2. tsuzumi 2 / tsuzumi 2 Vision（NTT）── 軽量×高性能のオンプレミスモデル

NTTが2025年10月に提供開始したtsuzumi 2は、300億パラメータながら1GPU環境で動作する軽量性が特徴です。機密データを外部に出せない官公庁・金融・医療機関での利用を想定しています。

2026年5月には「tsuzumi 2 Vision」がリリースされ、図表・グラフ・業務フローチャートなどの画像理解が可能になりました。請求書の自動読み取りや、設計図面のチェックなど、ビジネス文書処理の自動化に活用できます。

デジタル庁「源内」の試用LLM 7モデルの1つにも選定。Microsoft Azure上の「Microsoft Foundry」でも提供され、企業がセキュアに検証・導入できる環境が整っています。

3. PLaMo 3.0 Prime（Preferred Networks）── 国産初の「長考」推論モデル

2026年3月にβ版がリリースされたPLaMo 3.0 Primeは、国内モデルとして初めて推論（Reasoning）機能を搭載しました。DeepSeek R-1などの手法を参考に、複雑な問題に対して段階的に「長考」して回答する能力を持ちます。

コンテキスト長も入力64Kトークン・出力20Kトークンに拡大され、長文の契約書レビューや法令調査にも対応します。さくらインターネットおよびNICT（情報通信研究機構）と連携し、開発から計算基盤、学習データまでを国内で完結させる体制を構築しています。

PLaMo翻訳（日英翻訳特化モデル）は2025年12月にデジタル庁のガバメントAI環境に導入済みです。

4. ELYZA（KDDI傘下）── 企業導入No.1の実績

ELYZAはKDDIグループの一員として、企業向けLLM導入で国内最大の実績を持ちます。2023年の初期モデル公開以降、100社以上の企業導入を実現しました。

2026年1月には拡散言語モデル「ELYZA-LLM-Diffusion 7B」を公開。従来の自己回帰型と異なる拡散的生成手法により、高速な文章生成を実現しています。また、Llama-3.1-ELYZA-JP-70Bはデジタル庁「源内」にKDDIとの共同応募で選定されました。

料金はOpenAI GPT-4o比で約30%安価に設定されており、日本語ドキュメントの充実や導入支援サービスなど、「技術力」よりも「導入しやすさ」を差別化の核にしています。

5. cotomi v3（NEC）── AIエージェント×エンタープライズ

NECのcotomi v3は、独自のAIコア技術をベースにしたエンタープライズ向けモデルです。2026年1月に「cotomi Act」を本格提供し、業務ノウハウの自動抽出と組織資産化を実現しています。

Webブラウザ上の複雑な操作を自動代行するエージェント機能を搭載し、国際ベンチマーク「WebArena」で高い成功率を記録。cotomi v3もデジタル庁「源内」の選定モデルです。

6. CyberAgentLM3-22B-Chat（サイバーエージェント）── 商用可能なオープンソース

サイバーエージェントが開発したCALM3は、225億パラメータの日本語特化デコーダーモデルです。既存モデルに依存せず、2兆トークンのデータでゼロからスクラッチ開発されました。

Apache 2.0ライセンスで商用利用が可能で、Hugging Faceから自由にダウンロードできます。公開時のベンチマークではMeta Llama-3-70B-Instructと同等の日本語性能を記録。社内では広告文生成やコンテンツ制作に活用されています。

7. Namazu シリーズ（Sakana AI）── 日本文化に適応したモデル

元Google研究者が東京で設立したSakana AIは、2026年3月にNamazu（ナマズ）シリーズα版を発表しました。海外の高性能基盤モデル（DeepSeek V3.1、Llama 3.1-405Bなど）に対し、独自の事後学習技術を適用して日本の文化・価値観に最適化しています。

海外モデルにありがちな過剰な自己検閲を是正し、政治・歴史・外交のトピックでも中立的かつ客観的な回答が可能です。Sakana ChatとしてWeb検索機能付きのチャットサービスも公開。2026年1月にはGoogleとの戦略的パートナーシップも発表されました。

8. Takane / Fujitsu Kozuchi（富士通）── エンタープライズ自律運用

富士通のTakane 32Bは、デジタル庁「源内」選定モデルの1つです。Fujitsu Kozuchiプラットフォーム上で、企業が自社業務に最適化した生成AIを自律運用できる環境を提供しています。大手製造業・金融機関との連携実績が強みです。

9. ABEJA-Qwen3-14B-Agentic（ABEJA）── 医療×エージェント

ABEJAはQwen3 14Bをベースにエージェント機能を強化した「ABEJA-Qwen3-14B-Agentic-256k-v0.1」を公開。最大256kトークンの長文脈処理に対応し、自律的な調査・タスク遂行が可能です。

2026年5月には、NEDO・東京大学・理化学研究所との共同で「医療業務支援向け日本語LLM」の成果を発表。専門医試験ベンチマークで最大90.8%の正答率を達成し、退院時サマリーの下書きや検査コードの変換など、医療事務の効率化を目指しています。

10. Sarashina2 mini（ソフトバンク）── 通信大手の参入

ソフトバンクもデジタル庁「源内」にSarashina2 miniで選定されています。通信インフラとの連携によるエッジAI展開が期待されるモデルです。詳細なスペックは非公開ですが、軽量かつ行政業務に最適化されたモデルとして開発されています。

デジタル庁「源内（Gennai）」── 国産LLM 7モデルの政府採用

2026年の国産LLMを語る上で外せないのが、デジタル庁の政府AI基盤「源内」プロジェクトです。2026年3月に以下の7モデルが選定されました。

開発企業・団体	選定モデル名
カスタマークラウド	CC Gov-LLM
KDDI・ELYZA 共同応募体	Llama-3.1-ELYZA-JP-70B
ソフトバンク	Sarashina2 mini
NEC	cotomi v3
NTT	tsuzumi 2
富士通	Takane 32B
Preferred Networks	PLaMo 2.0 Prime

2026年8月から全府省庁の約18万人を対象に試用を開始し、文書作成支援・要約・翻訳・法令調査などの業務で有効性と安全性を検証します。2027年1月に評価結果を公表し、2027年4月からは優れたモデルの有償政府調達に移行する計画です。

2026年の国産LLMエコシステム：4つのトレンド

トレンド1：マルチモーダル化の加速

テキストだけでなく、図表・グラフ・画像を理解するVisionモデルの開発が加速しています。NTTのtsuzumi 2 Visionが先行し、NIIのLLM-jp-4-VL 9B betaもマルチモーダル対応を発表。請求書処理、設計図チェック、医療画像レポート生成など、実務での活用範囲が急速に拡大しています。

トレンド2：推論（Reasoning）機能の搭載

PLaMo 3.0 Primeが国産初の推論モデルとして登場。複雑な論理問題や多段階の分析を「長考」して解くことができ、法令の適用判断やリスク分析など、従来は専門家が行っていた業務のAI化が進んでいます。

トレンド3：AIエージェント化

NECのcotomi ActやABEJAのAgentic LLMのように、単なる質問応答ではなく、自律的にタスクを遂行するエージェント型AIの開発が活発です。Web操作の自動化、業務プロセスの自律実行など、LLMが「考えて行動する」段階に入っています。

トレンド4：ドメイン特化モデルの台頭

汎用モデルでの海外勢への対抗が難しいため、特定領域に特化したモデルの開発が増加しています。ABEJAと東京大学による医療特化LLM（専門医試験正答率90.8%）、PFNのPLaMo翻訳（日英翻訳特化）など、専門知識と日本語の両方が求められる領域で国産モデルの優位性が発揮されています。

国産LLM vs 海外LLM：選定基準の整理

国産LLMと海外LLM（GPT-4o、Claude 4、Gemini 2.5など）のどちらを選ぶかは、以下の4つの基準で判断できます。

判断基準	国産LLMが向いているケース	海外LLMが向いているケース
データ機密性	官公庁・金融・医療など、データを国内に留める必要がある場合	一般的なビジネス文書で、クラウド利用に制約がない場合
日本語の専門性	法律文書、行政文書、敬語の正確な使い分けが必要な場合	英語混在のグローバル業務が中心の場合
カスタマイズ性	自社データで追加学習し、業務特化モデルを構築したい場合	汎用的な質問応答・要約・翻訳で十分な場合
コスト	長期的にオンプレミス運用でコストを抑えたい場合	初期投資を抑えてすぐに使い始めたい場合

2026年のベストプラクティスは、国産LLMと海外LLMを用途に応じて使い分ける「ハイブリッド構成」です。機密性の高い業務には国産モデル、汎用的な業務には海外モデルを配置することで、セキュリティとコストの最適化を図れます。

計算基盤とインフラの動向

国産LLMの発展を支えるインフラも急速に整備されています。

• さくらインターネット：PFNと連携し、国産GPU環境での大規模モデル学習基盤を提供
• ABCI（AI橋渡しクラウド）：産総研が運用する国内最大級のAI計算基盤。研究機関・スタートアップに計算リソースを提供
• Microsoft Azure：NTT tsuzumi 2がMicrosoft Foundry上で提供開始。国産モデルのグローバル展開基盤としても活用
• Microsoftの日本投資：データセンター拡充への巨額投資により、国内の計算環境が大幅に強化

NEDOの「生成AI基盤技術開発プロジェクト」（総額100億円、2024〜2028年の5年計画）が、PFN・ELYZA・NTT・富士通など主要プレイヤーの研究開発を支援しています。

あわせて読みたい関連記事

• AIハルシネーション率ランキング｜GPT-4o・Claude・Geminiの嘘つき度を100問で実測比較
• NVIDIA H100/B200 GPU価格推移と市場動向【2026年最新】
• AIツール比較ハブ【2026年最新】用途別おすすめガイド

まとめ：国産LLMの選び方

2026年の国産LLMエコシステムは、「実験段階」から「本格的な実務活用」へと移行しました。最後に、用途別のおすすめモデルを整理します。

用途	おすすめモデル	理由
オンプレミスで機密データを扱う	NTT tsuzumi 2	1GPU動作の軽量性、Vision対応
オープンソースで研究・開発	LLM-jp-4 / CALM3	Apache 2.0、高い日本語性能
企業への導入実績を重視	ELYZA	100社超の導入実績、手厚いサポート
複雑な推論が必要	PLaMo 3.0 Prime	国産初のReasoning機能
業務自動化・エージェント活用	NEC cotomi v3	cotomi Actによるタスク自動実行
医療・ヘルスケア領域	ABEJA 医療特化LLM	専門医試験正答率90.8%
行政・公共分野	源内 選定7モデル	政府が有効性を検証中

国産LLMは、海外モデルとの汎用性能の正面勝負ではなく、「日本語精度」「データ主権」「ドメイン特化」という独自の価値で存在意義を確立しつつあります。2026年後半の源内プロジェクトの評価結果が、国産LLM選定の大きな判断材料になるでしょう。