
いま国産LLMはどうなっているのか
「国産LLMが増えてきた」とはよく聞くものの、実際にどの企業が、どのような立ち位置でLLMを展開しているのかを整理した情報は、意外と多くありません。
そこで今回は、2025年時点での国産LLMの実状を整理してみます。
そもそも「国産LLM」とは
最初に前提を揃えておきます。
現在「国産LLM」と呼ばれているものの多くは、必ずしもゼロから国内で基盤モデルを開発しているわけではありません。
実態としては、以下のようなタイプに分かれます。
研究機関・大学主導で基盤モデルを開発するもの
海外の基盤モデルを活用し、日本語・業務向けに最適化するもの
大企業が基盤から内製し、業務用途に特化させるもの
中長期的なAIインフラとして構築されるもの
これを前提に、主要プレイヤーを見ていきます。
1. 研究機関・大学主導の基盤モデル
LLM-jp(国立情報学研究所を中心とする産学連携)
日本語LLMの文脈で、まず名前が挙がるのがLLM-jpプロジェクトです。
国立情報学研究所(NII)を中心に、大学・研究機関・企業が連携し、日本語LLMの基盤整備を進めています。
特徴は以下の通りです。
日本語ベンチマークや評価指標の整備
学習手法や評価の透明性
再現性・比較可能性の重視
商用プロダクトというより、日本語LLM研究の共通基盤を整える役割を担っています。
Fugaku-LLM などの研究系モデル
スーパーコンピュータ「富岳」を活用したLLM研究など、計算資源と基礎研究を組み合わせた取り組みも進んでいます。
これらは直接業務で使うモデルではなく、性能検証や将来技術の探索を目的とした位置づけです。
2. 海外基盤モデル活用:日本語・業務最適化LLM
現在、国産LLMの中で最も現実的かつ広く使われているアプローチがこのタイプです。
サイバーエージェント系の取り組み
サイバーエージェントは、DeepSeek などの高性能な海外基盤モデルを活用しながら、
日本語データによる追加学習
広告や業務文脈への最適化
評価・運用ノウハウの蓄積
を進めています。
完全に自前で基盤を作るかどうかよりも、日本語で実務に使える状態に仕上げることが重視されています。
リコー:Gemma 系をベースに業務用途まで仕上げるLLM
リコーの取り組みも、この分類に含まれます。
基盤としては Google の Gemma 系モデルを活用しつつ、
日本語の業務文書に特化した追加学習
推論の安定性・再現性の強化
将来的には文書と図表を組み合わせて扱うマルチモーダル対応
オンプレミスや閉域環境での運用を前提とした設計
といった調整を行っています。
完全な自社基盤モデルを志向するというより、既存の高性能モデルを前提に、企業の現場で使えるところまで持っていく実装志向のアプローチです。
楽天:海外基盤と内製を併用するハイブリッド型
楽天は、自社データを活用した独自LLMを展開する一方で、海外基盤モデルを用途に応じて取り込むハイブリッド型の構成を取っています。
EC・金融・通信など複数ドメイン
大規模モデルと用途特化モデルの併用
社内利用と外部提供の両立
単一モデルに集約するのではなく、目的ごとに最適な構成を選ぶ設計が特徴です。
3. 基盤から内製する業務特化LLM
基盤モデルから自社で開発し、業務用途に強く特化させている企業です。
NTT:tsuzumi / tsuzumi2
NTTは比較的早い段階から日本語LLMを発表しています。
軽量
高速
日本語業務文書への適合
といった特徴があり、社内業務や法人向け利用を明確に意識した設計がされています。
富士通:Takane
富士通のTakaneは、セキュリティや信頼性を重視したLLMです。
・官公庁・大企業向け
・既存IT基盤との高い親和性
・ガバナンス・運用を含めた設計
性能競争というより、企業システムの一部として成立することを重視したモデルと言えます。
4. インフラ・中長期視点のAI基盤
ソフトバンク:Sarashina
ソフトバンクは通信事業者としての立場から、LLMを中長期的なAIインフラとして位置づけています。
大規模インフラとの統合
分散処理やエッジ活用も視野
他社とは少し異なる時間軸での取り組みです。
国産LLMは「競争」より「役割分担」に近い
ここまで整理すると、国産LLMは同じ土俵で性能競争をしているというより、それぞれ異なる役割を担っていることが見えてきます。
研究基盤を整えるモデル
海外技術を取り込み、実務に仕上げるモデル
自社基盤として内製し、業務に深く組み込むモデル
インフラ視点で構築されるAI基盤
どれか一つが正解というより、用途と前提条件に応じた選択肢が並んでいる状態と言えそうです。