3行でいうと

  • LLM-jp-4は国立情報学研究所（NII）などが出した国産モデルで、ゼロから学習したと説明され、Apache 2.0で公開されている。
  • 日本語ベンチマークの数字はすべて開発側の自社測定で、独立した第三者の測定は見つからなかった。
  • GGUFは非公式の版が中心で、公式のものは見当たらない。Macでの動作報告も見つからなかった。
  • 32GBのMacに載るかは筆者の計算で、実機では未確認。小さく丸めた18GB前後の版なら余裕がある見込み。

LLM-jp-4は、国立情報学研究所（NII）などが進める国産の大規模言語モデル（LLM）です。ゼロから学習したと説明されていて、Apache 2.0で公開されています。種類、数字、手元のMacで動かせるかの見込みを、順に見ていきます。

まず基本：いつ、何が出たのか

2026年4月3日、NIIは「LLM-jp-4」を公開しました。大きさの違う2つが出ています。

MoEは、専門家役の小さな部分がたくさんあり、そのうち一部だけを呼び出す作りです。名前の「A3B」は、動く部分が約3B（30億）という意味です。NIIの発表では、全体が約32B、動く部分が3.8Bとされています。

その後も続きました。

ここから先は、4月に出た32B-A3Bを中心に書きます。

なお、解説記事の中には、全体が「321B」、動く部分が「38B」といった、桁の違う表記がありました。NIIの公式な説明は、約32B・3.8Bです。数字を見るときは、公式のページと突き合わせたほうが安全です。

ライセンスと、ゼロから学習したという説明

ライセンスは、Hugging Faceのモデルカードに「Apache License 2.0」とあります。商用利用も、改変も、再配布もできる、ゆるやかな条件です。NIIの英語の発表文は、「オープンソースAIの定義に沿う」としています。

学習データは、約12兆トークンです。トークンは、文章を刻んだ単位のことです。モデルカードには、11.7兆トークンとあります。内訳は、ネット上の公開データ、政府・国会の文書、合成データ、ソースコードです（NIIの発表）。

文部科学省の資料には、学習の段階ごとの数字が「6.29T＋4.19T＋0.84T＋0.42T＝11.74T」と並んでいます。ただし、各段階が何を指すかは、僕らは読み取れませんでした。

「ゼロから学習した」という点は、NIIが「ゼロから（from scratch）」と説明しています。注意したいのは、この言葉の範囲です。前の記事で書いたとおり、中身を見分けるには、重みを最初から学習したのかが分かれ目です。解説記事によれば、LLM-jp-4 32B-A3Bの設計は、Qwen3のMoEをもとにしています。重みは乱数から学習し、設計図は公開されたものを借りている、ということです。借りた設計は、隠してはいません。

日本語ベンチマークの結果：誰が測ったのか

数字は、誰が測ったかで意味が変わります。ここに出す数字は、すべて開発側（LLM-jp）の自社の測定です。モデルカードによると、採点役のAIにGPT-5.4を使う方式（LLM-as-a-Judge）です。点数の幅は、MT-Benchが10点満点、ほかは5点満点です。

モデル MT-Bench 日本語 MT-Bench 英語 安全性（AnswerCarefully） 指示追従（llm-jp-instructions）
LLM-jp-4 32B-A3B 7.82 7.86 3.70 3.61
LLM-jp-4.1 32B-A3B 7.69 7.85 3.91 3.79
LLM-jp-4.1 33B 7.76 7.98 4.08 3.83
gpt-oss-20b 7.33 7.85 3.55 3.16
GPT-4o（2024年8月版） 7.29 7.69 4.00 4.07

出どころは、4.1版のモデルカードの表です。ここから読み取れることがあります。

  • 会話の評価（MT-Bench）では、GPT-4oやgpt-oss-20bを上回っています。
  • 一方、指示追従は、GPT-4oのほうが上です。4月版は3.61、GPT-4oは4.07でした。
  • 4.1は、日本語の会話の点が少し下がり、安全性と指示追従の点が上がっています。

モデルカードには、開発の初期段階で、人の意図や安全性に合わせた調整はされていない、という断り書きもあります。

独立した第三者の測定は、見つけられませんでした。日本語モデルの比較で知られるSwallowのリーダーボードも、僕らが読んだ説明ページでは、LLM-jp-4を載せていませんでした（載っていたのはLLM-jp-3系まで）。リーダーボードは更新されるので、今は変わっているかもしれません。

公開されている形式：GGUFや量子化版はあるか

NIIが公開している本体は、BF16（1つの数字を16ビットで表す形式）のSafetensorsです。ほかに、vLLMなどで動かす方法がモデルカードに書かれています。

手元で動かしたいときに使うGGUF（llama.cppなどが読む形式）や、量子化版（数字を粗く丸めて小さくした版）は、別の人が作ったものがあります。

つまり、GGUFは「ある。ただし公式ではなさそう」です。

メモリ32GBのMacに載るか：筆者の計算

ここからは、筆者の計算です。この記事は、実際に使って確かめた記録ではありません。

使う数字は、次の3つです。

  • Q4_K_MのGGUFは、21.4GB（検証記事の数字。作ったのは非公式の版）
  • 長さいっぱい（65,536トークン）の会話に必要な作業用メモリ（KVキャッシュ）は、約2.2GiB（同じ検証記事。Q5_K_Mで測った値）
  • Macでモデルに使えるのは、メモリの約75%（以前の記事で紹介したAppleの開発者フォーラムの話）。32GBなら、約24GB

21.4GBに、約2.2GiB（約2.3GB）を足すと、約23.7GBになります。使える約24GBと、ほとんど同じです。Q4_K_Mは、長い会話では、ぎりぎりです。会話を短くするか、設定を変える必要があるでしょう。

形式 ファイル ＋KVキャッシュ約2.3GB 24GBに対して
Q3_K_M 16.7GB 約19.0GB 余裕あり
MXFP4_MOE 18.1GB 約20.4GB 余裕あり
Q4_K_M 21.4GB 約23.7GB ぎりぎり
Q5_K_M 24.4GB 約26.7GB 載らない

Q5は、24GBの枠を超えます。余裕を見るなら、18GB前後のものが候補です。ただし、量子化で、日本語の質がどれだけ落ちるかは、確かめていません。

速さも、粗く見てみます。MoEは、1つ作るたびに、動く部分（約3.8B）だけを読めばよい作りです。Q4_K_Mの重みを1個あたり約5.3ビットと置くと、動く部分は約2.5GBです。M6 Mac miniのメモリ帯域は、毎秒170GBでした（Appleの公表）。170÷2.5で、約68トークン毎秒が、理屈の上の天井です。実際は、これより遅くなります。参考に、AMDのチップ（Ryzen AI Max+ 395）での検証記事では、Q5_K_Mが毎秒62.9トークンでした。Macでの検証記事は、見つけられませんでした。

ほかの国産モデルとの位置づけ

ここは見立てです。表は前の記事（02、05）と重なるので、軸だけ書きます。

モデル 位置づけ（見立て）
LLM-jp-4 研究の成果を、広く公開することが軸です。重みはApache 2.0で、DPO用のデータセットも公開されています。研究用で、初期段階という断り書きがあります。
Swallow 海外のモデル（Qwen3）に日本語の追加学習をします。日本語の実用性を早く得やすい作り方です。ライセンスは、検証記事で未定とされていました。
PLaMo Preferred Networksが自社で学習します。手元に置けるのは、会話用の調整前のベース版が中心です。
Sarashina ソフトバンクのSB Intuitionsが開発します。オープンなのは前の世代で、最新世代はAPI中心です。

LLM-jp-4の特徴は、重みも、使い方の自由度も、手元に置ける側に寄っている点です。ゼロから学習して、Apache 2.0で出す国産モデルは、まだ多くありません。

ただ、これは、今日いちばん賢い日本語モデルだ、という話ではありません。仕事で使うなら、自分の文書で試してから決めるのが安全です。

気をつけること

出典

更新履歴