日本政府が「源内」で国産LLM 7モデルを選定——18万人の公務員がAIを使い始める

デジタル庁は2026年3月6日、政府職員向けの生成AI基盤「源内（Gennai）」で試用する国産大規模言語モデル（LLM）7モデルを選定したと発表した。15件の応募から選ばれたこの7モデルは、2026年5月から全府省庁39機関、約18万人の公務員を対象とした大規模実証の中核を担う。

「源内」——その名前は「生成AI（Gen AI）」と、江戸時代の発明家・平賀源内に掛けたものだ。

選定された国産LLM 7モデルの全貌

15件の応募から選ばれた7モデルは、日本のAI企業の技術力を映し出している。

モデル名	開発元	パラメータ数	特徴
CC Gov-LLM	カスタマークラウド	非公開	ガバメントクラウド上で閉域環境動作。機密性2情報に対応
cotomi v3	NEC	約130億	GPT-4比10倍の推論速度。AIエージェント「cotomi Act」はWebArenaで人間超え（80.4% vs 78.2%）
Llama-3.1-ELYZA-JP-70B	KDDI／ELYZA	700億	Meta Llama 3.1ベースに日本語ファインチューニング。日本語ベンチマークでGPT-4超え
PLaMo 2.0 Prime	Preferred Networks	310億（8Bモデルも）	ハイブリッドSambaアーキテクチャ。構造的枝刈りで8Bモデルが100Bモデルの性能を実現
Sarashina2 mini	ソフトバンク（SB Intuitions）	700億	460Bパラメータの大型モデルから蒸留。2.1兆トークン以上で学習（日:英:Code = 5:4:1）
Takane 32B	富士通	320億	カナダCohere社と共同開発。JGLUE（日本語理解ベンチマーク）で世界最高スコア。オンプレミス対応
tsuzumi 2	NTTデータ	300億	H100 GPU 1枚で動作。GPT-3.5に対し81.3%の勝率。ドメイン適応に必要な学習データ量が10分の1

選定基準は9項目。国内開発であること、行政業務への実用性、デジタル庁の50問評価テストの成績、海外LLMとのベンチマーク比較、学習データの法的コンプライアンス、そして「機密性2情報」（政府の内部文書レベル）の処理能力が求められた。

「源内」の4層アーキテクチャ——内製にこだわる理由

「源内」は民間SaaSの導入ではない。デジタル庁AI実装総括班が内部で開発した、政府独自のプラットフォームだ。

層	役割
インフラ層	ガバメントクラウドの計算リソース
AIエンジン層	マルチLLM選択・実行基盤（用途に応じてモデルを切り替え）
API層	各省庁の既存システムとの連携インターフェース
行政アプリ層	20以上の専用AIアプリケーション

すでに稼働中のアプリケーションには「国会答弁検索AI」（国会議事録から関連する過去答弁を検索）、「Lawsy」（法令横断検索・報告書生成）、「公用文チェッカーAI」（公用文作成ルールへの自動照合）などがある。

2025年5月のデジタル庁内パイロット（約1,200名対象）では、80%の職員が利用し、3カ月で6万5,000回以上の利用を記録した。

なぜ「国産」にこだわるのか——デジタル主権と440億円の投資

内製と国産LLMへのこだわりには明確な理由がある。

論点	背景
安全保障	政府の機密文書や国民の個人情報をOpenAIやGoogleのサーバーに送信するリスクの回避
デジタル主権	EU同様、AIにおける「技術的自律性」の確保
産業育成	政府が最大のユーザーとなることで国産LLM市場を底上げ
マルチベンダー	特定1社への依存を回避。用途に応じた最適モデルの使い分け

令和5年度補正予算ではAI基盤整備に440億円が計上された。デジタル庁全体の令和6年度予算要求額は6,143億円で、前年比29%増。過去最大の600億円超えとなった。

さらに上位の国家戦略として、経産省はAI・半導体関連に約1.23兆円（前年比約4倍）を投じる。ソフトバンクなど約10社との官民JV構想では、政府が5年で1兆円、ソフトバンクが6年で2兆円を投資し、1兆パラメータ規模の国産モデル開発を目指す。

世界の政府AIプラットフォームとの比較

18万人規模の政府AI導入は世界的にも最大級だ。

国	プラットフォーム	規模	状況
日本	源内	18万人・39機関	2026年5月実証開始。マルチLLM・20以上の専用アプリ
英国	Redbox → Humphrey	約6,000人が利用	Redboxは2025年12月に終了。各省庁がGoogle Gemini等に移行中
シンガポール	PAIR / SENSE / SEA-LION	各省庁で展開	SENSEは保健省で政策レビュー期間を3カ月短縮。SEA-LIONは東南アジア言語対応の国産モデル
エストニア	Burokratt	国家レベル	行政サービス向けAIチャットボット。情報検索から許可申請に拡張中
米国	統一プラットフォームなし	省庁ごと	ガバナンス枠組みは強いが採用は不均一。州レベルの実験が先行

英国のRedboxがわずか1年で終了した（「日の出と日没を経験した」と開発チーム自ら記述）のに対し、源内は内製アプローチで長期運用を前提としている点が異なる。

今後のロードマップと課題

時期	マイルストーン
2026年5月	全府省庁39機関への大規模実証開始
2026年8月	国産LLM 7モデルの本格統合
2027年1月	中間評価・検証結果の公開
2027年3月	大規模実証終了
2027年度	最優秀モデルの正式採用判断

最大の課題は、国産LLMの性能が海外の最先端モデルとどこまで競争できるかだ。NECのcotomi v3はGPT-4比10倍速の推論を実現し、ELYZAの日本語モデルはGPT-4をベンチマークで上回っている。しかし、汎用的な推論能力やマルチモーダル対応では、まだギャップがある。

それでも、この大規模実証から得られるフィードバックは、国産LLMの進化を加速させる。政府自身が「最大の顧客」となり、国産AI産業を育てる——源内は単なるツール導入ではなく、日本のAI戦略そのものだ。

出典・参考

• デジタル庁「国産LLM選定結果」（2026年3月6日）
• Japan Times「Digital Agency AI test May」（2026年3月7日）
• ITmedia「政府AI 7モデル選定」（2026年3月6日）
• OpenAI「Strategic Collaboration with Japan's Digital Agency」（2025年10月）
• 日経新聞「国会答弁AI 源内」
• NTT「tsuzumi 2プレスリリース」（2025年10月）
• PFN「PLaMo Translate政府AI源内への採用」（2025年12月）