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）
一社の動きから読む業界構造
企業単独の発表は、業界全体の力学の一部でしかない。
競合、顧客、サプライヤー、規制当局、地政学。
これらの要素を重ねて見ることで、一社の動きが何を意味するかが立体的に理解できる。
断片的なニュースを、業界全体の地図に翻訳する訓練が、テックを読む力を育てていく。
よくある質問（FAQ）
Q. なぜ「源内」という名前なのか？
生成AI（Gen AI）と江戸時代の発明家・平賀源内を掛けた命名です。
国産AIで行政を刷新するという政策的メッセージが込められています。
デジタル庁AI実装総括班が内部開発した政府独自プラットフォームで、民間SaaSの導入ではありません。
Q. 選定された7モデルはどこが開発しているのか？
NEC（cotomi v3）、KDDI／ELYZA（Llama-3.1-ELYZA-JP-70B）、Preferred Networks（PLaMo 2.0 Prime）、ソフトバンク（Sarashina2 mini）、富士通（Takane 32B）、NTTデータ（tsuzumi 2）、カスタマークラウド（CC Gov-LLM）の7社です。
15件の応募から9項目の基準で選ばれました。
Q. 海外のGPT-4などと比べて性能は足りるのか？
NECのcotomi v3はGPT-4比10倍の推論速度、ELYZAの70Bモデルは日本語ベンチマークでGPT-4超えを実現しています。
一方で汎用的な推論能力やマルチモーダル対応ではギャップが残ります。
2027年3月までの大規模実証で海外モデルとの競争力が試される段階です。
Q. なぜ海外モデルではなく国産にこだわるのか？
政府の機密文書をOpenAIやGoogleのサーバーに送信するリスクを避ける安全保障の観点、EU同様のデジタル主権確保、そして政府自身が最大の顧客となって国産LLM市場を底上げする産業育成の3点が理由です。
特定1社への依存を避けるマルチベンダー方針も採用しています。
Q. いつ本格導入されるのか？
2026年5月に39機関18万人の大規模実証開始、8月に7モデル本格統合、2027年1月に中間評価、3月に実証終了、2027年度に最優秀モデルの正式採用判断というロードマップです。
