国産オンプレLLM比較2026。tsuzumi・PLaMo・cotomi・Takaneをどう選ぶか

Q: tsuzumi 2はどんな用途・企業に向いていますか？

30Bパラメータの軽量設計で1GPUで動作するため、機微データを手元のオンプレ環境で扱いたい企業に向いています。図表・グラフ入りの日本語ビジネス文書処理に強く、金融・医療の知識も厚く、RAG・業界特化の開発に適しています。

Q: 無料で商用利用できる日本語LLMはありますか？

あります。SwallowプロジェクトのQwen3 Swallow / GPT-OSS SwallowはApache 2.0で商用利用まで自由で、Qwen3 Swallow 32Bは2026年2月時点で32B以下のオープンLLMの日本語タスク最高性能とされています。ただし条件付き商用可のライセンスもあるため1モデルずつの確認が必要で、GPUと運用の人件費は自社負担になります。

Q: 国産商用LLMとオープンLLMはどちらを選ぶべきですか？

商用サポートと責任分界が必要なら国産商用、社内に内製力があるならオープンという切り分けが基本です。オープンはモデルが無償でも、ファインチューニング・量子化・運用を自社で担う必要があり、GPUと運用の人件費がかかります。

「国産LLM」と一括りにされがちですが、tsuzumi・PLaMo・cotomi・Takaneは狙いも提供形態も価格も別物です。本記事では、オンプレで動くか・いくらかかるか・何が得意かの3軸で主要モデルを並べ、自社に合う1社を絞り込む方法を解説します。結論を先に示すと、機微データを1GPUのオンプレで扱いたいならtsuzumi 2、ロングコンテキストと公開された価格表を重視するならPLaMo 3.0 Prime、既存のGPU資産を絞って用途特化したいならTakane、という住み分けになります。ここにNECのcotomiとSB IntuitionsのSarashina3を加えた「4+1」を、同じ軸で比較して選び方を整理します。

この記事の要点

tsuzumi 2（NTT）・PLaMo 3.0 Prime（PFN）・cotomi（NEC）・Takane（富士通）・Sarashina3（SB Intuitions）の「4+1」は、いずれもオンプレミスまたは国内ソブリンクラウドで利用できます

価格を公開しているのはPLaMo 3.0 Primeのみで、APIのStandardプランは入力¥60・出力¥250／100万トークンです（2026年7月時点）。他社は個別見積りが基本です

1GPUで動く軽量路線はtsuzumi 2・cotomi Light・Takaneです。Takaneは1bit量子化で精度維持率89%・メモリ最大94%削減をうたいます

デジタル庁「源内」は15件の応募から7モデルを選定し、本記事の4+1社はすべて含まれています。全府省庁39機関・約18万人規模で実証される予定です

内製力がある企業なら、Apache 2.0で商用利用できるSwallowなどのオープン日本語モデルで足りる場合もあります

「国産LLM」を選ぶ理由の分解（データ主権・調達要件・日本語・サポート）

「国産だから選ぶ」では要件になりません。国産商用モデルを検討する動機は、実際には次の4つに分解できます。

データ主権: 学習・推論を国内・自社閉域に閉じたい
調達要件: 官公庁・金融・医療などで国内事業者・国内データセンターが条件になる
日本語・日本業務ドメイン: 日本語の敬語・帳票・法令文脈での精度が必要
ベンダーサポート: SLA・保守・責任分界を契約で押さえたい

逆に言えば、この4つのどれにも当てはまらないのであれば、無理に国産商用を選ぶ必然性は薄いと言えます。海外フロンティアモデルの法人API（契約上、入力データは学習に使われません）や、後述するオープン日本語モデルで足りるケースは多くあります。データを外に出さずに使う手法全体の見取り図は、『[2026年7月更新] 社内データを外に出さずに生成AIを使う全手法と費用』で整理しています。

性能面も正確に捉える必要があります。「国産だから高性能」ではなく、「同一サイズ帯・日本語タスクなら競争力がある」というのが実態に近い評価です。日本語LLMの横断評価はNejumi LLMリーダーボード（Weights & Biases）が事実上の基準で、総合点だけでなく、自社用途に近いカテゴリ（文書読解・数理・安全性など）のサブスコアで読むのが要点です。海外の大規模モデルと総合点で張り合うのではなく、30B級で日本語文書に絞って強い、という読み方が国産モデルには合っています。

主要5モデルの比較（tsuzumi 2・PLaMo 3.0 Prime・cotomi・Takane・Sarashina3）

各社の最新状況を一次情報ベースで整理します。版番号や提供形態は2026年に入って大きく動いているため、当時版と現行版を区別して見る必要があります。

tsuzumi 2（NTT）

30Bパラメータの軽量設計で、「1GPU動作」「30B級で日本語トップ帯」「オンプレで機微データを扱える」が特徴です。2026年5月のアップデートで図表・グラフ入りの日本語ビジネス文書処理と数値処理の論理性を強化し、金融・医療の知識も厚くなっています。RAG・業界特化の開発効率が高く、NTTデータ経由でオンプレミス／プライベートクラウドで提供されます（NTT公式リリース）。

PLaMo 3.0 Prime（Preferred Networks）

国内フルスクラッチの基盤モデルで、2026年6月22日に正式リリースされました。コンテキスト長を64kから256kへ拡張し、推論力重視のReasoningと速度重視のNon-reasoningの2系統があります。提供形態が広く、API・オンプレミス・Amazon Bedrock Marketplace・Snowflakeから選べます。価格を公開している点も大きな特徴です（後述、PFN公式リリース）。

cotomi（NEC）

cotomi Pro（高性能）とcotomi Light（軽量高速）の構成です。オンプレミスは専用機「cotomi Appliance Server」にcotomi Lightを搭載し、省電力・低運用コストを狙います。提供形態はオンプレミス型・クラウド型・マネージドAPIの3系統です（クラウド Watch）。

Takane（富士通）

「生成AI再構成技術」による1bit量子化が路線の中心です。精度維持率89%・推論3倍・メモリ最大94%削減を実現し、ハイエンドGPU4基相当をローエンドGPU1基で動かすことを狙います。2026年2月開始のFujitsu Kozuchi Enterprise AI Factoryで専有環境向けに提供され、既存のGPU資産を絞りたい現場に向いています。

Sarashina3（SB Intuitions）

2026年6月30日提供開始のフルスクラッチ最新シリーズです。標準のmini・軽量のnanoに、有害性判定のguard、ベクトル化のembedding、検索最適化のrerankを加えた5モデル構成です。ソブリンクラウド「Cloud PF Type A」（Oracle Alloy基盤・国内データセンター）経由で提供され、mini・nanoはHugging Faceで重みも公開されています。オープン寄りに使える点が他の4社と性格が異なります。

比較表: オンプレ提供・価格・得意分野

同じ軸で並べると次の通りです。オンプレで動くのは5モデルすべてです。価格を明示公開しているのはPLaMo 3.0 Primeのみで、他は個別見積りが基本です。1GPUで動く軽量路線はtsuzumi 2・cotomi Light・Takaneが明確に打ち出しています。

モデル	開発元	サイズ帯	オンプレ提供	主な提供形態	価格の目安	得意分野
tsuzumi 2	NTT / NTTデータ	30B級	あり	オンプレ / プライベートクラウド / API	個別見積り	1GPU動作、図表入り日本語文書、金融・医療、RAG・業界特化
PLaMo 3.0 Prime	Preferred Networks	フルスクラッチ（規模非公開）	あり	API / オンプレ / Bedrock / Snowflake	API Standardで入力¥60・出力¥250／100万トークン、オンプレは個別	256Kロングコンテキスト、Reasoning/Non-reasoning、公開価格
cotomi	NEC	Pro / Light	あり（Appliance Server）	オンプレ / クラウド / マネージドAPI	個別見積り	軽量高速、専用機による省電力・低運用コスト
Takane	富士通	32B級ほか	あり（Enterprise AI Factory）	専有環境 / クラウド	個別見積り	1bit量子化でローエンドGPU1基、メモリ94%削減、用途特化
Sarashina3	SB Intuitions	mini / nano ほか	ソブリンクラウド＋重み公開	Cloud PF Type A / オープンモデル	mini・nanoは重み無償公開	フルスクラッチ、5モデル構成、embedding/rerank/guard同梱

PLaMoの公開価格はAPIのStandardプランで、入力100万トークンあたり¥60、出力100万トークンあたり¥250です（2026年7月時点）。オンプレ導入は別途個別見積りになる点に注意してください。他社が価格非公開なのは、オンプレは構成・規模・保守で金額が大きく振れるためです。オンプレLLM構築費用の実額の内訳は『ローカルLLM導入費用の実額内訳。PoC300万円〜本番1,500万円の中身を開示する』で扱っています。

デジタル庁「源内」の7モデル選定をどう読むか

国産モデルを語るうえで外せないのが、デジタル庁のガバメントAI「源内（げんない）」です。デジタル庁は2026年3月、源内で試用する国内LLMの公募結果を発表し、15件の応募から7件を選定しました。選ばれたのはtsuzumi 2、Sarashina2 mini、PLaMo 2.0 Prime、Takane 32B、cotomi v3、CC Gov-LLM、ELYZAの7モデルです。全府省庁39機関・約18万人規模で実証し、令和8年（2026年）8月に試用開始、令和9年（2027年）1月頃に評価結果の一部を公表、同年4月から優れたモデルを有償で政府調達する予定です（Ledge.aiの解説）。

ここで、読み違えやすい点が2つあります。

選定は「当時版」です: 源内が選んだのは選定時点の版で、PLaMoは2.0 Prime、Sarashinaは2 mini、cotomiはv3です。その後PLaMo 3.0 Prime（2026年6月）やSarashina3（同6月）が出ており、現行版とは番号がずれています。つまり源内採用は「その系列が政府評価の土俵に乗った」という意味で読むのが正しく、最新版そのものの認定ではありません。
選定理由は純粋な性能順ではありません: 国内事業者性・データ主権・運用要件を含む総合評価であり、「源内に入っている＝日本語最高性能」ではありません。

とはいえ、本記事の4+1社がすべて源内の7モデルに入っている事実には重みがあります。政府調達のリファレンスとして機能し始めており、「国内事業者・国内データセンター」を調達条件に置く自治体・金融・医療にとって、選定の事実は要件充足の一次的な裏付けになります。ソブリンAI（国内で開発・運用が完結するAI）を要件化する動きの中で、源内はその参照点です。自治体の閉域要件と源内の位置づけは『自治体のローカルLLM。LGWAN閉域・DS-920・「源内」から読む現実解』、金融機関の要件は『金融機関のローカルLLM導入。FISC基準・金融庁の考え方と国内事例』、医療機関の要件は『医療機関のローカルLLM。3省2ガイドラインと院内オンプレAIの現在地』でそれぞれ整理しています。

オープン日本語モデル（Swallow・LLM-jp）で足りるケース

国産商用モデルの対抗軸として、無償で使えるオープン日本語モデルがあります。ここを検討せずに商用契約に進むと、コストを払い過ぎることになります。

代表格がSwallowプロジェクト（東京科学大学＋産業技術総合研究所）です。2026年2月に、OpenAI GPT-OSSとAlibaba Qwen3の日本語・推論力を強化したQwen3 Swallow / GPT-OSS Swallowをリリースし、いずれもApache 2.0で商用利用まで自由です。Qwen3 Swallow 32Bは、2026年2月時点で32B以下のオープンLLMの日本語タスク最高性能とされています。ほかにLLM-jpのawesome-japanese-llmで最新の日本語モデルを追えます。Sarashina3のmini・nanoも重みが公開されており、オープン軸で使えます。海外勢を含むオープンモデル全体の動向は『オープンLLM勢力図2026。中国勢の攻勢、OpenAIの参入、Metaの離脱』にまとめています。

ライセンスは1つずつ確認が必要です。SwallowはApache 2.0（商用可）ですが、PLaMo 2系のオープン公開は1BがApache 2.0、8Bや2.1-2B-VLは条件付き商用可のPLaMoコミュニティライセンスと分かれています。海外勢もLlama系はMAU制限、Gemma系はバージョンで条件が変わるなど横並びではなく、「オープン＝無条件で商用フリー」ではありません。

商用国産とオープンの線引きは次の通りです。

判断軸	国産商用（tsuzumi / PLaMo Prime / cotomi / Takane）	オープン日本語モデル（Swallow / LLM-jp / Sarashina重み等）
ライセンス	商用契約・利用規約で明確	Apache 2.0等だが1モデルずつ要確認
サポート・責任分界	ベンダーがSLA・保守を提供	基本は自己責任（コミュニティ）
チューニング	ベンダー支援を受けられる	自前でファインチューニング・量子化
コスト	ライセンス／従量課金	モデルは無償（GPU・運用は自社負担）
向くケース	内製力が薄い・監査対応が要る	内製力があり、コストを最適化したい

要点は、商用サポートと責任分界が要るなら国産商用、社内に内製力があるならオープン、という切り分けです。オープンでもGPUと運用の人件費はかかるため、「モデル無償＝安い」ではない点は前提として押さえておく必要があります（オンプレ運用にかかる3年間の総コストは『オンプレLLMは本当に安いのか。3年TCOと損益分岐点を正直に計算する』で試算しています）。

国産オンプレLLMの選定フローチャート

実務の分岐を言葉で整理します。予算・GPU資産・サポート要件・用途の4点で判断します。

内製力が薄く、保守・責任分界を契約で押さえたい → 国産商用に進みます
- 機微データを手元の1GPUオンプレで扱いたい → tsuzumi 2 / cotomi Light
- 帳票・図表の多い日本語文書を読ませたい → tsuzumi 2
- 長い文脈（規程・契約書・大量ログ）をまとめて処理したい、価格を先に把握したい → PLaMo 3.0 Prime
- 既存のローエンドGPU資産を活かし、用途特化で軽く回したい → Takane
- 国内DCのソブリンクラウドで、周辺（embedding/rerank/安全性判定）まで揃えたい → Sarashina3
社内に内製力があり、コストを最適化したい → オープン日本語モデル（Swallow等）での自前運用を検討します
官公庁・金融・医療などで「国内事業者・国内DC」が調達条件 → 源内7モデルを起点に候補を絞ります

迷った場合は、1社に決め打ちする前に、自社の代表的な文書とタスクで2社を並べて試すのが結局は最も早い方法です。カタログ性能より、自社データでの実測が選定の決め手になります。検証に進む際は、費用と撤退の基準を先に決めておくと判断がぶれません（決め方は『ローカルLLMのPoCで300万円溶かす前に。始める前に決める撤退基準』を参照してください）。国内企業がどのような構成を選んでいるかは『ローカルLLM国内導入事例2026。8社から見える共通パターン』も参考になります。

モデル選定前チェックリスト

見積り依頼や検証に進む前に、次の項目が埋まっているかを確認してください。

国産を選ぶ動機（データ主権・調達要件・日本語ドメイン・サポート）のどれに該当するか特定した
官公庁・金融・医療などで「国内事業者・国内データセンター」が調達条件になるかを確認した
既存のGPU資産（ローエンドGPUの有無・空き状況）を棚卸しした
社内の内製力（自前でのファインチューニング・量子化・運用が可能か）を評価した
候補モデルの現行版と源内選定時の版番号のずれを確認した
オープンモデルを使う場合、ライセンス（Apache 2.0か条件付き商用可か）を1モデルずつ確認した
Nejumi LLMリーダーボードで自社用途に近いカテゴリのサブスコアを確認した
自社の代表的な文書とタスクで2社を並べて実測する計画を立てた

まとめ

「国産LLM」は4+1社4様です。データ主権・調達要件・日本語ドメイン・サポートのどれが刺さるかで動機を分解します
1GPUオンプレと図表文書ならtsuzumi 2、256Kロングコンテキストと公開価格ならPLaMo 3.0 Prime、専用機・省電力ならcotomi、1bit量子化でGPU資産節約ならTakane、オープン寄りに使うならSarashina3です
価格を公開しているのはPLaMoのみです（API Standardで入力¥60・出力¥250／100万トークン、2026年7月時点）。他は個別見積りです
デジタル庁「源内」は本記事の4+1社を含む7モデルを選定しました。ただし選定は当時版で、性能順ではなく総合評価です。ソブリンAIの参照点として読みます
内製力があるならSwallow等のオープン日本語モデルで足りる場合も多くあります。ライセンスは1モデルずつ確認します
カタログ比較で1社に絞り切らず、自社の文書とタスクで2社を実測して決めます

よくある質問

Q. オンプレミスで動く国産LLMにはどれがありますか？

tsuzumi 2（NTT）、PLaMo 3.0 Prime（Preferred Networks）、cotomi（NEC）、Takane（富士通）はいずれもオンプレミス提供があります。tsuzumi 2はNTTデータ経由のオンプレ／プライベートクラウド、PLaMoはAPI・オンプレ・Amazon Bedrock Marketplace・Snowflake、cotomiは専用機「cotomi Appliance Server」、Takaneは専有環境向けのFujitsu Kozuchi Enterprise AI Factoryで提供されます。Sarashina3（SB Intuitions）は国内データセンターのソブリンクラウド「Cloud PF Type A」経由で、mini・nanoは重みも公開されています。

Q. tsuzumi 2はどんな用途・企業に向いていますか？

30Bパラメータの軽量設計で1GPUで動作するため、機微データを手元のオンプレ環境で扱いたい企業に向いています。2026年5月のアップデートで図表・グラフ入りの日本語ビジネス文書処理と数値処理の論理性が強化され、金融・医療の知識も厚いのが特徴です。帳票・図表の多い日本語文書を扱う業務や、RAG・業界特化の開発に適しています。

Q. PLaMo 3.0 Primeの料金はいくらですか？

APIのStandardプランで入力100万トークンあたり60円、出力100万トークンあたり250円です（2026年7月時点）。国産商用LLMで価格を明示公開しているのはPLaMoのみで、オンプレミス導入は別途個別見積りです。コンテキスト長は256kで、推論力重視のReasoningと速度重視のNon-reasoningの2系統から選べます。

Q. デジタル庁の「源内」に選ばれた国産LLMはどれですか？

2026年3月の公募で、15件の応募からtsuzumi 2、Sarashina2 mini、PLaMo 2.0 Prime、Takane 32B、cotomi v3、CC Gov-LLM、ELYZAの7モデルが選定されました。全府省庁39機関・約18万人規模で実証し、2026年8月に試用開始、2027年4月から優れたモデルを有償で政府調達する予定です。なお選定は当時版であり、その後リリースされたPLaMo 3.0 PrimeやSarashina3とは版番号がずれている点に注意が必要です。詳しくは自治体のローカルLLMでも解説しています。

Q. 無料で商用利用できる日本語LLMはありますか？

あります。Swallowプロジェクト（東京科学大学＋産業技術総合研究所）のQwen3 Swallow / GPT-OSS SwallowはApache 2.0ライセンスで商用利用まで自由で、Qwen3 Swallow 32Bは2026年2月時点で32B以下のオープンLLMの日本語タスク最高性能とされています。Sarashina3のmini・nanoも重みが公開されています。ただしPLaMoのオープン版のように条件付き商用可のライセンスもあるため、1モデルずつの確認が必要です。またモデルが無償でも、GPUと運用の人件費は自社負担になります。

Q. 国産LLMは海外モデルより高性能ですか？

「国産だから高性能」ではなく、「同一サイズ帯・日本語タスクなら競争力がある」が実態に近い評価です。日本語LLMの横断評価はNejumi LLMリーダーボード（Weights & Biases）が事実上の基準で、総合点だけでなく文書読解・数理・安全性など自社用途に近いカテゴリのサブスコアで読むことが重要です。海外の大規模モデルと総合点で張り合うのではなく、30B級で日本語文書に絞って強いという読み方が国産モデルに合っています。

Q. 国産商用LLMとオープンLLMはどちらを選ぶべきですか？

商用サポートと責任分界が必要なら国産商用、社内に内製力があるならオープンという切り分けが基本です。国産商用はベンダーがSLA・保守を提供し、チューニング支援も受けられます。オープンはモデル自体が無償でも、ファインチューニング・量子化・運用を自社で担う必要があり、GPUと運用の人件費がかかります。監査対応が要る規制業種や内製力が薄い企業は商用、コストを最適化したい内製力のある企業はオープンが向いています。

主な参考資料: NTT tsuzumi 2 リリース、PFN PLaMo 3.0 Prime リリース、NEC cotomi Appliance Server 報道、富士通 Kozuchi Enterprise AI Factory、SB Intuitions Sarashina3 技術ブログ、デジタル庁「源内」7モデル選定（Ledge.ai）、Swallow LLM、Nejumi LLMリーダーボード

国産オンプレLLMは選択肢が増えた一方、版番号・提供形態・価格が短期間で動くため、公募資料や各社の最新リリースでの個別確認が欠かせません。TodoONadaでは、ローカルLLM／生成AIの導入判断からモデル選定・PoC・構築までを支援しています（GPUサーバーでの本格構成はローカルLLM導入支援、Mac 1台でのスモールスタートはMacで始める社内専用AI導入支援をご覧ください）。要件整理とモデル選定込みで、まずは30万円・2週間のミニ検証から始められます。自社の文書とタスクで2社を並べて実測するところから始めることが、遠回りに見えて最も確実な近道です。

この記事に関連するサービス

TodoONada株式会社では、機密データを外部に出さないローカルLLMの導入支援を行っています。

ローカルLLM導入支援 — GPUサーバーでの本格構成。モデル選定からRAG構築・運用まで
Macで始める社内専用AI導入支援 — Mac 1台から始める社内専用AI。PoCから部門導入まで対応

導入・開発のご相談はお問い合わせからお気軽にどうぞ。検討段階のご相談も歓迎です。