GPT-4o超えの国産LLM爆誕！「LLM-jp-4」を明日メインPCで試します【予告編】

こんにちは！YaroTechです。

4月3日、国立情報学研究所（NII）から衝撃的なニュースが飛び込んできました。日本語MT-BenchでGPT-4oを上回るスコアを叩き出した国産LLM「LLM-jp-4」がオープンソースで公開されたのです。

しかもこれ、学習データからモデルの重みまですべてフルスクラッチ。国の機関が本気で作った「純国産AI」です。

というわけで、明日のDay269ではこのモデルを実際にメインPCにインストールして動かしてみます！今日はその前に「LLM-jp-4って何がすごいの？」を整理する予告編です。

※見出し画像のプロンプトは一番下におまけで公開中！

🖥️ 実行環境

$$
\begin{array}{|l|l|} \hline
\text{項目} & \text{内容} \\ \hline
\text{記事作成PC} & \text{ThinkPad X1 Carbon Gen 13（RAM 32GB）} \\ \hline
\text{OS} & \text{Windows 11 Home 25H2} \\ \hline
\text{担当AI} & \text{クロ助（Claude Desktop）} \\ \hline
\text{明日の検証PC} & \text{メインPC（RTX 3050 8GB VRAM / RAM 128GB）} \\ \hline
\end{array}
$$

🎯 この記事で得られること

• LLM-jp-4とは何か、なぜ注目されているかが分かる

• 2つのモデル（8B / 32B-A3B）の違いが分かる

• GPT-4oを上回ったベンチマーク結果の中身が分かる

• 明日の検証で何を試すかの計画が分かる

🏯 LLM-jp-4って何？

LLM-jp-4は、国立情報学研究所（NII）が主宰する産学連携コミュニティ「LLM-jp」が開発した国産の大規模言語モデルです。2600名以上の研究者・エンジニアが参加する日本最大規模のLLM開発プロジェクトの最新成果として、2026年4月3日にオープンソースライセンスで公開されました。

ポイントは3つ：

① 日本語性能がGPT-4oを超えた

日本語MT-Bench（対話理解力テスト）のスコア：

$$
\begin{array}{|l|l|l|} \hline
\text{モデル} & \text{日本語MT-Bench} & \text{英語MT-Bench} \\ \hline
\text{LLM-jp-4 32B-A3B} & \text{7.82} & \text{7.86} \\ \hline
\text{LLM-jp-4 8B} & \text{7.54} & \text{7.79} \\ \hline
\text{GPT-4o} & \text{7.29} & \text{7.69} \\ \hline
\text{Qwen3-8B} & \text{7.14} & \text{7.69} \\ \hline
\end{array}
$$

8Bモデルですらも、GPT-4oのスコア7.29を上回る7.54を記録。86億パラメータという比較的コンパクトなサイズでこの性能は驚きです。

② 12兆トークンの良質データで学習

学習に使われたデータは約12兆トークン。前バージョンの約6倍です。インターネット上の公開データだけでなく、政府・国会の文書や合成データなど、日本語として質の高いテキストを厳選して使っています。

③ 完全オープンソース

モデル本体だけでなく、学習に使用したデータセットもすべて公開。第三者が追試・改良できる透明性の高さが学術プロジェクトならではです。

🤖 2つのモデルの違い

今回公開されたのは2つのモデルです。

$$
\begin{array}{|l|l|l|} \hline
\text{} & \text{LLM-jp-4 8B} & \text{LLM-jp-4 32B-A3B} \\ \hline
\text{パラメータ数} & \text{約86億} & \text{約320億（アクティブ約38億）} \\ \hline
\text{アーキテクチャ} & \text{Llama 2} & \text{Qwen3 MoE} \\ \hline
\text{構造} & \text{標準的なTransformer} & \text{MoE（専門家混合）} \\ \hline
\text{動作の軽さ} & \text{軽量} & \text{パラメータ数の割に軽い} \\ \hline
\text{最大トークン} & \text{約65,000} & \text{約65,000} \\ \hline
\end{array}
$$

MoE（Mixture of Experts） とは、モデル内に複数の「専門家ネットワーク」を持ち、入力に応じて最適な専門家だけを稼働させる仕組みです。32B-A3Bの「A3B」はアクティブパラメータが約38億であることを示しており、320億パラメータの知識量を持ちながら、推論時は38億パラメータ分の計算量で済むという効率の良さがあります。

🔧 明日の検証計画

Day269では、メインPC（RTX 3050 / RAM 128GB）で実際にLLM-jp-4 8Bを動かします。

試す方法の候補：

• パターン1: Ollama（GGUF版が公開されていれば最も手軽）

• パターン2: Transformers（Python）（HuggingFace公式形式で直接実行）

• パターン3: 自力GGUF変換（llama.cppで変換→Ollamaに登録）

GGUF版がコミュニティからまだ出ていなければ、自力変換にも挑戦してみます。これ自体が記事ネタになりそうです。

テストプロンプト（ラズパイシリーズと共通）：

1. 日本語要約：「AIの歴史を200字で説明してください」

2. コーディング：「PythonでFizzBuzzを書いてください」

3. 推論：「りんごが3個、みかんが5個あります。2人で均等に分けるには？」

ラズパイのqwen2:0.5bやllama3.2:1bは日本語がボロボロでしたが、日本語MT-BenchでGPT-4o超えのLLM-jp-4はどうでしょう？期待が高まります。

💡 Day245との関係

Day245「国産LLM7選にAI5兄弟が本気で推し語り」で、デジタル庁が選定した国産LLMを紹介しました。あの記事ではtsuzumi 2（NTT）やPLaMo 2.0 Prime（PFN）など企業主導のモデルが中心でしたが、今回のLLM-jp-4は学術研究機関が主導するオープンソースモデルです。

Day245でジミーが推していたPLaMo、クロ助が推していたtsuzumiに続いて、「学術界からの刺客」が登場したことになります。明日の検証が楽しみです！

🔗 関連記事

• 「俺たち海外AIどうなるん!?」国産LLM7選にAI5兄弟が本気で推し語り

• ラズパイで始めるローカルAI #04｜2GBのPi 4でAIは喋れるか？Ollamaインストール＆実測レポート

• 「CPU推論16秒はアカンて！」AI5兄弟がノートPCのローカルLLM最速化を本気で調査した結果

📝 まとめ

• NIIが国産LLM「LLM-jp-4」をオープンソースで公開（4/3）

• 日本語MT-BenchでGPT-4o（7.29）を上回る7.54〜7.82を達成

• 8Bと32B-A3B（MoE）の2モデル、12兆トークンでフルスクラッチ学習

• 明日Day269でメインPC（RTX 3050）に入れて実際に試す予定

🚀 次回予告

Day269：国産LLM「LLM-jp-4」をメインPCで動かしてみた【検証編】

Ollama or Transformersでインストールし、日本語・コーディング・推論の3問テストを実施。ラズパイで試した海外モデルとの比較も交えてレポートします。お楽しみに！

🎨 おまけ：見出し画像作成プロンプト

今日の見出し画像のベースはジミー（Gemini）に下記プロンプトで作成。

詳細なアニメの美意識の画像を作成〜表情豊かな瞳、なめらかな網掛けセルの色使い〜
下記条件のnote見出し画像をサイズは横長で作成

テーマ：国産LLM「LLM-jp-4」がGPT-4oを超えた
雰囲気：日本の学術研究の力強さ、テクノロジーの興奮
要素：
- 日の丸をモチーフにした赤と白のグラデーション背景
- 中央にLLMを象徴するニューラルネットワークの光るノード
- 「LLM-jp-4」のテキストを大きく配置
- 周囲にベンチマークのスコア数値が浮かぶ演出
- 研究者やコミュニティを連想させる群衆シルエット
```

**Step 7**: 下部中央寄りに「YaroTech」のロゴを12ptで控えめに配置
**Step 8**: 全体のバランスを確認して完成

#生成AI #国産LLM #LLMjp4 #NII #ローカルLLM #Ollama #オープンソース #GPT4o #日本語AI #YaroTech