「国産AIは、海外勢に追いつけるのか」——そんな問いを、もう少しだけ前に進められる発表が届きました。Preferred Networksが6月22日、生成AI基盤モデルの最新版「PLaMo 3.0 Prime」を正式リリース。じっくり考える推論モデルと、素早く答える高速モデルの2枚看板に、大量の文書を一度に読み込む力まで備え、いよいよ企業や自治体の「現場」で使える段階へと踏み出しました。日本語で考えるAIは、私たちの仕事をどこまで変えるのでしょうか。
株式会社Preferred Networks（PFN、本社：東京都千代田区、代表取締役社長：岡野原 大輔）は2026年6月22日、国産生成AI基盤モデルPLaMoの最新フラッグシップモデルPLaMo 3.0 Primeを正式に提供開始した。同モデルは2026年3月発表のPLaMo 3.0 Prime βをもとに開発され、API経由とオンプレミスで利用できる。
複雑なタスク向けのReasoningモデルと、応答速度を重視したNon-reasoningモデルの2種を提供する。コンテキスト長は64kから256kへ拡張された。国立研究開発法人情報通信研究機構（NICT）との共同研究で得た事前学習モデルをベースに開発され、NICT提供のデータを活用し、HELM Safetyで安全性を評価した。
PLaMo PrimeはAPI、Amazon Bedrock Marketplace、オンプレミス、Snowflakeで提供される。
From: 
国産生成AI基盤モデルPLaMo 3.0 Primeを正式リリース – 株式会社Preferred Networks
【編集部解説】
なぜ今、このリリースを取り上げるのか。理由は明快です。PLaMo 3.0 Primeの登場は、国産大規模言語モデル（LLM）の競争軸が「日本語が読めるか」から「日本語で考え、手を動かせるか」へと一段上がった瞬間を示しているからです。
3月のβ版は「フルスクラッチ開発の国産モデルとしては初のReasoning（推論）対応」という点が話題でした。今回の正式版は、そこに2つの現実的な答えを足してきました。ひとつは高速応答に特化したNon-reasoningモデルの追加、もうひとつはコンテキスト長の256kへの拡張です。
Reasoningモデルとは、答えをいきなり出さず、途中の思考を段階的に積み上げてから結論にたどり着くタイプのAIだと考えてください。じっくり考える分だけ精度は上がりますが、計算量が増えて応答は遅くなります。だからこそPFNは「速さ重視」のモデルを別途用意し、用途で切り替えられる構成にしたわけです。
コンテキスト長の拡張は、地味に見えて重要な進化と言えます。これはAIが一度に読み込める文章量の上限を指し、64kから256kへ、4倍に広がりました。長い契約書や大量のログ、そして「ツールを何度も呼び出す作業履歴」を保持できるようになり、単発の質疑応答から、業務プロセスを担うAIエージェントへと用途が開けてきます。
ここで踏み込んでおきたいのが、数字の読み方です。技術ブログによれば、この256kは同価格帯のClaude Haiku 4.5の200kを上回り、Qwen3.6-27Bの256kと同水準、一方でGPT-5.4 miniの400kには届きません。最先端のDeepSeek V4 ProやGPT-5.5 Proが掲げる1mとの差はなお大きいと、PFN自身が明記しています。「世界一」ではなく「実用域で競える位置に来た」というのが、誠実な解釈だと考えます。
このニュースが効いてくる範囲は、研究室の外にあります。PLaMo Primeは、すでにAmazon Bedrock MarketplaceやSnowflake、オンプレミスで提供され、約800自治体が導入するQommonsAIなどに標準搭載されています。さらにデジタル庁の生成AI環境「源内」で試用される国内LLMの1つにも選ばれている。つまり、行政や企業の現場という「出口」を持った状態でのバージョンアップなのです。
ポジティブな側面は、選択肢としての国産モデルが実務に耐える水準へ近づいたことに尽きます。データを国内・オンプレミスで扱いたい医療・金融・自治体にとって、海外クラウドに送らず日本語で完結できる基盤は、安心材料になるはずです。
一方で、過度な期待は禁物です。PFNは弱点も率直に書いています。Web探索、長コンテキスト、数学的推論、STEM、そして日本の法令分野では競合に劣り、改善が必要だと自認している。ベンダー発表で苦手領域をここまで明示する姿勢は信頼できますが、裏を返せば「万能ではない」という宣言でもあります。
安全性の表現にも、少し注意が要ります。プレスリリースは「海外モデルと同等以上の安全性」と打ち出していますが、技術ブログのTL;DRはより控えめに「既存モデルと同程度に安全」と書き、しかもNon-reasoningモデルは過剰な拒否や危険なプロンプトへの応答が一部残ると認めています。報じる側としては、前者の見出しだけを鵜呑みにせず、後者の留保とセットで伝えるのが筋でしょう。
規制と政策の文脈も見逃せません。今回の開発は、経済産業省とNEDOが進めるGENIAC第3期の成果や、NICT提供の日本語・安全性データを活用したものです。国費を背景にした「国産AIを育てる」流れの一環であり、AI安全性の評価に海外発のHELM Safetyという共通のものさしを用いた点は、国際的な説明責任への意識のあらわれとも読めます。
長期で見れば、注目すべきは性能の絶対値より「垂直統合」という戦略です。PFNはチップ、計算基盤、モデル、ライブラリ、ソリューションまでを自前で一気通貫に開発しています。海外のフロンティアモデルと真正面から競い合うのではなく、日本語と国内業務に最適化した層で価値を出す——この立ち位置が今後どこまで産業競争力に結びつくか、私たちが追い続けたいテーマです。
【用語解説】
生成AI基盤モデル（ファウンデーションモデル）
大量のデータで事前学習し、文章生成や要約、対話など多様なタスクに応用できる土台となるAIモデル。用途ごとに調整して使う。
フルスクラッチ
既存のモデルを下敷きにせず、設計や事前学習をゼロから自前で構築すること。データや挙動を内製で管理しやすい一方、開発コストは大きい。
Reasoningモデル（推論モデル）
答えを即座に出さず、途中の思考を段階的に積み上げてから結論を導くタイプのAI。精度は高いが計算量が増え、応答は遅くなりやすい。
Non-reasoningモデル（非推論モデル）
深い推論より応答速度を優先するタイプのAI。要約や定型対応、分類など、速さが求められる業務に向く。
コンテキスト長
AIが一度に読み書きできる文章量の上限。長いほど大量の文書やツール利用履歴を保持でき、AIエージェント用途で重要になる。トークンという単位で数える。
AIエージェント
単発の質疑応答にとどまらず、外部ツールの呼び出しや複数ステップの作業を自律的にこなし、業務プロセスの一部を担うAIの使い方。
トークナイザ
文章をAIが扱う最小単位（トークン）に分割する仕組み。効率がよいほど同じ文章を少ないトークンで処理でき、コスト低減につながる。
オンプレミス
クラウドではなく、自社が管理する設備内にシステムを置いて運用する形態。データを外部に出さずに扱えるため、機密性の高い業務で選ばれる。
HELM Safety
暴力・詐欺・差別・性的表現・ハラスメント・欺瞞の6カテゴリを対象に、AIの安全性を多面的に測る評価ベンチマークの集合。危険な発言の有無だけでなく、過剰な拒否や脱獄耐性も調べる。
GENIAC
経済産業省とNEDOが進める、国産の生成AI基盤モデル開発を支援するプロジェクト。今回のモデルは第3期の成果の一部を事後学習に活用している。
源内（げんない）
デジタル庁が整備する、行政向けの生成AI利用環境。国産大規模言語モデルを試用する枠組みで、PLaMoもその候補の1つに選ばれている。
垂直統合
半導体チップから計算基盤、モデル、ソフトウェア、ソリューションまでを一社で一気通貫に開発・提供する事業戦略。PFNが自社の強みと位置づける。
【参考リンク】
PLaMo（公式サービスサイト）（外部）
PLaMo各モデルの紹介と利用申込の窓口。Freeプランを含むAPIやChatの提供形態を確認できる公式サイトである。
株式会社Preferred Networks（外部）
PLaMoを開発するPFNの企業サイト。事業内容やニュースリリース、研究開発に関する情報がまとめて掲載されている。
PFN技術ブログ「PLaMo 3.0 Primeをリリースしました」（外部）
今回のリリースの技術的詳細。ベンチマークの条件やコンテキスト長の比較、安全性評価の根拠まで読める一次情報である。
国立研究開発法人情報通信研究機構（NICT）（外部）
日本語データや安全性データの提供で開発に関わった公的研究機関。情報通信分野の研究開発を幅広く担っている。
HELM Safety（スタンフォード大学基盤モデル研究所）（外部）
本記事の安全性評価に使われたベンチマークの公式ページ。各モデルのカテゴリ別の評価結果が公開されている。
Amazon Bedrock（外部）
PLaMo Primeが提供されるAWSの生成AI基盤サービス。各社のモデルをAPI経由でまとめて利用できる仕組みである。
Snowflake（外部）
PLaMo Primeが提供されるデータクラウド基盤。自社のデータ環境内で生成AIモデルを扱えるため連携に向く。
QommonsAI（Polimill株式会社）（外部）
PLaMoが活用される行政向け生成AIサービス。多数の自治体や省庁に導入され、行政文書の検索などに使われている。
デジタル庁（外部）
行政向け生成AI環境「源内」を整備する省庁。国産LLMを行政で活用するための枠組みづくりを担っている。
経済産業省（GENIAC関連）（外部）
国産生成AI開発を支援するプロジェクトGENIACを所管する省庁。NEDOと連携して基盤モデル開発を推進している。
【参考記事】
PLaMo 3.0 Primeをリリースしました（PFN Tech Blog）（外部）
開発元による技術解説。コンテキスト長を64kから256kへ拡張し、gpt-oss-120bの128k、Qwen3.6-27Bの256k、Claude Haiku 4.5の200k、GPT-5.4 miniの400kと比較した位置づけを明記。強化学習をβ版比でステップ数約2倍に増やしたことや、Web探索・長コンテキスト・数学・STEM・日本の法令で劣る点も自認している。
初の“長考”できる国産フルスクラッチLLM「PLaMo 3.0 Prime」Qwen3-235Bやgpt-oss-120bに肉薄（ITmedia AI＋）（外部）
3月のβ版を報じた記事。入力64k・出力20kトークンへ拡大（旧PLaMo 2.2 Primeは入力32k・出力4k）と具体数値を提示。指示追従や対話で競合に勝る一方、数学や複数ツール選択で大きく劣ると整理している。
生成AI基盤モデルPLaMo 3.0 Primeβ版のモニター企業募集（PFNニュースリリース）（外部）
β版発表時の一次情報。商用版を2026年6月中旬に提供予定とし、当時700以上の自治体がQommonsAIを導入と記載。NICTとの共同研究や提供形態の前提を確認できる。
PFNがPLaMo 3.0 Prime β版を公開。国産Reasoningモデルは日本企業の本命になるか（AIに仕事を奪われたい）（外部）
ベンダー発表を批判的に読み解く記事。PFNが強い指標だけでなく弱点も明示している点を評価し、「全面勝利ではなく実務で勝負できる水準」という解釈を提示。本記事の中立的視点の参考にした。
国産フルスクラッチAI「PLaMo 3.0 Prime」提供開始、“高コスパ”うたう 無料のAPIプランも（ITmedia AI＋）（外部）
6月22日の正式版を報じた記事。Reasoning／Non-reasoningの使い分けや、無料APIプランの存在に触れている。
PFN、国産初のReasoningモデル「PLaMo 3.0 Prime」β版を発表（AI/DX Media）（外部）
PLaMoの系譜（2024年のPLaMo-100B、Chainer開発元という背景）や、競争軸が「日本語がわかる」から「日本語で考える」へ移ったという位置づけを整理。技術史的文脈の参考にした。
【関連記事】
三菱重工×Preferred Networks、国産AI共同開発で業務提携｜社会インフラ・防衛の自律化へ
PFNの「垂直統合」戦略やAI半導体MN-Coreの位置づけを解説した記事。今回のPLaMo 3.0 Primeを生み出す企業の全体像を知る手がかりになる。
ガバメントAI「源内」、全府省庁18万人へ—国産LLM7選で始まる日本のAI主権
政府がPLaMoを含む国産LLM7モデルを選定した経緯を伝える記事。今回のモデルが「行政の現場」へ向かう背景を理解できる。
デジタル庁、国産LLMを公募開始 – ガバメントAI「源内」で行政実務に最適化された日本語モデルを試験導入へ
PFNのPLaMo翻訳が行政に導入された段階を報じた記事。翻訳特化から汎用フラッグシップの商用提供へと至る流れがつかめる。
【編集部後記】
「国産AI」という言葉に、どこか応援したい気持ちと、本当に使えるの？という疑いが同居している——私自身、ずっとそんな感覚を持っていました。今回のPLaMo 3.0 Primeで面白いのは、PFNが強いところだけでなく、苦手なところまで自分で開示している点です。
誇らずに等身大を見せてくれる相手のほうが、かえって信頼して試せる気がしませんか。みなさんの現場でも、まずは小さなタスクから「国産で完結させる」選択肢を一度のせてみる。そんな一歩のきっかけに、この記事がなれたら嬉しいです。
