日本製AIの選び方：個人で使える国産AIと主要モデルの特徴・料金

AIニュース解説
2026.07.05

ChatGPTやClaude、Geminiのような海外製AIが当たり前になってきた一方で、「日本製AIって実際どうなの？」「個人でも使えるの？」「料金はどれくらい？」という疑問もかなり増えてきました。

結論からいうと、日本製AIはかなり面白いところまで来ています。ただし、個人がすぐブラウザで使えるもの、開発者がAPIやHugging Faceで試せるもの、企業・自治体向けに提供されているものが混在しているため、ひとことで「国産AI」と言っても使い方はバラバラです。

この記事では、日本企業や日本発スタートアップが開発・提供しているAIを中心に、何に特化しているのか、個人ならどう触れるのか、料金が公開されている範囲ではどのくらいなのかを整理します。専門用語も出てきますが、なるべく「現場でどう使えるか」という目線で噛み砕いていきます。

なお、料金や提供形態はかなり変わりやすいです。この記事では公式発表や公開ページで確認できた内容をもとにしていますが、導入前には必ず各社の公式情報を確認してください。

まず「日本製AI」といっても2種類ある

日本製AIを理解するとき、まず分けておきたいのが「フルスクラッチ型」と「海外モデルを日本向けに調整した型」です。

フルスクラッチ型は、モデルの設計や学習を日本企業・研究機関が主導して作っているものです。代表例としてはPreferred NetworksのPLaMoや、NTTのtsuzumiなどがあります。日本語データや日本の業務文書、行政・金融・医療などの現場利用を強く意識して作られているのが特徴です。

一方で、MetaのLlamaのような海外のオープンモデルを土台にして、日本語の追加学習や安全性調整を行うタイプもあります。ELYZAのLlama-3.1-ELYZA-JP-70Bや、Sakana AIのNamazuシリーズはこの方向に近い存在です。ゼロから巨大モデルを作るのはとんでもない計算資源が必要なので、強い海外モデルを土台にしつつ、日本語・日本文化・国内利用の安全性へ寄せるのはかなり現実的な戦い方です。

個人として使う側から見ると、どちらが偉いという話ではありません。大事なのは「自分の用途に合うか」です。日本語の文章作成、社内文書の要約、行政文書の読み込み、開発補助、リサーチ、ローカル実験など、得意分野が違います。

主要な日本製AIをざっくり比較

AI・モデル 開発・提供元 特化している領域 個人での使いやすさ 料金の目安
PLaMo Preferred Networks 日本語業務文書、推論、コーディング、エージェント利用 無料ChatやAPIで試しやすい PLaMo 2.0 Primeは入力60円/100万トークン、出力250円/100万トークンの公開情報あり
Sakana Chat / Namazu Sakana AI 日本向けの振る舞い調整、Web検索、リサーチ支援 Sakana Chatで試せる Chatの詳細料金は公式ページで要確認。商用Marlinは価格公開を確認できず
Llama-3.1-ELYZA-JP-70B ELYZA / KDDI 日本語対話、長文処理、企業向けLLM活用 デモ版で試用可能 個人向け定額料金は確認できず。企業導入は問い合わせ中心
tsuzumi 2 NTT / NTTデータ 軽量・高性能、日本語RAG、情報抽出、金融・自治体・医療 基本は法人・Azure経由 Azure Marketplaceや個別契約で確認
cotomi NEC 高速推論、業種特化、マルチモーダル、業務エージェント 基本は法人向け 公開ページ上では個人向け料金は確認できず
Takane 富士通 / Cohere共同開発 システム開発、法令理解、要件定義、テスト生成 基本は法人向け Generative AI Platformは基本構成99万円/月額（税抜）の公開資料あり
OpenCALM / CyberAgentLM系 サイバーエージェント 日本語LLMの研究開発、広告・対話AIの基盤 Hugging Faceで試せる モデル自体は公開。実行環境のGPU・クラウド費用は別
rinna日本語モデル rinna 小〜中規模の日本語生成モデル、ローカル実験 Hugging FaceやTransformersで試せる モデル自体は公開。実行環境の費用は別

PLaMo：個人が今いちばん試しやすい国産AIのひとつ

個人で「国産AIを実際に触ってみたい」と思ったとき、まず候補に入れやすいのがPreferred NetworksのPLaMoです。PLaMoはPFNが主導して国内で開発する生成AI基盤モデルで、商用版のPLaMo Prime、軽量版、金融特化、翻訳特化など、用途ごとに広がりを見せています。

特に注目したいのは、PLaMo 3.0 PrimeでReasoningモデルとNon-reasoningモデルが用意されている点です。Reasoningは、ざっくり言えば「考える力を重視するモデル」です。複数条件を整理したり、段階的に推論したり、コードや業務手順を組み立てたりする用途に向いています。Non-reasoningは、深く考え込むよりも速く返すことを重視するモデルで、要約、分類、問い合わせ対応のような日常業務に向いています。

SE目線で見ると、この分け方はかなり実務的です。全部を高性能モデルに投げるとコストもレスポンスも重くなります。たとえば、社内FAQの分類や短文要約は軽いモデル、障害ログの原因候補整理や設計レビューはReasoningモデル、という使い分けができます。これは個人開発でも同じで、ブログ記事の構成案は軽め、コードの設計相談は重め、と切り替えると使いやすいです。

料金面では、PLaMo 2.0 Primeの公式発表で、入力単価が60円/100万トークン、出力単価が250円/100万トークンと示されています。PLaMo 3.0 Primeの利用料金はプランや提供形態によって変わる可能性があるため、実際に使う前にPLaMo公式ページで確認するのが安全です。

個人利用の入口としては、PLaMoの無料ChatやAPIが分かりやすいです。まずはブラウザで日本語の文章作成、要約、コード相談を試し、慣れてきたらAPIで小さなツールを作る流れがよさそうです。

Sakana AI：研究開発とリサーチ支援が強い日本発AI企業

Sakana AIは、東京発のAIスタートアップとしてかなり注目されています。名前を聞いたことがある人も多いと思いますが、単にチャットAIを作っている会社というより、「AIの作り方そのもの」や「AIが研究・調査を進める仕組み」に強い会社です。

2026年には、オープンウェイトの高性能モデルを日本向けに調整したNamazuシリーズのα版を発表し、それを搭載したSakana Chatを公開しています。ここで面白いのは、日本語に対応するだけではなく、日本の文化・価値観・安全保障上の要件に合わせるための事後学習を前面に出している点です。

また、同社初の商用プロダクトとしてSakana Marlinも発表されています。これはビジネス向けの自律型リサーチアシスタントで、調査テーマを入力すると、長時間にわたって仮説立案、情報収集、検証、レポート化まで進めるというものです。個人向けというより企業向けですが、「AIに単発質問をする」時代から「AIに調査プロジェクトを任せる」時代へ進んでいることがよく分かります。

個人としては、Sakana Chatを触ってみるのが一番早いです。日本語での自然な対話、Web検索を使った整理、国内事情に寄せた回答の雰囲気を確認できます。ただし、α版や試験的な位置づけのモデルは仕様変更が起きやすいので、本格的な業務利用では利用規約やデータの扱いを確認したいところです。

ELYZA：日本語LLMを企業利用へ持ち込む実装寄りの存在

ELYZAは、日本語LLMの文脈で外せない企業です。Llama-3.1-ELYZA-JP-70Bは、MetaのLlama 3.1 70Bをベースに、日本語の追加事前学習や指示学習を行ったモデルです。ざっくり言えば、海外の大きなオープンモデルを土台にしつつ、日本語の自然さや指示への従いやすさを伸ばしたモデルです。

個人にとってありがたいのは、デモ版が用意されている点です。いきなりAPI契約やサーバー構築をしなくても、「日本語でどれくらい自然に返すのか」「長文をどう扱うのか」を確認できます。

ただし、ELYZAの本領は個人向けチャットというより、企業の業務にLLMを入れるところにあります。大手企業向けの支援、社内文書活用、専門業務への導入、運用設計といった領域です。個人で触るならデモ、会社で使うなら問い合わせ、という位置づけで見ると分かりやすいです。

tsuzumi 2：軽量・高セキュア・日本語RAG向け

NTTのtsuzumi 2は、日本製AIの中でもかなり「業務現場向け」に振り切ったモデルです。公式情報では、1GPUで動作可能な軽量モデルでありながら、超大型モデルに迫る性能を狙っていることが説明されています。

ここでいう軽量は、単に小さいという意味ではありません。企業がLLMをたくさん使い始めると、API料金、GPU費用、レスポンス速度、セキュリティ要件が一気に問題になります。特に社内文書や顧客情報を扱う場合、外部APIにそのまま投げることに抵抗がある会社も多いです。tsuzumi 2は、そうした場面でオンプレミスやクローズド環境への導入を現実的にする方向のモデルです。

得意領域としては、ドキュメントQA、RAG検索要約、情報抽出、要約が挙げられています。RAGとは、AIが自分の記憶だけで答えるのではなく、社内文書やマニュアルを検索して、その内容を参照しながら答える仕組みです。ハルシネーション、つまりもっともらしい嘘を減らすためにも、企業利用ではかなり重要です。

個人が趣味で使うには少し遠いモデルですが、Azure上で提供される情報も出てきており、Microsoft系の環境を使う企業では検証しやすくなっています。料金はAzure Marketplaceや個別契約の内容を確認する形になります。

NEC cotomi：高速・業種特化・エージェント化を狙うAI

NECのcotomiは、「高速」「高性能」「豊富な提供形態」を前面に出している生成AIコア技術です。業務で使うAIは、単に賢いだけでは足りません。回答が遅すぎると現場に定着しませんし、機密情報を扱えなければ本当に使いたい業務には入れません。cotomiは、そうした企業側の現実的な悩みに合わせたモデルと言えます。

特に重要なのは、業種特化モデルの展開です。金融、自治体、医療、製造などでは、用語や判断基準が一般的なチャットとはまったく違います。たとえば同じ「審査」という言葉でも、金融、保険、自治体の申請業務では意味も見るべき書類も変わります。cotomiは、こうした現場ごとの知識を学習・活用する方向で展開されています。

さらに、エージェント性能の強化も目立ちます。AIエージェントとは、ただ回答するだけでなく、外部ツールを選び、手順を分解し、業務を進めるAIのことです。NECはMCP対応や長い入力トークンへの対応も打ち出しており、今後は「社内文書を読むAI」から「社内業務を進めるAI」へ近づいていくと考えられます。

個人利用の視点では、現時点では法人向けの色が強く、ChatGPTのように誰でも月額で使うタイプとは見ない方がよさそうです。料金も公開ページ上で個人向けの明確なプランは確認できませんでした。

富士通 Takane：システム開発・法令・要件定義に強い法人向けAI

富士通のTakaneは、Cohereと共同開発した大規模言語モデルで、特にシステム開発や専門業務への適用が目立ちます。富士通はTakaneを活用し、要件定義、設計、実装、結合テストまでをAIエージェントが協調して進めるAIドリブン開発基盤を発表しています。

SEとして気になるのは、法令文書の理解、設計書やソースコードとの突合、自律設計・監査、テスト仕様とテストコード生成といった領域です。これは単なるコード補完ではなく、業務システム開発全体の上流から下流までを支援する方向です。

個人開発者が気軽に触るというより、企業の大規模システム開発やSI現場で効果が出るタイプです。既存システムの仕様書、法令改正、業務ルール、テスト観点が絡むような現場では、こうした専門特化AIの価値は大きくなります。

料金については、富士通クラウドサービス Generative AI Platformの公開価格資料で、基本構成が税抜99万円/月額、ストレージ拡張が税抜13,400円/月額/1TBと示されています。個人利用の価格帯ではなく、企業向け基盤として考えるのが自然です。

サイバーエージェントとrinna：個人開発で触りやすい公開モデル

「国産AIを自分のPCやGoogle Colabで動かしてみたい」という人は、Hugging Faceで公開されている日本語モデルを見るのが近道です。

サイバーエージェントは、最大68億パラメータの日本語LLMを一般公開し、オープンな日本語データで学習した商用利用可能なモデルとして提供しています。広告・マーケティング・対話AIの文脈で強い会社なので、今後の業界特化モデルにもつながりそうです。

rinnaも、japanese-gpt-1bやjapanese-gpt-neox-smallなどの日本語モデルをHugging Faceで公開しています。1.3Bパラメータや小型モデルは、最新の巨大LLMと比べると性能面では差がありますが、個人がモデルを読み込み、Transformersで推論し、プロンプトやファインチューニングの基礎を学ぶにはかなり良い教材です。

注意点として、公開モデルは「モデルが無料で使える」ことと「実行コストが無料」という意味は違います。自分のPCで動かすならGPUやメモリが必要ですし、クラウドGPUを使えば時間課金がかかります。個人で学ぶなら、まずはGoogle Colabや小型モデルから始めるのが現実的です。

個人として使うなら、どれを選ぶべきか

個人利用で考えるなら、用途別に選ぶのが一番失敗しにくいです。

まず日本製AIの雰囲気を試したいなら、PLaMoの無料Chat、Sakana Chat、ELYZAのデモ版が入り口になります。アカウント作成や利用条件はそれぞれ確認が必要ですが、いきなり開発環境を組まなくても日本語の回答品質を比べられます。

ブログ、文章作成、要約に使いたいなら、PLaMoやELYZA系のデモを試すのがよさそうです。日本語の言い回し、箇条書きの整理、長文要約のクセを見ると、自分の書き方に合うか判断できます。

AI開発を勉強したいなら、Hugging Faceのrinnaやサイバーエージェント系モデルが向いています。モデルをロードする、トークナイザーを使う、推論する、軽くファインチューニングしてみる、という流れを学べます。これはChatGPTを使うだけでは身につきにくい部分です。

会社で社内文書や機密情報を扱いたいなら、tsuzumi 2、cotomi、Takane、PLaMoのオンプレミス・法人向け提供を検討する領域です。個人アカウントで便利だからといって、社内規程や顧客情報を外部AIへそのまま入れるのは危険です。法人導入では、データ保持、学習利用、ログ、アクセス制御、監査、障害時の代替手順まで見る必要があります。

料金を見るときの注意点

AIの料金は、月額だけで比較するとかなり危ないです。特にAPI型のAIは、入力トークンと出力トークンの従量課金になることが多く、使い方によって月額費用が大きく変わります。

トークンとは、AIが文章を処理するために分割した単位です。日本語の場合、1文字がそのまま1トークンになるわけではなく、モデルやトークナイザーによって変わります。PLaMoのように日本語向けのトークナイザー効率を重視しているモデルは、日本語中心の業務ではコスト面で効いてくる可能性があります。

また、法人向けAIでは、モデル利用料だけでなく、RAG用のストレージ、セキュリティ機能、ユーザー管理、サポート、オンプレミス構築費、GPUサーバー費、運用人件費も入ってきます。TakaneのGenerative AI Platformのように月額99万円という価格を見ると高く感じますが、そこにはLLM、RAG、セキュリティ、UI/API、ヘルプデスクなどが含まれています。逆に、公開モデルを自分で動かす場合はモデル費用がなくても、GPUや運用の手間が自分に乗ってきます。

日本製AIのビジョン：海外AIの代替ではなく、国内業務に深く入る存在へ

日本製AIの価値は、「ChatGPTの代わりになるか」だけで見ると少しもったいないです。もちろん汎用チャットとしての性能も大切ですが、本当に強みが出るのは、日本語の業務文書、国内制度、自治体業務、金融・医療・製造、SIの現場などです。

デジタル庁のガバメントAI「源内」でも、国内大規模言語モデルの試用が進められています。選定されたモデルには、tsuzumi 2、cotomi v3、Takane 32B、PLaMo 2.0 Prime、Llama-3.1-ELYZA-JP-70Bなどが含まれています。これは、国産AIが単なる研究テーマではなく、行政実務の中で評価される段階に入ってきたことを示しています。

SE視点で見ると、今後の国産AIは「チャット欄に質問する道具」から「業務システムに組み込まれる部品」へ進んでいくはずです。問い合わせ対応、稟議書作成、仕様書レビュー、法令改正チェック、テストケース生成、ナレッジ検索など、表に出ない部分で使われる場面が増えていくでしょう。

個人としても、この流れを追っておく意味は大きいです。日本製AIを触っておくと、日本語LLMのクセ、トークン課金、RAG、ローカル実行、API連携、AIエージェント化といったテーマを自分の手で試せます。仕事でAI導入の話が来たときにも、「なんとなく便利そう」ではなく、「この用途ならこのタイプ、ここは注意」という会話ができます。

まとめ：個人は触りやすいものから、企業は用途とデータで選ぶ

日本製AIは、すでに「名前だけの国産」ではなく、かなり具体的な強みを持ち始めています。

PLaMoは、個人も企業も試しやすい国産生成AIとして注目です。Sakana AIは、リサーチや日本向け調整、AIが自律的に考える方向で存在感があります。ELYZAは、日本語LLMを企業導入へつなぐ実装寄りの立ち位置です。tsuzumi 2、cotomi、Takaneは、企業・自治体・専門業務での利用を強く意識したAIです。サイバーエージェントやrinnaの公開モデルは、個人開発者が日本語LLMを学ぶ入口になります。

個人なら、まずはPLaMo、Sakana Chat、ELYZAデモ、Hugging Faceの公開モデルから触るのがおすすめです。企業なら、料金だけでなく、データをどこに置くか、社内文書をどう参照させるか、誰が運用するか、障害時にどう切り替えるかまで含めて選ぶ必要があります。

海外AIを使わないという話ではありません。むしろ、海外AIと日本製AIを用途で使い分けるのが現実的です。公開情報のリサーチや英語資料の整理は海外大手、国内文書・機密情報・行政や業界特化の業務は国産AI、という分け方は今後かなり増えていくと思います。

AIは「どのモデルが最強か」より、「どの仕事に、どの安全線で、いくらまで使うか」が大事です。日本製AIは、その選択肢を国内事情に合わせて増やしてくれる存在になりつつあります。

参照元URL

確認日：2026年7月5日。各AIサービスの料金、提供形態、利用条件は変更される可能性があります。

コメント