小規模言語モデル（SLM）とは｜通信しないAIが、中小企業にとって何の解決になるか

小規模言語モデル（SLM）とは、大規模言語モデル（LLM）と比べてパラメータ数を抑えた言語モデルです。総務省 令和8年版情報通信白書は、厳密な定義は統一されていないとしたうえで、本節ではおおよそパラメータ数が百億程度までのモデルを指すとしています。パラメータ数が少ない分、動かすのに必要な計算資源も小さくて済み、通信を使わずに端末の中だけで動かせる点がLLMとの実務上の違いになります。

「社外に情報が出るから使えない」で止まっている検討に、別の選択肢が出てきました。従業員10〜20名で、情報の持ち出しを理由にAI利用を保留している担当者に向けて書いています。

先に結論

小規模言語モデル（SLM）は、端末の中で動き、通信を必要としない点が中小企業にとっての違いです。入力した内容が社外のサーバーへ送られないため、情報の持ち出しを理由にした保留を外せる可能性があります。ただし万能ではありません。白書は知識のカバー範囲や複雑な推論能力には限界があると明記しています。汎用的な知識や高度な推論が必要な用途では、SLM単体では足りません。

いま判断すべきは導入の可否ではなく、自社の用途が「限られた範囲の、決まった形の作業」かどうかです。そうであればSLMの射程に入り、そうでなければ従来どおりの検討になります。

この記事で扱うこと

SLMとLLMは何が違うのか。白書の定義を確かめます。通信しないことが社内規程のどこに効くのか。できないこととして白書が挙げていること。いま検討に入れるべきか、待つべきかの判断材料。この4点を扱います。

定義はまだ固まっていない

令和8年版情報通信白書は、SLM（Small Language Model）について、一般に大規模言語モデル（LLM）と比較してパラメータ数が小さいモデルとされるが、その規模感には幅があり、厳密な定義は統一されていないと記載しています。

出どころ	SLMとする範囲
海外のベンチマーク研究論文	パラメータ数70億以下
IBM	数十〜数百億程度
人工知能学会の論文	140億パラメータ以下として扱う事例
令和8年版情報通信白書（本節での扱い）	おおよそパラメータ数が百億程度まで

製品の説明で「小型モデル」と書かれていても、どの範囲を指しているかは一定ではありません。比較するときはパラメータ数を確認することになります。

実際に提供されているモデルの大きさ

定義の幅は、実物を並べると見当がつきます。白書が取り上げているモデルと、提供元が仕様を公表しているモデルを、パラメータ数とあわせて並べました。載せたのは提供元自身の公表資料で確認できた数値だけです。

モデル名	提供元	パラメータ数	提供元が挙げている動作環境
PLaMo Lite	Preferred Networks（開発は子会社のPreferred Elements）	10億	自動車・ロボット・製造設備・パソコンなどのエッジデバイス、自社保有のオンプレミス環境
Llama 3.2 の軽量モデル	Meta	10億・30億	Android端末での実測値を公表
JPharmatron-7B	EQUES	70億	社内ネットワークやローカル環境
Gemma 3	Google	10億・40億・120億・270億	VRAM 8GBのノート向けGPUから24GBのデスクトップ向けGPUまでを例示

並べると2つ見えてきます。1つは、同じ製品名の中に白書の範囲を超える大きさが混ざっていること。Gemma 3 の270億パラメータ版は、白書が本節で扱う百億程度という範囲の外側です。もう1つは、呼び方が提供元と白書で一致していないことでした。EQUESはJPharmatron-7Bを製薬業界向けの大規模言語モデルとして発表していますが、白書は同じモデルを小規模言語モデルの節で紹介しています。

つまりパラメータ数は候補を絞る手がかりにはなりますが、動くかどうかの答えにはなりません。必要なメモリは、同じパラメータ数でも量子化の有無で大きく変わります。この点は後の「端末の側にも条件がある」で扱います。

中小企業にとっての違いは「通信しない」こと

白書は、SLMの特徴として次を挙げています。パラメータ数が少なく、カスタマイズが容易であること、特定分野に限定した学習をさせることで、軽量で特定分野に高い精度を持つモデルを構築できること、そして計算量が抑えられているため、計算資源や消費電力の制約がある環境でも利用可能で、エッジデバイス上での実行に適していること。

続けて、エッジデバイスでの利用は通信を必要としないため、個人情報などプライバシーの保護やセキュリティの観点でも期待が集まっているとしています。

ここが実務上の分かれ目です。社外へ送信しない構成であれば、社内規程の中で「外部サービスへ入力してはいけない情報」として線を引いてきた部分の扱いが変わります。

確認する項目	従来の外部サービス	端末内で動くSLM
入力内容の送信先	提供事業者のサーバー	端末の中で完結する構成であれば送信しない
学習への利用	設定で無効にできるかを確認する必要がある	送信しないため、この確認が不要になる
通信が切れたとき	使えない	使える
利用ログの所在	提供事業者側の管理画面	端末側。取得できるかは製品による

通信しない構成が実際に選ばれている例も、白書に載っています。楽天モバイル・AWL・ヴィッセル神戸の3社は、総務省の地域社会DX推進パッケージ事業として、神戸市のノエビアスタジアム神戸で、監視カメラの近くに置いた機器でSLMを動かす実証を行いました。白書は、クラウドAIと比べて通信の混雑に影響されない点と、クラウドの高性能GPUを使うより省電力・省コストである点に期待が集まっているとしています。

規模も予算も中小企業の話とは違いますが、選ばれた理由のほうは重なります。通信に左右されないことと、費用の見通しが立つこと。この2点をどう確かめるかが、そのまま検討の入口になります。

ただし「SLMを使っている」と書かれた製品が、必ず端末内で完結しているとは限りません。クラウド側でSLMを動かす構成も存在します。送信の有無は、モデルの大きさではなく構成で決まります。

白書が挙げている限界

白書は、パラメータ数が少ないことで知識のカバー範囲や複雑な推論能力には限界があるとし、汎用的な知識や高度な推論が求められる用途においてはSLM単体での対応には限界がある、と記載しています。

そのうえで、実務においては検索拡張生成（RAG）を用いた外部知識の活用や、LLMとSLMを組み合わせた構成が有効なアプローチとして整理されている、としています。

用途	SLM単体で足りるか	理由
決まった書式への転記・整形	足りることが多い	求められるのは形式の変換で、広い知識を必要としない
社内の用語での言い換え	学習させれば足りる場合がある	特定分野に限定した学習が可能
社内文書を根拠にした回答	単体では足りない	外部知識の参照（RAG）を組み合わせる構成になる
前提の異なる複数の条件を比べる判断	足りない	複雑な推論能力に限界があるとされる

端末の側にも条件がある

白書は、国立情報学研究所の佐藤一郎教授へのヒアリングとして、次の指摘を紹介しています。スマートフォンやタブレットでは、デバイス上で利用可能なSLMの性能の限界から、利用者が満足する性能を実現できるか不確実なためSLMの利用が必須にはならない。一方でパソコンは、スマートフォンやタブレットとの差別化のためにSLMが動くことが必須となってくる可能性があり、SLMが動く必要があるデバイスとそうでないデバイスで二極化が進むという見方です。

つまり、端末内で動かす構成を前提にする場合、買い替えの計画と切り離せません。現在使っている業務用パソコンの構成で動くかどうかが、そのまま導入の可否になります。

提供元が公表している必要メモリ

白書に端末の仕様は書かれていませんが、モデルの提供元は数値を出しています。Googleは Gemma 3 を4ビットへ量子化した版について、モデルの重みを読み込むために必要なメモリを公表しました（Google Developers Blog／確認日 2026-09-04）。桁の感覚をつかむ材料になります。

モデルの大きさ	量子化前	4ビット量子化後	提供元が例示している動作環境
1B	2GB	0.5GB	記載なし
4B	8GB	2.6GB	記載なし
12B	24GB	6.6GB	ノート向けGPU（VRAM 8GB）
27B	54GB	14.1GB	デスクトップ向けGPU（VRAM 24GB）

この数値には条件が2つ付いています。1つは、重みを読み込む分だけであり、動かしている間に使う領域は含まれていないこと。もう1つは、使う推論ツールと環境によって変わるとGoogle自身が注記していることです。上限ぎりぎりの構成を選ぶと、実際には収まりません。

小さい側の実測もあります。Metaは Llama 3.2 の1Bモデルを量子化してAndroid端末で動かした結果として、メモリ使用量1,921MB、毎秒50.2トークンの生成速度を公開しています（Meta の公式モデルカード／確認日 2026-09-04）。スマートフォンで動く大きさのモデルが実在する、ということです。

ただし、GPUを積んでいない一般的な業務用ノートPCで動く、と書いた公式文書は見つかりませんでした。提供元が数値を示しているのは、いずれもGPUを載せた機械かスマートフォンです。内蔵グラフィックスだけの構成で足りるかどうかは、公表されている資料からは判断できません。ここは製品ごとに、実機で確かめる項目として残ります。

量子化そのものにも代償があります。Metaは、量子化した版では扱える文脈の長さが12万8千トークンから8千トークンへ縮むと明記しました。長い議事録や契約書をまとめて渡す使い方は、この時点で外れます。軽くすることと、一度に読ませられる量は引き換えの関係にあります。

いま検討に入れるか、待つか

次の3つが揃っている場合は、検討に入れる価値があります。

外部サービスへ入力できない情報が理由で止まっている業務がある。その業務が、決まった形の入力と出力に収まっている。端末の買い替え時期が近く、構成を選べる。この3つが揃ったときです。

逆に、止まっている理由が情報の持ち出しではなく誰が確認するかが決まっていないことである場合、SLMにしても解決しません。その場合は人とAIの役割分担の側から進めます。

確認できないこと

この記事は、白書に記載された定義・特徴・限界・実装動向と、そこから読み取れる判断材料を扱っています。モデルのパラメータ数と必要メモリは、提供元が公表している範囲だけを載せました。性能の比較と価格は含んでいません。ベンチマークの成績はいずれも提供元自身の発表で、条件を揃えた比較ができないためです。

また、SLMを使えば情報が社外へ出ない、と一般化することもできません。送信の有無は構成しだいです。製品を選ぶ段階では、通信の有無を仕様として確認することになります。

よくあるご質問

SLMを使えば、社内規程を変えなくてよいのですか

変える必要は残ったままです。多くの規程は「外部サービスへの入力」を対象にしているため、端末内で完結する利用が想定の外にあります。何を対象にした規程なのかを読み直し、送信しない構成を扱えるようにしておく必要が出てきます。

既存のパソコンでも動きますか

動くかどうかは端末の構成によります。白書は、SLMが動く必要があるデバイスとそうでないデバイスで二極化が進む可能性を指摘しています。動作条件は製品ごとに確認する項目で、白書からは判断できません。

いま導入すべきですか

情報の持ち出しが理由で止まっている業務があり、その業務が決まった形に収まっているなら、検討に入れる段階です。止まっている理由が別にある場合、SLMに置き換えても同じ場所で止まります。

出典

• 総務省「令和8年版 情報通信白書」第Ⅰ部第2章第2節 最近の研究開発・社会実装動向（小規模言語モデル・概要、社会実装における期待、研究開発動向、社会実装等の動向）2026年9月8日確認
• 株式会社Preferred Networks「小型で軽量な小規模言語モデルPLaMo Liteの提供開始」2026年9月8日確認
• 株式会社EQUES「製薬特化の大規模言語モデル「JPharmatron-7B」を開発しました」2026年9月8日確認

情報の持ち出しを理由に止めている業務を1つ書き出します。その業務の入力と出力が決まった形かどうかを見ると、SLMの射程に入るかがその場で判断できます。

止めている理由の切り分けから相談できます。お問い合わせはこちらです。