ニュース
日本語で考える金融特化LLM「PLaMo 3.0 Fin」オープンウェイトで公開
2026年11月9日 16:00
銀行や証券会社には、顧客データを社外のクラウドへ出せない業務が多い。そうした金融機関が自社の設備内で動かせる国産AIが登場した。Preferred Networks(PFN)は11月9日、金融特化型のLLM(大規模言語モデル)「PLaMo 3.0 Fin」を、オープンウェイト(モデルの重み)として公開した。
公開先はHugging Faceで、ライセンスは「PLaMoコミュニティライセンス」。非商用利用は無償。利用者または関係会社の直近事業年度の収入または売上が10億円未満なら、事前登録のうえ商用利用も無償となる。
PLaMo 3.0 Finは、PFNが国産生成AI基盤モデル「PLaMo」をベースに開発した、パラメータ数8B(80億)の金融特化型のLLMである。小型のため、外部と接続しないクラウドの閉域環境や、自社サーバーで運用するオンプレミス環境でも、GPU1枚から動かせる。
一度に扱える文章量(コンテキスト長)は262,144トークン。段階的に考えてから回答するReasoning(推論)機能を搭載し、考えた過程は日本語で出力される。Web検索などの外部ツールを呼び出す機能も備える。
大量の処理を要する金融業務すべてに大型のLLMを使うと費用対効果が見合わない場合があると、PFNは説明する。想定業務には、問い合わせの分類、顧客確認(KYC)書類の突き合わせ、不正検知アラートの分析、融資先の業況分析が挙げられている。
学習は、NICT(情報通信研究機構)との共同研究による事前学習モデル「PLaMo 3 NICT 8B Base」が土台である。これに金融データの継続事前学習とSFT(教師ありファインチューニング)、回答ペアで出力を調整するDPOの3段階を重ねた。SFTは指示への追従性能を強化する工程で、行列演算に特化してPFNが自社開発したAI半導体「MN-Core 2」の計算基盤で実施された。学習用プログラムのMN-Core 2への移植は、コードを書くAIエージェントを使う手法で1週間以内に完了し、移植後の学習ではGPU環境と同等の速度を達成したという。
金融の専門知識を問う日本語ベンチマーク「japanese-lm-fin-harness」の5タスク平均は55.8で、ベースモデルの48.0から7.8ポイント向上した。この値は「Gemma 4 E4B」の45.6や「gpt-oss-20b」の43.0を上回る。ただし、同規模の「Qwen3.5-9B」の60.1や「Ministral 3 14B」の62.8には届かない。
文章生成を10点満点で採点する「pfmt-bench-fin-ja」は8.35だった。ツール呼び出しを測る金融ツールユースベンチは平均71.3(100点満点)で、いずれも首位のGemma 4 E4Bを下回る。
海外の大手AI企業は、別の方式で金融に参入している。Anthropicは2025年7月15日(現地時間)に「Claude for Financial Services」を発表し、汎用モデルClaudeに金融データをクラウド経由でつなぐ。OpenAIも2026年9月10日(現地時間)、「ChatGPT for Financial Services」を発表した。いずれも、巨大な汎用モデルを自社のクラウドで使わせ、そこへ金融データを集める方式だ。
PFNはその逆で、小型の特化モデルを配布し、データのある金融機関の側で動かす。ただしモデルカードには、検証は日本語のみで、幻覚(ハルシネーション)が起きやすいことも明記されている。PFNは今後、金融特化型の「競争力あるモデルの研究開発を進める」としており、ベンチマークで先行するQwen3.5-9Bなど海外オープンモデルとの差を詰められるかは次のモデルにかかっている。
