製造・研究開発のためのローカルLLM選び

なぜこの分野でローカルLLMか

設計情報・実験データ・出願前の情報などを扱います。出願前情報が、秘密保持義務を負わない者への開示等によって公然知られた状態になると新規性を失うおそれがあるため、外部AIへの入力は利用規約・秘密保持条件を確認する必要があり、手元で完結するローカル処理が有力な選択肢になります。

現状と現実的な構成

製造・研究の分野特化モデルは限られます。現実的な構成の一つが『汎用モデル+社内技術文書を参照させるRAG』を必要に応じて閉域で運用することです。数式・図表を含む文書は画像対応(VLM)モデルの併用も選択肢になります。

この用途で見るべきベンチマーク

日本語能力は Nejumi を目安に。図表を含む文書は画像対応(VLM)の評価(MMMU等)も参考になります。RAGで社内文書を参照させると根拠を示しやすくなりますが、正確性は保証されないため、技術的な正当性は必ず自分で検証してください。

お使いのPC向けの推奨モデル(VRAM容量別)

各VRAM容量で快適に動く範囲から、パラメータ数が最大のモデルを自動で選んでいます — 性能比較の結果ではなく「収まる範囲での最大候補」です(汎用モデル+RAG構成のベースにする想定。モデルが増減すれば自動更新)。

汎用モデル+RAG/ツールという構成について

汎用モデルは、能力を「外付け」して専門用途に使えます。手元の最新文書(社内資料・ガイドライン・過去事例)を参照させて知識を足すのがRAG、検索・計算・API操作などの手順を足すのがツール利用(function calling / MCP / スキル)です。専用にファインチューンするより、資料や道具を差し替えるだけで更新でき、機密も外部に出さずに済みます。ただしローカルの小型モデルはツール活用が苦手なため、参照して答えるだけならRAG中心で小型でも実用、複数手順を計画・実行させたい場合は指示追従の強い中〜大型が必要という違いに注意してください。

ご利用にあたって

本ページはローカルLLM環境の選定情報です。出力の技術的な正当性は必ずご自身で検証してください。

この分野の記述は 2026-07-28 時点の状況に基づく目安です。モデルの状況は変わるため、最新はトップの判定と各モデルページでご確認ください。

▶ お使いのPCで実際に判定する