楽天Rakuten AI 3.0＝DeepSeek V3リブランド炎上のその後｜GENIAC補助金・国産LLM定義問題の現在地【2026年7月続報】

楽天グループが2026年3月17日に公開した日本語特化LLM「Rakuten AI 3.0」は、公開直後に中国DeepSeek社のオープンモデル「DeepSeek V3」をベースにした追加学習モデルであることが技術者コミュニティによって発覚し、大きな批判を集めました。2026年7月現在、経産省・NEDOからの補助金返還要求などの公式処分は確認されておらず、ライセンス表示の不備は是正済みで、事態は「制度と業界慣行の見直し議論」へと移行しています。

炎上を扱った多くの解説記事は2026年3月末で情報が止まっています。この記事では、事件の経緯を短く振り返ったうえで、その後4カ月間に何が起きて何が起きなかったのか（2026年7月時点）を一次情報ベースで整理します。

この記事でわかること：

• 炎上の全貌と完全タイムライン（発覚から公式承認まで）
• 【続報】補助金返還要求・経産省の対応・GENIAC第4期の動向（2026年4〜7月）
• ライセンス問題の「現在地」（NOTICE追加後のHugging Faceの状態）
• Rakuten AI 3.0とDeepSeek V3のスペック一致の技術的根拠
• 「国産LLM」の定義問題と各社の開発方式の違い
• 企業・個人がRakuten AI 3.0を今使うべきかの判断基準

この記事はこんな方向けです： 事件の顛末と最新状況をまとめて把握したい方、DeepSeekベースであることのリスクを正しく評価したい企業担当者、「国産LLM」の調達基準を検討している方。

【2026年7月時点の結論】事件は今どうなっているのか

出典: Rakuten/RakutenAI-3.0 — Hugging Face

楽天への公式処分・補助金返還要求は現時点で確認されておらず、Rakuten AI 3.0はライセンス表示を是正した状態でHugging Faceに公開が続いています。一方で、楽天からの新規続報プレスも2026年3月27日の公式承認以降は確認できず、コミュニティでの実利用も限定的です。

つまり、「補助金返還騒動」として拡大する展開にはならず、「国産LLMの定義」と「公金を使ったAI開発の説明責任」という制度的な宿題を残したまま沈静化した、というのが2026年7月時点の実態です。

なお、GENIACの補助は計算資源の利用料等の支援であり、「フルスクラッチ開発であること」を義務付ける建付けではないため、そもそも制度上の返還根拠が明確でないという報道整理もあります。

何が起きたのか — 3分でわかる事件の要点

事件の核心はシンプルです。楽天が「国内最大規模の日本語特化LLM」として公開したRakuten AI 3.0が、実は中国DeepSeek社のオープンモデル「DeepSeek V3」をベースにした追加学習モデルだったにもかかわらず、公開時点でそれを明示していなかった、という透明性の問題です。

楽天のプレスリリースは「オープンソースコミュニティ上の最良なモデルを基に」とのみ記載し、ベースモデル名を明かしていませんでした。さらに2025年12月の開発発表時には「楽天独自の高品質なバイリンガルデータ、技術力および研究成果によって開発」と表現していたため、発覚時のギャップが批判を増幅させました。

重要なのは、問題の所在を正しく切り分けることです。

「中国製AIを使ったから危険」という短絡的な批判と、「透明性・ライセンス・公金の説明責任」という本質的な論点は、分けて考える必要があります。

出典: 楽天グループ 公式プレスリリース（2026年3月17日）

完全タイムライン — 採択から公式承認、そして沈静化まで

事件の経緯と2026年7月までの続報を、裏取り済みの事実のみで時系列に整理します。

タイムラインで注目すべきは、3月19日に「非開示」と回答した楽天が、8日後の3月27日に一転して公式承認した点です。発覚から承認までの約10日間の対応が、透明性への不信を決定的にしました。

出典: Yahoo!ニュース エキスパート（山口健太氏・2026年3月27日）

技術的証拠 — config.jsonとスペックの完全一致

出典: deepseek-ai/DeepSeek-V3 — Hugging Face

発覚の決め手は、Hugging Faceで公開されたモデルリポジトリの設定ファイル config.json でした。そこには以下の記述が含まれていました。

{
  "model_type": "deepseek_v3",
  "architectures": ["DeepseekV3ForCausalLM"]
}

これはモデルの構造を定義する機械可読の情報で、Rakuten AI 3.0がDeepSeek V3のアーキテクチャをそのまま使用していることを示します。さらに、主要スペックがDeepSeek V3と完全に一致していました。

技術的に正確に言えば、Rakuten AI 3.0は「リブランド（名前だけの差し替え）」ではなく、DeepSeek V3をベースにした継続事前学習（CPT）＋ファインチューニングによる派生モデルです。楽天は日本語データによる追加学習を行っており、日本語ベンチマークでの性能向上（JamC-QA 76.9でGPT-4oの74.7を上回る等の自社発表値）は実際に主張されています。

ただし、どの程度の独自学習が行われたかの詳細な技術報告は、2026年7月時点でも公式には確認できません。「リブランド」という言葉が広がった背景には、この技術的詳細の非開示があります。

DeepSeek V3そのものの特徴や性能については、DeepSeekとは｜特徴・料金・セキュリティを徹底解説で詳しく解説しています。

出典: Rakuten/RakutenAI-3.0 — Hugging Face

ライセンス問題の現在地 — 違反状態は是正済み

ライセンス問題については、2026年7月現在、是正済みの状態が維持されています。混乱の多かった論点なので、事実関係を段階ごとに整理します。

DeepSeek V3はMITライセンスで公開されており、商用利用も派生モデルの作成・配布も許可されています。ただし著作権表示とライセンス文の保持が条件です。

注意すべきは、海外報道の一部に「ライセンスファイルを意図的に削除しApache 2.0に差し替えた」とする強い表現があった点です。しかし意図性を楽天は認めておらず、単純な作業ミスの可能性も否定できないため、「意図的削除」と断定することはできません。確認できる事実は「初期リリースで表示が欠落し、指摘後にNOTICEファイルが追加された」ことのみです。

現在Rakuten AI 3.0を利用する場合、ライセンス面での法的リスクは実務上解消されていると評価できます。商用利用を検討する企業は、Apache 2.0とNOTICEファイルの条件を確認したうえで利用すれば問題ありません。

GENIAC補助金問題 — 「返還すべき」論のその後

炎上を社会問題に押し上げた最大の要因が、経産省・NEDOが推進する「GENIAC」の支援を受けた成果物だったことです。ただし2026年7月時点で、補助金返還要求などの公式な動きは確認されていません。

GENIACとは何か

GENIAC（Generative AI Accelerator Challenge）は、経済産業省とNEDOが2024年度に開始した生成AI開発支援プロジェクトです。「ポスト5G情報通信システム基盤強化研究開発事業」を活用し、GPU等の計算資源の利用料を補助する仕組みで、第1〜3期の公募総額は339億円、計算資源支援は延べ30件にのぼります（2026年1月時点の公表資料ベース）。

楽天はGENIAC第3期に採択され、この支援を受けてRakuten AI 3.0を開発しました。

「5億円」という金額は一次ソース未確認

SNSや一部のnote記事では「楽天は5億円の補助を受けた」といった具体的な金額が流布していますが、楽天への個別補助金額は非公開であり、「5億円」の一次ソースは確認できません。金額を断定して批判・擁護するのは、いずれも根拠を欠きます。

返還論はなぜ拡大しなかったのか

「公金で海外モデルの二次開発をしただけなら返還すべきだ」という声は炎上時に多く上がりました。しかし2026年7月時点で返還要求が実現していない背景には、制度の建付けがあります。

• GENIACの補助は計算資源の利用料支援であり、「フルスクラッチ開発であること」を採択・補助の条件としていない
• 既存オープンモデルへの継続事前学習も「基盤モデル開発」の範囲として扱われており、制度上の返還根拠自体が不明確
• ベースモデルの開示義務も明文化されていなかった

つまり、楽天の対応は「制度違反」ではなく「制度の想定外（開示規範の不在）」だったというのが、報道各社の整理です。批判の矛先は楽天個社から、「国産AI開発を名目とする公的支援に、成果物の開発手法の開示義務がない」という制度設計の課題へと移りました。

GENIAC第4期の動向（2026年6月）

2026年6月4日、GENIAC第4期（計算資源提供支援）で16件の採択が公表されました（アジラ、ABEJA等）。楽天の名前はありません。注目されていた「ベースモデル開示の要件化」などの制度変更は、公表資料からは確認できず、第4期は従来どおりの運用で進行しています。制度改訂の議論が水面下で行われている可能性はありますが、公式発表がない以上、現時点では「変更なし」と見るのが正確です。

出典: 経済産業省 GENIAC公式ページ

「国産LLM」の定義問題 — この事件が業界に残したもの

この事件の最大の遺産は、「国産LLM」という言葉に定義がないことを社会に突きつけた点です。2026年7月時点でも、「国産LLM」を定義する法的・制度的な規定は存在しません。

開発方式による段階分類

LLMの「国産度」は、開発方式によって段階的に分類できます。

業界分析では、日本企業の主要LLMの多く（一説には約6割）がDeepSeekやQwenといった中国系オープンモデルの二次開発だと指摘されています。フルスクラッチ開発にはGPT-3級でも数十億〜数百億円規模の投資が必要で、Web上のテキストに占める日本語の比率が約5〜6%しかないというデータ制約もあり、Level 4（継続事前学習）は技術的にも経済的にも合理的な業界標準手法です。

問題は手法ではなく、Level 4のモデルがLevel 1であるかのように受け取られる発信をしたまま、開示を怠ることにあります。中国系オープンモデルが世界のAI開発でどれほど大きな存在になっているかは、中国製AIモデルがOpenRouter利用の60%超え｜世界のAI開発が中国OSSに依存する構造で詳しく解説しています。

フルスクラッチ国産LLMとの対比

透明性やソブリン性（自国での技術主権）を重視する場合の対比事例として、以下の国産フルスクラッチ系モデルがあります。

• PLaMo 3.0 Prime（Preferred Networks）— 国産フルスクラッチの代表格。詳しくはPLaMo 3.0 Primeとは
• Sarashina3（SB Intuitions）— ソフトバンク系のフルスクラッチ開発。詳しくはSarashina3とは
• LLM-jp-4（国立情報学研究所）— 研究コミュニティ主導のオープン開発。詳しくはLLM-jp-4とは

国産LLM全体の比較は国産LLM 7選 徹底比較で、政府調達の文脈はデジタル庁の国産AIとはで整理しています。

楽天の公式説明とその評価

楽天が2026年3月27日に公表した説明の要旨は以下のとおりです。

• DeepSeek V3の採用は「AIのオープンソースの重要性の認識に加え、AIコミュニティおよび日本企業への貢献を目指す総合的な判断」
• モデルの重みを「自社の開発環境に移し、データ漏洩やバックドアがないことを分析・確認」したうえで、国内でセキュアに運用している

オープンモデル活用の合理性を説く内容自体は筋が通っています。ただし、「なぜ最初から開示しなかったのか」への説明は含まれておらず、この点は2026年7月時点でも回答がないままです。2025年12月の「楽天独自の技術力および研究成果によって開発」という表現との整合性も、公式には説明されていません。

信頼回復の観点では、追加学習の規模・データ・手法に関する技術レポートの公開が有効な一手ですが、現時点でそうした続報は確認できていません。

セキュリティの正しい理解 — 「DeepSeekベース＝危険」ではない

出典: DeepSeek公式サイト

炎上時に最も多かった誤解が「中国製モデルがベースだからデータが中国に送られる」というものです。これは利用形態の区別を欠いた誤解です。

Rakuten AI 3.0はHugging Faceから重みをダウンロードしてオンプレミス・閉域環境で動かすモデルであり、中国へのデータ送信経路は原理的に存在しません。楽天も「自社開発環境でデータ漏洩やバックドアがないことを確認した」とコメントしています。

一方で、残存リスクとして考慮すべき点はあります。

• ガードレールの継承: ベースモデル由来の脱獄（ジェイルブレイク）耐性・安全性の特性を一定程度継承する可能性があり、企業利用では独自のレッドチーム評価が望ましい
• 運用インフラ要件: 実行にはH100 GPU 8枚相当（総VRAM約640GB）が必要で、セキュアな自社運用のハードル自体が高い

「中国製＝危険」という単純化も、「オープンソースだから完全に安全」という単純化も、どちらも不正確です。利用形態とリスクの対応関係で判断してください。

Rakuten AI 3.0を今使うべきか — 2026年7月時点の判断基準

Rakuten AI 3.0の導入判断は「性能」よりも「運用体力」と「調達ポリシー」で決まります。モデル自体は無料（Apache 2.0・商用可）ですが、実行環境のハードルが極めて高いためです。

利用の前提条件

こんな企業・開発者におすすめ

• H100×8相当のGPUインフラを保有または調達でき、閉域環境で大規模日本語LLMを運用したい企業
• 海外APIへのデータ送信を避けたいセキュリティ要件の厳しい組織
• MoE型大規模モデルの日本語追加学習の実例として研究・検証したい開発者
• Apache 2.0の範囲で日本語特化モデルを商用組み込みしたい事業者

こんな企業・個人にはおすすめしません

• 一般的なGPU環境しかない個人・中小企業 — 640GB級のVRAM要件は個人利用では非現実的。ローカルLLMなら小型の国産・海外モデルが現実的です
• ベースモデルの透明性を調達要件とする組織 — 追加学習の詳細な技術報告が公開されていない現状では、説明責任要件を満たしにくい
• すぐ使えるAPIを求めるユーザー — 公式APIは未発表のため、API利用前提ならChatGPT・Claude・Gemini等が候補になります
• 「国産だから」という理由だけで選ぼうとしている方 — 「国産」の中身は開発方式によって大きく異なり、名称だけでは透明性もソブリン性も判断できません

企業のAI調達で確認すべきチェックリスト

この事件の教訓を、AI調達の実務に落とすなら以下の確認が有効です。

1. ベースモデルの開示: フルスクラッチか、既存モデルの派生か。派生ならベースモデル名とライセンス
2. ライセンスチェーン: ベースモデルのライセンス条件（帰属表示等）が成果物で遵守されているか
3. 追加学習の内容: 学習データ・規模・手法の技術報告があるか
4. 運用形態とデータフロー: API経由か自社環境実行か。データがどの国・事業者を経由するか
5. 公的資金の関与: 補助事業の成果物である場合、開示要件・利用条件の確認

よくある質問（FAQ）

Q1. 結局、楽天は補助金を返還したのですか？

いいえ。2026年7月時点で、経産省・NEDOから補助金返還要求や処分に関する公式発表はなく、楽天が返還した事実も確認されていません。GENIACの補助は計算資源利用料の支援であり、フルスクラッチ開発を義務付ける制度ではないため、返還を求める法的根拠自体が不明確というのが報道各社の整理です。

Q2. Rakuten AI 3.0は今もダウンロードできますか？使って大丈夫ですか？

はい。Hugging FaceでApache 2.0ライセンスのもと公開が続いており、商用利用も可能です。初期に欠落していたDeepSeekの著作権表示もNOTICEファイル追加で是正済みのため、ライセンス面の実務リスクは解消されています。ただし実行にはH100 GPU 8枚相当の環境が必要です。

Q3. この事件でGENIACの制度は変わりましたか？

公表資料からは制度変更は確認できません。2026年6月4日に公表されたGENIAC第4期（16件採択）は従来どおりの運用で進行しており、ベースモデル開示の要件化などの変更は現時点で発表されていません。

Q4. 「リブランド」という表現は正確なのですか？

厳密には不正確です。Rakuten AI 3.0はDeepSeek V3に日本語データで継続事前学習・ファインチューニングを施した派生モデルであり、名前だけ差し替えた「リブランド」とは異なります。ただし追加学習の詳細が非開示だったため、独自性の程度を外部から検証できず、「リブランド」という批判的表現が広がりました。

Q5. DeepSeekの新しいモデルとの関係はどうなりますか？

DeepSeekはV3の後継となるV4系を展開しており、オープンモデルの性能競争は続いています。楽天が後継モデルをベースにした次期版を開発するかは未発表です。DeepSeekの最新動向はDeepSeek V4とはを参照してください。

Q6. 事件の経緯をもっと詳しく知りたい場合は？

発覚当時の詳細な経緯・config.jsonの技術解説・炎上の反応については、楽天Rakuten AI 3.0＝DeepSeek V3リブランド炎上まとめで事件そのものを掘り下げて解説しています。

まとめ — 事件が残した3つの宿題

Rakuten AI 3.0の炎上は、2026年7月時点では公式処分に至ることなく沈静化しました。しかし、次の3つの宿題は未解決のまま残っています。

1. 「国産LLM」の定義と開示規範 — フルスクラッチから派生モデルまでの開発方式を開示する業界標準は、依然として存在しない
2. 公的支援制度の説明責任設計 — GENIACにベースモデル開示義務はなく、第4期でも制度変更は確認できていない
3. 楽天自身の技術的透明性 — 追加学習の詳細を示す技術レポートは公開されておらず、3月27日の広報コメント以降の続報もない

一方で確認できた事実として、DeepSeek V3のようなオープンモデルの二次開発は業界の標準手法であり、自社環境での運用であれば中国へのデータ送信リスクは構造上発生しません。感情的な「国産偽装」批判と、制度・透明性の本質的課題を切り分けて評価することが、この事件から得られる最も重要な視点です。

国産LLMの選択肢を比較検討したい方は国産LLM 7選 徹底比較を、ベースモデルとなったDeepSeekの実力とリスクを知りたい方はDeepSeekとはをあわせてご覧ください。