ELYZA-Thinking-1.0とは?LLM-jp-4ベースの国産推論モデル|33B/32B-A3Bの性能・必要GPU・使い方・LLM-jp-4.1比較【2026年11月】

この記事のポイント
ELYZA-Thinking-1.0は、ELYZAがLLM-jp-4をベースに作った日本語推論モデルで、33Bと32B-A3BがApache 2.0で無料公開されています。LLM-jp-4.1との項目別比較、必要GPU、vLLM・GGUFでの使い方、「国産」の範囲をまとめました。
ELYZA-Thinking-1.0(llm-jp-4版)は、KDDIグループのELYZAが2026年10月2日に公開した日本語向けの推論モデルです。国立情報学研究所(NII)が国内でゼロから事前学習した国産オープンLLM「LLM-jp-4」をベースにしており、33B(Dense)と32B-A3B(MoE)の2モデルがApache 2.0で無料公開されています。
ELYZAの公表値(並列ツール呼び出しの設問を除いた条件)では、同じサイズのLLM-jp-4.1を総合平均で上回りました。ただ、ELYZAの公式ブログによると、並列ツール呼び出しの設問を含めて評価すると、33BはLLM-jp-4.1とほぼ同じ水準になり、32B-A3Bは1.9ポイント下回ります。日本語の知識QAと細かい指示への追従は強く、数学とツール呼び出しは弱めです。Qwen3.5やGemma 4といった海外の最新オープンモデルには、総合平均で約6〜10ポイント届きません。
この記事でわかること
- ELYZA-Thinking-1.0(llm-jp-4版)の基本スペックと、2025年版(Qwenベース)との違い
- 「完全国産基盤」という表現が指している範囲(教師モデルにgpt-oss-120bを使った点を含む)
- 33Bと32B-A3Bの違いと、GPUメモリ別の選び方
- LLM-jp-4.1・Qwen3.5・Gemma 4との項目別の性能比較と、評価条件による違い
- vLLM/SGLang/Docker Model Runner/Transformers/GGUFでの使い方
- 導入前に押さえておきたい制約とセキュリティ上の注意
こんな方に向けた記事です
- 国産基盤のLLMを社内やオンプレミスで動かしたいエンジニア・情報システム担当者
- LLM-jp-4.1とELYZA版のどちらを使うか迷っている開発者・研究者
- 国産LLMの最新動向を追っているAI導入担当者
ELYZA-Thinking-1.0(llm-jp-4版)とは

出典: ELYZA 公式サイト
ELYZA-Thinking-1.0(llm-jp-4版)は、「答える前に考える」タイプの推論モデルです。開発したのはELYZAですが、ベースモデルの事前学習はNIIのLLM-jpプロジェクトが行っています。ELYZAはそのベースモデルに中間学習・教師ありファインチューニング(SFT)・強化学習を加え、日本語の推論と指示追従を強化しました。
ベースのLLM-jp-4そのものについては、LLM-jp-4とは?国立情報学研究所・約12兆トークン学習の国産LLMを徹底解説で詳しくまとめています。
基本スペック
項目 | ELYZA-Thinking-1.0-llm-jp-4-33b | ELYZA-Thinking-1.0-llm-jp-4-32b-a3b |
|---|---|---|
開発元 | 株式会社ELYZA(KDDIグループ) | 同左 |
公開日 | 2026年10月2日 | 2026年10月2日 |
ベースモデル | llm-jp-4-33b-base(NII) | llm-jp-4-32b-a3b-base(NII) |
構造 | Dense(全パラメータを毎回使用) | MoE(128エキスパート中8つを使用) |
総パラメータ | 約332億 | 約321億 |
推論時に動くパラメータ | 約332億(全部) | 約38億 |
最大コンテキスト | 65,536トークン(約64K) | 65,536トークン(約64K) |
対応言語 | 日本語・英語 | 日本語・英語 |
入力 | テキストのみ | テキストのみ |
機能 | 推論(常時思考)+ツール呼び出し | 同左 |
ライセンス | Apache 2.0(商用利用可) | Apache 2.0(商用利用可) |
提供形態 | Hugging Faceでの重み公開のみ | 同左 |
出典: Hugging Face 公式モデルカード(33B)、同(32B-A3B)、llm-jp-4-32b-a3b-base モデルカード
32B-A3Bの「A3B」は名前の上での区分です。ベースモデルのカードでは、推論時に動くパラメータは約38億(3,827,476,992)と書かれています。
2026年11月17日時点で、ELYZAによる公式API・公式チャット画面は確認できません。Hugging Faceのページにも、推論サービス事業者による提供はないと表示されたままです。ChatGPTのようにブラウザで試すことはできず、自分でGPU環境を用意して動かすモデルです。Hugging Face上の2モデルは、公開時から重みも推奨環境も更新されていません。
2025年版「ELYZA-Thinking-1.0-Qwen-32B」とは別のモデル
「ELYZA-Thinking-1.0」で検索すると、2025年5月に公開された同名のモデルの情報が今も多く表示されます。名前はほぼ同じですが、中身はまったく違います。
項目 | ELYZA-Thinking-1.0-Qwen-32B(2025年版) | ELYZA-Thinking-1.0-llm-jp-4(2026年版) |
|---|---|---|
公開日 | 2025年5月1日 | 2026年10月2日 |
ベースの重み | Qwen2.5-32B-Instruct(Alibaba) | LLM-jp-4(NIIが国内でゼロから学習) |
主な学習手法 | 探索で生成した推論データによる模倣学習 | 中間学習+SFT+強化学習(RLVR) |
出力形式 |
| harmony形式(思考と回答を別チャネルで出力) |
コンテキスト長 | 32K | 64K |
サイズ | 32Bのみ | 33B(Dense)/32B-A3B(MoE) |
2025年版の「o1-mini並み」といった評価は、2026年版には当てはまりません。使い方の手順も違う(2026年版はvLLMに専用プラグインが必要)ため、記事やSNSで情報を見かけたら、どちらのモデルの話かを確認してください。
「完全国産基盤」はどこまでが国産なのか
国産と言えるのは、ベースモデルの事前学習です。モデルカードの原文は "Fully domestic foundation" で、「LLM-jp-4は日本国内でゼロから事前学習され、その後の学習はすべてELYZAが実施した」と説明しています。
一方で、ネットワーク構造と、追加学習に使った合成データの出どころは国産ではありません。
要素 | 状況 |
|---|---|
事前学習(重みの土台) | NIIが国内でゼロから学習。国産と言える |
追加学習(中間学習・SFT・強化学習) | ELYZAが実施。国内企業による学習 |
ネットワーク構造(設計図) | 33BはLlama系、32B-A3BはQwen3 MoE系の構造を採用 |
合成データを作った教師モデル | gpt-oss-120b(OpenAIのオープンウェイトモデル)。中間学習の日本語推論データとSFTの回答を生成 |
構造がLlama系・Qwen3 MoE系というのは、設計図の形式を借りているという意味です。MetaやAlibabaの学習済みの重みを使っているわけではありません。海外モデルの重みをベースにした2025年版や、DeepSeek V3ベースで議論になった楽天のRakuten AI 3.0とは、ここが根本的に違います。
教師モデルについては、ELYZAが2026年10月8日に公開した公式テックブログで、gpt-oss-120bに日本語の思考と回答を生成させたと説明しています。重みは国産でも、追加学習のデータには海外モデルの出力が入っているということです。
ITmedia AI+は公開当日に「『完全国産』AI」という見出しで報じました。その後、ELYZAから「『完全国産』という日本語訳のニュアンスが想定と異なった」との説明があり、見出しと本文が修正されています。公式ブログの本文にも「完全国産」という語は出てきません。正確には「国内でゼロから事前学習された国産基盤LLM-jp-4をベースにした推論モデル」です。
出典: ELYZA 公式テックブログ(Zenn)、ITmedia AI+
ほかの国産LLMの「国産」の度合いと比べたい方は、国産LLM 7選 徹底比較が参考になります。
33B(Dense)と32B-A3B(MoE)の違い・選び方

出典: Hugging Face(elyza/ELYZA-Thinking-1.0-llm-jp-4-32b-a3b)
精度を優先するなら33B、応答速度と処理コストを優先するなら32B-A3Bを選んでください。必要なGPUメモリはどちらもほぼ同じです。
比較項目 | 33B(Dense) | 32B-A3B(MoE) |
|---|---|---|
総合平均(ELYZA公表値・並列ツール除外) | 61.69 | 58.46 |
推論時に動くパラメータ | 約332億(全部) | 約38億(一部のみ) |
応答速度 | 遅め | 速い |
必要GPUメモリ(BF16) | 重み約66.5GB+KVキャッシュ | 重み約64GB(推定)+KVキャッシュ |
量子化版(コミュニティ製) | GGUF(mmnga-o)、EXL3 | GGUF(mmnga-o)、MLX 4bit |
こんな用途におすすめ | 回答品質が重要な社内QA・文書作成・研究 | 同時アクセスの多い社内チャット・エージェントの試作 |
※33Bの重みはHugging Face上のBF16ファイルの合計、32B-A3Bはパラメータ数×2バイトからの推定値です。ELYZAは公式な必要スペックを公表していません。
MoEは「メモリは全パラメータ分必要、計算は一部だけ」という仕組みです。32B-A3Bを選んでもGPUメモリは減りません。ただ、1トークンあたりの計算量が小さいので、生成が速く、同じGPUでさばけるリクエスト数が増えます。
GPUメモリ別の選び方
BF16のまま動かすなら、H100やA100の80GBクラスが1枚以上必要です。小さいGPUで動かすなら、コミュニティ製のGGUF量子化版が候補になります。
GPUメモリの目安 | 現実的な形式 | 重みのサイズ(33B/32B-A3B) | 注意 |
|---|---|---|---|
24GB級 | GGUF Q4_K_M | 約18.8GiB/約19.9GiB | 長い入力ではKVキャッシュで足りなくなることがある |
32GB〜48GB級 | GGUF Q6_K〜Q8_0 | Q8_0で約32.9GiB/約31.8GiB | 48GBならQ8_0でも余裕がある |
80GB級 | BF16(vLLM) | 約66.5GB/約64GB | 公式手順(vLLM)どおりに動かせる構成 |
出典: mmnga-o/ELYZA-Thinking-1.0-llm-jp-4-33b-gguf、mmnga-o/ELYZA-Thinking-1.0-llm-jp-4-32b-a3b-gguf(GGUFのサイズはモデルカード記載のGiB値)
GGUF版はELYZA公式ではなく、第三者が作ったものです。当サイトでは動作を検証していません。Hugging Faceの表示では、2026年11月時点の直近1か月のダウンロード数は33Bの本家が914件、33BのGGUF版が1,128件で、GGUF版のほうが多くなっています。ローカルで動かしたい需要は大きいようです。
性能比較:LLM-jp-4.1とどちらが上か

並列ツール呼び出しの設問を除いた条件では、33Bは「総合でわずかに上。ただし数学・科学知識・ツール呼び出しはLLM-jp-4.1が上」、32B-A3Bは「ほぼ全面的にELYZA版が上」です。並列ツール呼び出しの設問を含めると、33Bは互角、32B-A3BはLLM-jp-4.1が上になります。数値はすべてELYZAが自社で評価したもので、2026年11月時点でも第三者による再現は見つかっていません。
総合平均の比較
モデル | 全体平均 | 日本語平均 | 英語平均 |
|---|---|---|---|
ELYZA-Thinking-1.0 33B | 61.69 | 62.18 | 59.72 |
LLM-jp-4.1-33b-thinking | 60.64 | 61.78 | 59.11 |
LLM-jp-4-33b-thinking | 51.50 | 53.04 | 48.25 |
ELYZA-Thinking-1.0 32B-A3B | 58.46 | 59.61 | 55.94 |
LLM-jp-4.1-32b-a3b-thinking | 53.89 | 56.65 | 49.72 |
LLM-jp-4-32b-a3b-thinking | 46.38 | 49.16 | 41.16 |
出典: ELYZA公式モデルカード(20ベンチマークを7つの能力グループごとに平均し、グループ間で平均した値。全モデルでBFCLの並列ツール呼び出しの設問を除外。LLM-jp-4/4.1はreasoning effort=high)
元のLLM-jp-4と比べると、33Bで約10ポイント、32B-A3Bで約12ポイント上がっています。LLM-jp-4.1との差は、33Bが約1ポイント、32B-A3Bが約4.6ポイントでした。
並列ツール呼び出しを含めると結果が変わる
モデルカードの総合平均は、ELYZA版が対応していない並列ツール呼び出しの設問を全モデルで除いた値です。ELYZAの公式ブログには、並列ツール呼び出しの設問を含めた場合の結果も載っています。
評価の条件 | 33B(vs LLM-jp-4.1-33b) | 32B-A3B(vs LLM-jp-4.1-32b-a3b) |
|---|---|---|
並列ツール呼び出しを除く(モデルカード。4.1はeffort=high) | ELYZAが約1ポイント上 | ELYZAが約4.6ポイント上 |
並列ツール呼び出しを含む(公式ブログ。4.1はeffort=medium) | ほぼ同水準(0.1ポイント差) | ELYZAが1.9ポイント下 |
並列ツール呼び出しを使うエージェントを作るなら、ELYZA版の優位は消えると考えてください。ツールを1つずつ順番に呼ぶ使い方なら、モデルカードの数値が参考になります。
33Bの項目別比較(vs LLM-jp-4.1)
能力 | ベンチマーク | ELYZA 33B | LLM-jp-4.1 33B | 勝ち |
|---|---|---|---|---|
日本語知識QA | JamC-QA | 66.35 | 57.69 | ELYZA |
日本語知識QA | JEMHopQA | 73.85 | 65.84 | ELYZA |
指示追従 | M-IFEval-ja | 85.84 | 80.53 | ELYZA |
指示追従 | JFBench | 39.02 | 32.79 | ELYZA |
指示追従 | IFEval(英語) | 95.32 | 93.59 | ELYZA |
指示追従 | IFBench(英語) | 69.40 | 61.63 | ELYZA |
コーディング | LiveCodeBench v6 | 60.23 | 45.20 | ELYZA |
コーディング | JHumanEval | 95.73 | 95.61 | ほぼ同じ |
翻訳 | WMT20 英→日 | 24.72 | 24.14 | ELYZA |
翻訳 | WMT20 日→英 | 20.86 | 21.41 | 4.1 |
知識・科学 | JMMLU | 84.69 | 85.49 | 4.1 |
知識・科学 | MMLU-Pro | 77.53 | 78.82 | 4.1 |
知識・科学 | GPQA-Diamond | 69.95 | 70.77 | 4.1 |
知識・科学 | GPQA(日本語) | 60.97 | 64.19 | 4.1 |
数学 | MATH-500 | 96.00 | 96.80 | 4.1 |
数学 | JMATH-500 | 90.00 | 92.40 | 4.1 |
数学 | AIME 2024+2025 | 68.85 | 78.23 | 4.1 |
数学 | PolyMath(日本語) | 35.90 | 44.20 | 4.1 |
ツール呼び出し | BFCL v4 | 38.73 | 48.14 | 4.1 |
ツール呼び出し | Nejumi BFCL(日本語) | 46.53 | 51.16 | 4.1 |
出典: ELYZA公式モデルカード(33B)
33Bは得意分野がはっきり分かれています。日本の知識を問う質問、「ふりがなを付ける」「漢数字で書く」といった細かい日本語の指示、コード生成はELYZA版が強い結果です。数学はMATH-500・JMATH-500のような比較的やさしい問題でもLLM-jp-4.1がわずかに上で、AIMEのような難問では約9ポイントの差がつきます。科学知識とツール呼び出しもLLM-jp-4.1が上です。
32B-A3Bの項目別比較(vs LLM-jp-4.1)
能力 | ベンチマーク | ELYZA 32B-A3B | LLM-jp-4.1 32B-A3B | 勝ち |
|---|---|---|---|---|
日本語知識QA | JEMHopQA | 71.59 | 65.51 | ELYZA |
指示追従 | JFBench | 38.15 | 30.87 | ELYZA |
数学 | AIME 2024+2025 | 62.29 | 57.71 | ELYZA |
数学 | PolyMath(日本語) | 34.60 | 27.40 | ELYZA |
コーディング | LiveCodeBench v6 | 53.66 | 32.40 | ELYZA |
ツール呼び出し | BFCL v4 | 36.31 | 27.96 | ELYZA |
ツール呼び出し | Nejumi BFCL(日本語) | 41.89 | 39.19 | ELYZA |
知識・科学 | JMMLU | 81.05 | 83.09 | 4.1 |
知識・科学 | MMLU-Pro | 73.14 | 73.90 | 4.1 |
出典: ELYZA公式モデルカード(32B-A3B)
並列ツール呼び出しを除いた条件では、MoE版でLLM-jp-4.1が上回ったのはJMMLUとMMLU-Proの2項目だけでした。ただし、並列ツール呼び出しを含めると総合ではLLM-jp-4.1が上になるので、エージェント用途ではLLM-jp-4.1も十分に候補になります。
開発アプローチと使い勝手の違い
比較項目 | ELYZA-Thinking-1.0(llm-jp-4版) | LLM-jp-4.1 |
|---|---|---|
開発元 | ELYZA | NII(LLM-jp) |
公開日 | 2026年10月2日 | 2026年9月28日 |
追加学習の方法 | 中間学習+SFT+強化学習(RLVR) | SFT+DPO(事後学習を改善) |
サイズ | 33B/32B-A3B | 8B/32B-A3B/33B |
思考の強さ(effort)の設定 | なし(常に思考) | あり(reasoning_effortで評価条件を指定) |
並列ツール呼び出し | 非対応 | モデルカードに明記なし |
vLLMでの起動 | 専用プラグインの取得が必要 |
|
量子化版 | コミュニティ製GGUF・EXL3・MLX(ELYZA公式はなし) | Hugging Face上に量子化モデルが複数あり |
ブラウザ・APIで試す手段 | なし | 研究基盤mdx上のmdx-MaaSで提供が始まっている(主に研究者向け・申請制) |
ライセンス | Apache 2.0 | Apache 2.0 |
出典: Hugging Face(llm-jp/llm-jp-4.1-33b-thinking)、LLM-jp-4.1 公開のお知らせ
性能ではELYZA版が上回る項目が多く、手軽さではLLM-jp-4.1が上です。LLM-jp-4.1には8Bモデルがあり、vLLMの起動も簡単です。
GPUを持たずに試せるかどうかも違います。NIIはLLM-jp-4.1のAPIとチャットを、研究者を中心にmdx-MaaSで試験提供するとしていました。mdx-MaaSの公開リポジトリでは2026年10月16日に提供モデルがLLM-jp-4.1に切り替わっており、10月20日には大学の研究室がmdx-MaaSのAPIで4.1の33B・32B-A3B・8Bを使う手順を公開しています。利用はポータルからの申請制で、コンテキスト長は手元で動かす場合より短く制限されています。料金や申請の条件は公式の案内で確認してください。ELYZA-Thinking-1.0はmdx-MaaSでは提供されていません。
出典: suzumura_lab(Zenn)、mdx-MaaS website(GitHub)
LLM-jp-4 33B系のGGUFや必要VRAMはLLM-jp-4 33Bとは?で詳しく解説しています。
Qwen3.5・Gemma 4など海外モデルとの比較
総合力では、海外の最新オープンモデルに及びません。ELYZA自身の公表値でも、同クラスのQwen3.5やGemma 4に総合平均で約6〜10ポイントの差をつけられています。
モデル | 構造 | 全体平均 | 日本語平均 | JEMHopQA | JFBench |
|---|---|---|---|---|---|
Gemma 4 31B | Dense | 70.54 | 68.88 | 63.91 | 35.68 |
Qwen3.5-27B | Dense | 68.18 | 66.05 | 62.87 | 34.12 |
ELYZA-Thinking-1.0 33B | Dense | 61.69 | 62.18 | 73.85 | 39.02 |
Qwen3-32B | Dense | 58.11 | 58.97 | 58.62 | 21.42 |
Gemma 4 26B-A4B | MoE | 68.58 | 66.68 | 61.93 | 30.30 |
Qwen3.5-35B-A3B | MoE | 66.37 | 64.24 | 58.88 | 28.83 |
Nemotron 3.5 Lightning 30B-A3B | MoE | 64.52 | 62.02 | 55.17 | 34.39 |
ELYZA-Thinking-1.0 32B-A3B | MoE | 58.46 | 59.61 | 71.59 | 38.15 |
gpt-oss-20b | MoE | 57.26 | 55.04 | 54.16 | 18.38 |
出典: ELYZA公式モデルカード(Qwen3-32BのJFBenchは縮小版の設問での値)
それでも、JEMHopQA(日本語の複数段階の知識QA)とJFBench(日本語の複雑な指示追従)では、比較対象のどのモデルよりも高いスコアです。一方、数学(AIME)、コーディング(LiveCodeBench)、ツール呼び出し(BFCL)では海外モデルとの差が大きく、AIMEではGemma 4 31Bの88.75に対してELYZA 33Bは68.85でした。
32B-A3Bのモデルカードには、同じ「3B動く」クラスのQwen3-30B-A3Bも載っています。総合平均は56.31で、ELYZA 32B-A3B(58.46)が上です。ただし英語平均だけを見ると、Qwen3-30B-A3B(56.84)とgpt-oss-20b(61.45)がELYZA 32B-A3B(55.94)を上回ります。英語中心の用途では、ELYZA版の強みは出にくいと考えてください。
ELYZAの公式ブログでは、Qwen3.8-27BやMuse Glimmer 30Bとも比べていますが、数値は図でしか示されていません。ELYZAは「今年公開のモデルには劣るが、2025年公開の前世代と同等以上」と位置づけています。また、LiveCodeBenchの採点で一部の解答が実行時エラー扱いになることがあり、とくにQwen3.8-27Bのスコアは低めに出ている可能性があるとELYZA自身が注記しています。
「総合力が欲しい」ならGemma 4やQwen系、「国産基盤であること」と「日本語の知識・指示追従」を重視するならELYZA-Thinking、という選び方になります。海外モデルの詳細はGemma 4使い方・性能比較・モデルサイズ完全解説、Qwen3.8-27Bとは?、Nemotron 3.5 Lightningとは?をご覧ください。
学習方法と「AIによるAI開発」(ELYZA RSI Research)
ELYZA-Thinking-1.0は、性能だけでなく作り方にも特徴があります。中間学習から事後学習・評価までの工程は、AIエージェントを中心に進めました。ELYZAの発表を伝えた報道では、人間が手を動かした作業は1〜2人日程度だったとされています。
3段階の学習
段階 | 内容 |
|---|---|
中間学習 | 合計約630億トークン。第1段は約530億トークン(数学約90億・コード約220億・STEM約180億・エージェント約40億)、続く長文の段は約100億トークン(8K〜32Kの長さ)。数学・コード・STEMの問題を日本語に翻訳し、gpt-oss-120bに日本語の思考と回答を生成させた(英語の元データも残す) |
SFT | 思考過程つきの合成データ数百万件(日本語と英語がほぼ半々)。主にgpt-oss-120bに解かせ、数式の等価判定・ユニットテスト・ルールチェッカーで正しさを確認できた回答だけを採用。ふりがな・漢数字など複数の制約を含む指示や、日本語Wikipedia・Wikidataから作った知識データも含む |
強化学習(RLVR) | 約10万問(数学・コード・日本の文化と知識・指示追従・エージェントの5分野を20%ずつ)。手法はDAPO。報酬はジャッジ・ユニットテスト・ルールチェッカー・AST一致で自動計算。「解けたり解けなかったりする」難しさの問題を選び、解かずに点を取れる抜け道を事前に塞いだ |
公式ブログには、32B-A3Bで各工程によってスコアがどれだけ上がったかも示されています。総合スコアは、中間学習で49.9から52.9(+3.0)、SFTのデータ改良で46.9から52.9(+6.0)、強化学習で52.9から58.5(+5.6)に上がりました。学習に使ったGPUの数や時間は公表されていません。
日本語の知識は、最新の日本語WikipediaとWikidataから合成したデータで学習しています。JamC-QAやJEMHopQAのスコアが高いのは、この工程の効果と考えられます。
ELYZAは、比較的少ない思考トークンで競争力のあるスコアが出たとしています。その一方で、短く考えて答える傾向が難しい問題への対応力を制約している可能性がある、とも書いています。AIMEなど難しい数学で差が出ているのは、この傾向とも関係していそうです。
ELYZA RSI Researchとの関係
モデル公開と同じ10月2日、ELYZAは「再帰的自己改善(RSI)」を研究する組織「ELYZA RSI Research」を立ち上げました。RSIは、AIが自分自身の開発・改善を担っていく考え方です。ELYZA-Thinking-1.0は、この研究の成果の1つとして公開されました。
同時に、カスタマーセンター業務のエージェントを評価するベンチマーク「ELYZA Agent Tasks: Customer Service」や、自律改善エージェントの実験結果も発表されています。ELYZAの発表では、改善に使っていないテストデータで問い合わせ応答の完遂率が34.3%から52.9%に上がり、精度をほぼ保ったまま推論コストを67%減らしたとしています。
ただし、ELYZA自身は「RSIが実現したわけではなく、RSIに向けた要素技術の研究」と位置づけています。「AIが自分でAIを作った」段階ではありません。公式ブログでも、AIによるAI開発は人の監督と安全確認のもとで段階的に進めると書かれています。
その後ELYZAは、2026年10月27日にロボット向けのフィジカルAIを手がける「ELYZA Robotics」の事業開始を発表しました。2026年11月17日時点で、ELYZA-Thinkingの新しい版・API・小型版の発表はありません。ELYZAのほかの動きはELYZAのAIアプリ生成特許が炎上でも取り上げています。
このツールを自社のシステムや業務にどう組み込むか、ご提案します
初回相談は無料・30分(オンライン)。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜(税別)
料金・ライセンス

出典: Hugging Face(elyza/ELYZA-Thinking-1.0-llm-jp-4-33b)
モデル自体は無料です。Hugging Faceからダウンロードでき、ライセンス料も利用料もかかりません。実際にかかるのはGPUの費用です。
項目 | 内容 |
|---|---|
モデル利用料 | 無料 |
ライセンス | Apache 2.0 |
商用利用 | 可 |
改変・再配布 | 可(LICENSEの同梱、NOTICEの保持、改変箇所の明示が必要) |
ELYZA公式API | なし(2026年11月17日時点) |
実質コスト | BF16なら80GB級GPU×1枚以上、量子化版なら24GB級GPUのマシンの購入・レンタル費用 |
NOTICEファイルには「Copyright 2026 ELYZA, Inc.」と、本モデルがllm-jp-4ベースモデル(LLM-jp、Apache 2.0)の派生物であることが書かれています。社内で改変したモデルを配布・提供する場合は、このNOTICEを残してください。
クラウドGPUを借りる場合は、H100/A100 80GBクラスのインスタンスが選択肢です。料金は事業者やリージョンで大きく変わるため、事前に見積もりを取りましょう。GPUを用意せずに日本語特化LLMを使いたい場合は、Sakana Namazuとは?のようなAPI提供型のサービスも比較対象になります。
使い方(vLLM/Transformers/ツール呼び出し)

公式が推奨しているのはvLLMでの運用です。OpenAI互換のAPIサーバーとして立ち上げれば、既存のOpenAI SDKやアプリからそのまま呼び出せます。モデルカードにはvLLMのほか、SGLang、Docker Model Runner、Transformersでの起動例も載っています。2026年11月時点で、推奨バージョンは公開時から変わっていません。
方法 | 向いている用途 | 備考 |
|---|---|---|
vLLM 0.30.0 | 本番運用・社内API | ELYZAが検証済み。専用プラグインが必要 |
SGLang | vLLMの代わりの推論サーバー | ポート30000で起動。Dockerイメージあり |
Docker Model Runner | Docker環境で手早く試す |
|
Transformers | Pythonでの検証・研究 | 4.57.6/5.18.0で検証済み |
GGUF(llama.cpp系) | 24GB級GPUやローカルPC | コミュニティ製。トークナイザのパッチが必要な場合あり |
vLLMで起動する(推奨)
公式モデルカードでは、vLLM 0.30.0で動作を検証しています。リポジトリに含まれる専用プラグイン(思考の分離とツール呼び出しの解析用)をダウンロードしてから起動します。flashinferはビルド済みのパッケージを使うので、手元にCUDA toolkitを入れる必要はありません。
pip install vllm==0.30.0
pip install flashinfer-jit-cache==0.6.18.post1 --extra-index-url https://flashinfer.ai/whl/cu130
# 専用プラグインを取得
hf download elyza/ELYZA-Thinking-1.0-llm-jp-4-33b --include "vllm_plugins/*" --local-dir .
# サーバー起動
vllm serve elyza/ELYZA-Thinking-1.0-llm-jp-4-33b \
--max-model-len 65536 --trust-remote-code \
--reasoning-parser-plugin vllm_plugins/multi_parser_loader.py --reasoning-parser llmjp4 \
--tool-parser-plugin vllm_plugins/llmjp_harmony_tool_parser.py --tool-call-parser llmjp_harmony \
--enable-auto-tool-choice32B-A3Bを使う場合は、モデル名を elyza/ELYZA-Thinking-1.0-llm-jp-4-32b-a3b に変え、--moe-backend triton を追加します。
起動したら、http://localhost:8000/v1/chat/completions にOpenAI形式でリクエストを送ります。
from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")
res = client.chat.completions.create(
model="elyza/ELYZA-Thinking-1.0-llm-jp-4-33b",
messages=[{"role": "user", "content": "日本の三大祭りを、ふりがな付きで説明してください。"}],
temperature=0.6,
top_p=0.95,
)
print(res.choices[0].message.content)回答本文は content に入り、思考過程は別のフィールドで返ります。思考過程を画面に出すかどうかは、アプリ側で選べます。
SGLang・Docker Model Runnerで起動する
SGLangでは python3 -m sglang.launch_server でサーバーを立てます(既定のポートは30000、Dockerイメージは lmsysorg/sglang:latest)。Dockerを使っているなら、Docker Model Runnerで次の1行でも起動できます。
docker model run hf.co/elyza/ELYZA-Thinking-1.0-llm-jp-4-33bどちらもモデルカードに載っている方法ですが、ELYZAが「検証済み」と書いているのはvLLMとTransformersです。本番で使うならvLLMが無難です。
ツール呼び出し
ツールはOpenAI標準の tools フィールドで定義します。vLLMのツールパーサーを有効にしておけば、追加の設定なしで tool_calls として結果が返ります。
tools = [{
"type": "function",
"function": {
"name": "get_weather",
"description": "指定した都市の天気を取得する",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
},
},
}]
res = client.chat.completions.create(
model="elyza/ELYZA-Thinking-1.0-llm-jp-4-33b",
messages=[{"role": "user", "content": "札幌の天気を教えて"}],
tools=tools,
)
print(res.choices[0].message.tool_calls)複数のツールを同時に呼ぶ「並列ツール呼び出し」には対応していません。複数のツールを使うエージェントでは、1回ずつ順番に呼ぶ設計にしてください。ELYZAは今後の課題として並列ツール呼び出しへの対応を挙げています。
Transformersで動かす
検証用にPythonから直接動かすなら、Transformers(4.57.6/5.18.0で検証済み)も使えます。
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "elyza/ELYZA-Thinking-1.0-llm-jp-4-33b"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
model_id, dtype=torch.bfloat16, device_map="auto", trust_remote_code=True
)
messages = [{"role": "user", "content": "敬語の種類を3つ挙げて説明してください。"}]
inputs = tokenizer.apply_chat_template(
messages, add_generation_prompt=True, return_tensors="pt"
).to(model.device)
outputs = model.generate(
inputs, max_new_tokens=16384, do_sample=True, temperature=0.6, top_p=0.95
)
print(tokenizer.decode(outputs[0][inputs.shape[-1]:]))出力はharmony形式で、思考と回答が混ざった状態で返ります。モデルカードでは、同梱のトークナイザの parse_harmony_message() で思考と回答を分ける方法を案内しています。トークナイザは独自のもので、openai-harmony ライブラリでは直接トークナイズできません。同梱のものを使ってください。
推奨設定のまとめ
設定 | 推奨値 |
|---|---|
temperature | 0.6 |
top_p | 0.95 |
max_new_tokens | 16,384程度(思考の分を見込む) |
最大出力の目安 | コンテキスト長−4,096トークン |
思考のオン/オフ | 切替なし(常にオン) |
GGUF・Mac・Ollamaで動くか
GGUF版は、コミュニティの mmnga-o 氏が33B・32B-A3Bの両方を公開しています(Q3_K_S〜Q8_0)。Q8_0以外は日本語データのimatrixを使って量子化されています。改行やタブを正しく扱うためのトークナイザのパッチ(llmjp4-ugm-byte-fallback.patch)が今も同梱されていて、未対応の環境ではパッチを当ててllama.cppをソースからビルドする必要があると書かれています。2026年11月17日時点で、このパッチがllama.cpp本体に取り込まれたかは確認できていません。
Hugging FaceのGGUFページにはOllama(ollama run hf.co/mmnga-o/ELYZA-Thinking-1.0-llm-jp-4-33b-gguf:Q4_K_M)やLM Studioの起動ボタンも出ますが、これはHugging Faceが自動で表示する案内です。パッチなしで正しく動くとは書かれていないので、改行や記号の出力がおかしくないかを確かめてから使ってください。配布元には SHA256SUMS が付いているので、ダウンロード後にハッシュを照合しておくと安心です。
Apple Silicon向けには、コミュニティ製の32B-A3B MLX 4bit量子化版(rariruluis/ELYZA-Thinking-1.0-llm-jp-4-32b-a3b-mlx-4bit)があります。11月時点では、33BのEXL3量子化版(shunmoridev/ELYZA-Thinking-1.0-llm-jp-4-33b-exl3)や、個人が追加学習したモデルも出てきました。いずれもELYZA公式ではないため、動作や品質は自分で確かめてください。Ollamaの基本はOllamaとは?使い方・対応モデル・必要スペックで解説しています。
出典: Hugging Face 公式モデルカード(33B)、mmnga-o/ELYZA-Thinking-1.0-llm-jp-4-33b-gguf
できないこと・注意点(セキュリティ含む)
導入前に確認しておきたいのは、「公式の手軽な試し方がない」「常に思考するのでコストがかさむ」「trust_remote_code が必須」の3点です。
機能面の制約
制約 | 内容 | 影響 |
|---|---|---|
テキストのみ | 画像・音声の入力は不可 | 図表や帳票の読み取りには使えない |
コンテキスト64K | 長い資料をまとめて入れにくい | 256KのPLaMo 3.0 Primeなどより短い |
常に思考する | effort切替なし | 短い質問でもトークン消費と待ち時間が増える |
難問では思考が短め | ELYZA自身が注意書き | 難しい数学・科学ではLLM-jp-4.1や海外モデルが有利 |
並列ツール呼び出し非対応 | harmonyパーサーの制約 | エージェント設計に工夫が必要。含めた評価ではLLM-jp-4.1と互角以下 |
小型モデルなし | 8B等はない | ノートPCでは動かしにくい |
ELYZA公式の量子化版なし | コミュニティ製GGUF・EXL3・MLXはある | 24GB級GPUで動かすなら第三者の配布物を使うことになる |
安全性評価の記載なし | モデルカードにガードレールの説明なし | 有害な出力への対策は利用者側で用意する |
長文を扱いたい場合は、PLaMo 3.0 Primeとは?も比べてみてください。
セキュリティ面の注意
trust_remote_code=Trueの扱い: リポジトリ内のPythonコード(独自トークナイザ、harmonyの処理、vLLMプラグイン)が手元で実行されます。企業で導入するなら、コードをレビューしたうえでrevision=でコミットを固定して使うのが安全です- 推論サーバーの公開設定: vLLMはそのままだと認証なしでAPIを受け付けます。ポートを外部に開けない、
--api-keyやリバースプロキシで保護する、といった対策が必要です - 思考過程のログ: 思考過程にも、入力した機密情報が含まれることがあります。ログを保存するか、ユーザーに見せるかを事前に決めておきましょう
- ツール連携の権限: 社内システムとつなぐ場合、モデルに渡す権限は最小限にしてください
- コミュニティ製の量子化版・派生モデル: GGUF・EXL3・MLXや個人の追加学習モデルは第三者の配布物です。パッチを当てたllama.cppをビルドする場合も含め、配布元のハッシュと照合し、社内で使ってよいかを確認してから導入してください
- 「国産」の定義との照合: 追加学習の教師データには、海外のオープンモデルgpt-oss-120bの出力が使われています。社内規定や取引先の要件にある「国産」の定義と合うかを確認してください
一方で、重みを手元に置いて動かせるので、入力データを外部のAPIに送らずに済みます。機密情報や個人情報を扱う業務では、ここが大きな利点です。
こんな人におすすめ/おすすめしない人
ELYZA-Thinking-1.0は、国産基盤のモデルを自社のGPU環境で動かしたい組織向けです。手軽に試したい個人や、総合性能を最優先したい人には向きません。
こんな人におすすめ
- 社内規定や取引先の要件で「国産基盤のLLM」を求められている企業(教師データの扱いも含めて要件に合う場合)
- 機密データ・個人情報をオンプレミスやプライベート環境だけで処理したい組織
- 日本の制度・地名・文化などの知識QAや、細かい日本語の書式指定が重要な業務を持つ人
- 80GB級のGPUを用意でき、vLLMの構築に慣れている開発者・研究者(24GB級ならGGUFで試せる)
- 国産LLMをベースに、自社データで追加学習したい研究チーム(Apache 2.0で改変可)
おすすめしない人
- GPUを持っておらず、まずブラウザで試したい人 → ChatGPTやClaudeなどのSaaS。研究者ならLLM-jp-4.1のmdx-MaaS(申請制)
- 総合性能・数学・コーディングを最優先したい人 → Gemma 4やQwen3.5系
- 並列ツール呼び出しを多用するエージェントを作りたい人 → LLM-jp-4.1や海外モデル
- 英語中心で使いたい人 → gpt-oss-20bやGemma 4など海外モデル
- 画像入力や64Kを超える長文処理が必要な人 → マルチモーダル対応モデルやPLaMo 3.0 Prime
- ノートPCで手軽に動かしたい人 → LLM-jp-4.1-8bやGemma 4 12B
- プログラミングをせずに使いたい人
目的別の選び方
やりたいこと | おすすめのモデル |
|---|---|
国産基盤で日本語の知識QA・指示追従を重視 | ELYZA-Thinking-1.0 33B |
国産基盤で応答速度と同時処理数を重視 | ELYZA-Thinking-1.0 32B-A3B |
国産基盤で数学・ツール呼び出しを重視 | LLM-jp-4.1-33b-thinking |
国産基盤を小さいGPUで動かしたい | LLM-jp-4.1-8b-thinking、またはELYZA版のGGUF(24GB級) |
GPUなしで国産モデルを試したい(研究者) | LLM-jp-4.1(mdx-MaaS、申請制) |
国産にこだわらず総合性能を重視 | Gemma 4 31B/Qwen3.5-27B |
長文(256K)を扱いたい | PLaMo 3.0 Prime |
NTTの国産LLMも候補に入れたい方は、NTT tsuzumi 2とは?もあわせてご覧ください。
ELYZA-Thinking-1.0のような新しいモデルを自社の業務システムに組み込むなら、モデルの性能に加えて、GPUサーバーの構築、既存システムとの連携、人が確認する仕組みまで含めた費用を見ておく必要があります。外部に開発を頼む場合の進め方と費用の目安は、AI開発の費用相場にまとめています。
よくある質問
Q. ChatGPTのように会話画面で使えますか?
ELYZA公式のチャット画面は、2026年11月時点でありません。vLLMでサーバーを立て、Open WebUIなどOpenAI互換APIに対応したチャットUIをつなげば、社内向けにChatGPTに近い画面を作れます。
Q. 商用サービスに組み込む場合の条件は?
Apache 2.0なので、利用料なしで商用サービスに組み込めます。条件は、LICENSEの同梱、NOTICE(llm-jp-4ベースモデルの派生物である旨)の保持、改変した場合の明示です。出力した文章の権利や、出力内容への責任は利用者側で管理する必要があります。
Q. LLM-jp-4.1をファインチューニングしたモデルですか?
違います。ELYZA-Thinking-1.0は、LLM-jp-4のベースモデル(事前学習だけの状態)にELYZAが独自に追加学習したモデルです。LLM-jp-4.1はNIIが同じベースモデルから作った別系統の推論モデルで、両者は兄弟のような関係です。
Q. gpt-oss-120bを使っているなら「国産」とは言えないのでは?
ベースモデルの重みはNIIが国内でゼロから学習したもので、gpt-oss-120bの重みは使っていません。gpt-oss-120bは、追加学習用の日本語の思考データや回答を作るために使われました。どこまでを「国産」とみなすかは組織によって違うので、調達要件がある場合は、事前学習・追加学習・教師データのそれぞれを要件と照らしてください。
Q. 英語でも使えますか?
対応言語は日本語と英語です。33Bの英語平均は59.72で、LLM-jp-4.1(59.11)とほぼ同じ水準です。英語中心の用途なら、Gemma 4やQwen3.5系、gpt-oss-20bのほうがスコアは高くなっています。
Q. 公開されたベンチマークの数値は信頼できますか?
数値はすべてELYZA自身による評価です。評価条件はモデルカードと公式ブログで公開されていますが、並列ツール呼び出しを含めるかどうかでLLM-jp-4.1との上下が変わるなど、条件の影響は小さくありません。2026年11月時点でも第三者による再現は見つからないため、導入するときは自社の業務データで小さく検証することをおすすめします。
Q. 今後、小型版やAPI提供は出ますか?
2026年11月17日時点で、ELYZAからの発表はありません。NII側は次のLLM-jp-4.2で学習データを増やし、強化学習で推論・エージェント能力を強化したうえでオープン公開する予定としています。具体的な時期はまだ示されていません。
まとめ
ELYZA-Thinking-1.0(llm-jp-4版)は、NIIが国内でゼロから事前学習したLLM-jp-4をベースに、ELYZAが強化学習まで行った日本語推論モデルです。
- 33B(Dense)と32B-A3B(MoE、動くのは約38億パラメータ)の2モデル。Apache 2.0で無料、商用利用可
- 並列ツール呼び出しを除いた条件では、LLM-jp-4.1を総合平均で上回った(33Bは約1ポイント、32B-A3Bは約4.6ポイント)
- 並列ツール呼び出しを含めると、33Bは互角、32B-A3BはLLM-jp-4.1を1.9ポイント下回る
- 日本語の知識QAと指示追従が強み。33Bの数学・科学知識・ツール呼び出しはLLM-jp-4.1が上
- 総合平均は同クラスのQwen3.5・Gemma 4に約6〜10ポイント及ばない
- 公式API・ELYZA公式の量子化版はない。BF16なら80GB級GPU、コミュニティ製GGUFなら24GB級GPUが目安
- 国産なのはベースモデルの事前学習。構造はLlama系・Qwen3 MoE系で、追加学習の教師モデルはgpt-oss-120b
- 2026年11月17日時点で、モデル本体と推奨環境は公開時から更新されていない
国産基盤であることと日本語の精度を重視し、自社のGPUで運用できる組織には有力な選択肢です。手軽さやエージェント用途を重視するならLLM-jp-4.1、総合性能を重視するなら海外のオープンモデルと比べて決めてください。国産LLM全体の位置づけは国産LLM 7選 徹底比較で確認できます。
このツールを自社のシステムや業務にどう組み込むか、ご提案します
この記事の著者

AI革命
編集部
AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。
最新記事

Siri AIの回数制限は何回?1日の上限・リセット時刻・iCloud+で最大20倍になる条件【iOS 27.3ベータ】
2026/11/17

Apple HomeViewとは?11月13日発売・299ドル・日本発売は未定|Siri AI搭載スマートホームハブの機能と評判
2026/10/14

SynthID Detectorとは?GoogleのAI生成判定サイトの使い方・OpenAI/NVIDIA製への対応・判定の限界
2026/10/10

ChatGPTの電子透かし(textGrain)とは?EU限定の仕組み・日本への影響・検出と回避の限界【2026年11月】
2026/10/12

MAI-Realtimeとは?Microsoft初の全二重音声モデル|MAI-Voice-2との違い・日本語対応・GPT-Live/Gemini Live比較【2026年11月最新】
2026/10/07

GPT-4o APIは2027年1月14日に廃止|4o mini・GPT-4.1も対象、移行先GPT-6 Lunaの料金と手順【2026年11月】
2026/10/15


