国が支えた国産AI、79本合わせても海外の1本の90分の1。GENIACの通信簿を、ダウンロード数で付けてみた

国が計算の費用を補助して作った国産AIは、いま、月に何回ダウンロードされているのでしょうか。

経済産業省とNEDO（新エネルギー・産業技術総合開発機構）の事業「GENIAC（ジーニアック）」は、2024年から延べ70件の国産AIの開発を採択してきました。編集部は、公式の成果物一覧やモデルの説明書きから、GENIACの成果と確かめられたモデル79本を、AIのモデルを公開するサイト「Hugging Face」で数えました。

直近30日のダウンロードは、79本を合わせて約7万8,000回。一方で、中国アリババの「Qwen3-8B」は、1本で約698万回です。79本を合わせても、海外の人気モデル1本の約90分の1でした。

ただ、この数字だけで「使われていない」とは言えません。PFN（Preferred Networks）がGENIACの第2期で作った「PLaMo 2.0 Prime」は、発表の時点で150を超える自治体が入れる行政向けAIに載りました。その後継の版は、いま約800の自治体のAIで動いています。Kotoba Technologiesの同時通訳アプリは、18万人を超える人が使っています。国産AIの多くは、ダウンロードされずに、サービスの中で使われているんです。

WHAT IS

GENIACGenerative AI Accelerator Challenge

国が計算資源の費用を補助し、国産のAI基盤モデルづくりを支える事業

1. 2024.02第1期の10件で始動経済産業省が開始を発表。日本語の大きなモデルを作る大学や会社を選んだ
2. 2024.10第2期は20件に拡大予算の上限は245億円。創薬、アニメ、気候など、分野に特化した開発が増えた
3. 2025.07第3期は使い手と組む24件を採択。利用する企業との実証が加わり、楽天の巨大モデルも生まれた
4. NOW第4期で領域特化へ2026年6月に16件を採択。名前を変え、利用企業との実証に加点する方式にした

GENIACは、経済産業省とNEDOが2024年2月に始めた、生成AIの開発を支える事業です。中心は、AIの学習に使うGPU（AIの計算に使う半導体）の利用料の補助です。開始の発表は、「基盤モデルの開発に対する計算資源の提供支援」を柱に掲げました。

これまでに採択したのは、第1期10件、第2期20件、第3期24件、第4期16件の延べ70件です。応募は合わせて150件を超えました。予算の上限は、5回の公募を合わせて539億円です。

採択先には、楽天、PFN、ABEJA、ストックマーク、Sakana AI、カラクリ、リコー、野村総合研究所のような会社と、東京大学や国立情報学研究所が並びます。AIが日本語の会議を要約する、契約書を読む、同時に通訳する。こうした身近な機能の土台を、日本の中で作れるようにすることが目的です。

GENIACは、いま「作る」から「使われる」へ舵を切っています。2026年度からは、利用する企業と実証する計画に点数を足す方式になり、名前も「領域特化モデル開発事業」に変わりました。デジタル庁は、国産のAIを政府の職員に使ってもらい、出どころを伏せて比べる試験を11月まで行っています。結果の概要は、この冬に公表される予定です。

一方で、2026年3月には、GENIACの支援で作られた楽天の「Rakuten AI 3.0」が、中国DeepSeekの公開モデルを土台にしていたことがXで話題になりました。11月5日には、楽天自身がモデルの説明書きにその経緯を書き足しています。国のお金で作る「国産AI」とは何か。その問いが、いまもう一度注目されています。

作ったモデルは、使われているのか。AIとデータを仕事にする私たちは、その答えを数字で確かめたいと考えました。国の資料、各社の発表、海外の支え方、そして2026年11月7日夜に取得したHugging Faceの公開データから、GENIACの通信簿を付けます。

ChatGPTのような生成AIの土台になる大きなモデルを作るには、膨大な数のGPUを何か月も動かす必要があります。2023年当時、日本の会社や大学にとって、これだけの計算機を自前でそろえるのは簡単ではありませんでした。

そこで国が、計算機の利用料を補助することにしました。経済産業省の研究開発計画は、その理由を次のように書いています。

基盤モデルの開発力の有無は、我が国における生成 AI の利用可能性や創出するイノベーションの幅を決し得る。 ── 経済産業省「ポスト5G情報通信システム基盤強化研究開発事業 研究開発計画」（2026年11月5日改定）

海外のAIしか使えない国では、価格や使える条件を、海外の会社に握られてしまう。日本語や日本の仕事の進め方に合ったAIを、自分たちで作れる力を持っておく。それがGENIACの出発点です。

補助するのは、GPUの利用料と、第2期からはデータを整える外注費です。補助の割合は、中小企業と大学が3分の2、大企業が2分の1。会社は残りを自分で払います。国が開発費を丸ごと出す事業とは違い、計算の費用の一部を国が持つ仕組みです。

汎用のモデルから、分野に特化したモデルへ

GENIACの中身は、期を追うごとに変わってきました。第1期は、日本語の汎用のモデルを、まずは作ってみる段階でした。国立情報学研究所の1,720億パラメータのモデル（パラメータはAIの規模を表す数）、PFNの1,000億パラメータのモデル、東京大学の松尾・岩澤研究室が約250人の有志と作った「Tanuki」などが、この時期に生まれています。

第2期からは、創薬、アニメ、気候、製薬、観光、文書の読み取りといった、分野に特化した開発が増えました。第3期は利用する企業との実証が加わり、第4期は防犯、金融、自動車整備、材料のような、より狭い領域のモデルが並びます。NEDOの担当部長は、第3期の成果報告会で、第1期を「日本でもとにかく基盤モデルをつくってみよう」という段階と呼び、そこから業界特化、そしてユーザーとの実証へ進んだと振り返っています。

「国産」の定義には、海外のモデルの追加学習も入る

もう1つ大事なのが、「国産」の範囲です。GENIACは、一から学習させる開発だけでなく、海外を含む既存のモデルに日本語などを追加で学習させる開発も支援の対象にしています。NEDOの国産基盤モデルの定義も、「既存の基盤モデル（国産基盤モデルに限らない）を追加学習したモデル」を含めています。

この線引きが、2026年3月に大きな話題になりました。楽天が3月17日に提供を始めた「Rakuten AI 3.0」は、GENIACの第3期の支援を受けた、約7,000億パラメータの国内最大級のモデルです。公開の当日、モデルの規模を見た開発者のきしだ氏は、Xで「DeepSeek-V3の追加学習？」と投稿しています。同じ指摘をする投稿は、数万回表示されました。

楽天は当初、土台のモデルを「非開示」と答えていました。その後、3月27日付の広報の回答でDeepSeekの公開モデルを採用したと認めています。そして11月5日、モデルの説明書きに、DeepSeek-V3-0324に英語と日本語の文章で追加の学習をした経緯と、日本の文化に関する問題では土台を上回り、数学では下回ったという評価の結果を書き足しました。

追加の学習で日本語の力を伸ばす方法は、世界でも広く使われています。論点になったのは技術より、国の支援で作る「国産AI」に何を期待するかでした。

GENIACの予算は、どこまで公表されているのでしょうか。よく引用される「339億円」は、日経クロステックが2025年3月に「これまでの公募総額」として書いた数字です。経済産業省の資料と突き合わせると、最初の3回の公募の予算の上限（84億円、10億円、245億円）を足した額と一致します。

その後の2回を加えると、予算の上限は5回で合わせて539億円になります。

ただし、これは上限です。実際に支払った額は、GENIACの単位でも、会社ごとでも公表されていません。財源は、半導体の開発なども支える「ポスト5G」の基金で、2019〜2025年度に合わせて2兆7,759億円が積まれました。その大半は、Rapidusなどの半導体に向かっています。GENIACは、その中の1つのテーマという位置づけです。2027年度の予算要求でも、GENIACは金額を示さない「事項要求」になっています。

できたもの。一から作ったモデルと、海外のモデルを直したモデル

GENIACの公式サイトには、第2期と第3期の成果物の一覧があります。第2期はモデル21件とデータセット9件、第3期はモデル17件とデータセット10件です。

並んでいる成果は多彩です。

出典：経済産業省「GENIAC」の第2期・第3期の成果物一覧、成果報告会のレポート、各社の発表をもとに編集部作成

編集部が数えたHugging Faceの79本では、文章や動画を扱う本体を自社で一から学習させたモデルが31本、QwenやLlama、DeepSeekなど海外を中心とする公開モデルを本体の土台にしたモデルが48本でした。GENIACの成果の6割は、海外などの公開モデルを土台にしていました。分け方は、モデルの説明書きの「土台のモデル」の欄と開発元の説明で判断しました。画像を読む部品だけを借りたモデル（PFNのPLaMo 2.1 VLは、Googleの部品を使っています）は「一から」に数えています。

PFNのPLaMo、ストックマークの1,000億パラメータのモデル、東京大学のTanukiは、一から作っています。ABEJA、カラクリ、リコー、野村総合研究所、Turingの画像も読むモデルは、アリババのQwenやOpenAIの公開モデルを土台に、日本語や業務の知識を足しました。土台を選んで早く仕上げるのか、一から作って中身まで自分たちで持つのか。採択された各社の戦略の違いが、ここに出ています。

なお、第2期に採択された1社は、提案時の経営状況に虚偽があったとして、2025年8月にNEDOが補助の決定をすべて取り消しました。

「使われたか」を測る物差しは、まだない

では、国はGENIACの成果をどう採点しているのでしょうか。研究開発計画にある目標は、「開発した生成AIの基盤モデルが国際的に比較して十分な優位性があることを検証」すること。物差しのベンチマーク（性能を測る試験）は、応募する会社が自分で決めます。

GENIACだけの成果の指標（KPI）はありません。あるのは、半導体を含む基金全体の「テーマごとの目標を達成した割合80%以上」と「実用化率50%以上（終了後おおむね3年）」だけです。ダウンロード数や、導入した会社の数、使われた件数を測る指標は、見当たりませんでした。

国の点検でも、この点は指摘されています。2023年度の行政事業レビューの公開プロセスは、次のようにまとめました。

長期アウトカムを｢実用化率５０％｣としているが、｢実用化｣といっても様々なので、経済効果に関する評価指標も加えられないか検討すべき。 ── 行政事業レビュー 2023年度 公開プロセスのとりまとめ（ポスト5G情報通信システム基盤強化研究開発事業）

外から数えられる「使われ方」の1つが、ダウンロード数です。公開されたAIのモデルの多くは、Hugging Faceに置かれています。

編集部は、2026年11月7日の22時〜24時（日本時間）に、Hugging Faceの公開API（プログラムから情報を取り出す窓口）で数字を取得しました。数えたのは次の3つの条件のどれかに当てはまる79本です。

• GENIACの公式サイトの第2期・第3期の成果物一覧に、リンクが載っているモデル
• モデルの説明書きに「GENIAC」か、GENIACの財源の事業番号「JPNP20017」が書かれているモデル
• 開発元の公式発表で、GENIACの成果と書かれたモデル

手元で動かしやすく変えた版（量子化版など）も、Hugging Faceの上で別のページになっていれば1本と数えました。同じ中身の別版をまとめると、79本は72のモデルになります。

結果は、直近30日で合わせて7万7,976回。アリババのQwen3-8Bの1本の数字は697万6,036回でした。メタのLlama-3.1-8B-Instructも約435万回です。

79本の真ん中の値は、月86回。79本のうち43本は、30日で100回に届いていません。

数字は、1本に大きく偏っています。いちばん多いのは、PFNが第3期で作った画像も読める小型のモデル「PLaMo 2.1 2B VL」で、5万7,290回。この1本だけで、79本の合計の73%を占めます。3月の公開からの累計は6万2,930回なので、ここ1か月で急に取り出されるようになったモデルです。理由は公表されていません。

2位以下は、AIdeaLabの、絵からアニメの動画を作る「AnimeGen」（3,112回）、Sakana AIの小型モデル「TinySwallow」の手元で動かす版（2,222回）、PFNの「PLaMo 2 1B」（1,553回）、「PLaMo翻訳」（1,517回）と続きます。注目を集めた楽天のRakuten AI 3.0は316回でした。

日本語向けに直した、GENIACの外のモデルと比べると

GENIACの外でも、日本語のモデルは作られています。同じ時刻帯に、主なシリーズを数えました。

出典：Hugging Faceの公開APIで編集部集計（2026年11月7日）。LLM-jp-4とSwallowは名前にシリーズ名を含むモデル、SarashinaはSB Intuitionsの名前にsarashinaを含むモデルの合計

Llama・Qwenを日本語向けに直した「Swallow」は、GENIACの成果の79本とほぼ同じ規模でした。日本語のモデル全体が、海外の人気モデルと比べて2桁小さいのが実情です。

その中で目立つのが、国立情報学研究所の「LLM-jp-4」で、37万回を超えています。ただし、このうち27万8,160回は、手元のパソコンで動かしやすい形に変えた1つのファイル（GGUF形式）が占めます。LLM-jp-4はGENIACではなく文部科学省の支援で作られたモデルです。とはいえ、その前の世代の「LLM-jp-3」は、説明書きに、GENIACの一部支援を受けたと書かれています。GENIACで積んだ経験が、次の世代のモデルに受け継がれているとも読めます。

派生モデルは1,353本。8割は1本のモデルから

ダウンロードと並ぶもう1つの手がかりが、派生モデルです。そのモデルを土台に、ほかの人が追加の学習をして公開したモデルのことで、「使って、作り変えた」証拠になります。

79本を土台にした派生モデルは、合わせて1,353本ありました。そのうち1,117本は、国立情報学研究所の「LLM-jp-3 13B」1本から生まれています。作った人は694の個人や組織にのぼり、2024年11月と12月に集中していました。

派生モデルの説明書きをたどると、その多くは、東京大学の松尾・岩澤研究室の「大規模言語モデル Deep Learning 応用講座 2024」のコンペティションで作られたものでした。受講生が、このモデルに追加の学習をさせて、回答の質を競ったんです。国が支えて作った日本語のモデルが、何百人もの学生や社会人の練習台になっていました。

79本で、ダウンロード数のほかに見えた数字もあります。累計のダウンロードは約244万回、いいねは1,075でした。

ダウンロードに出ない使われ方

ここまでの数字には、大きな限界があります。

Hugging Faceのダウンロード数は、ファイルを取り出した回数です。同じ人の取り直しや、自動のテストでの取得も入り、使っている人の数ではありません。逆に、会社の中だけで使うモデル、インターネット越しにAPIで呼び出すサービス、製品に組み込まれたモデルは、まったく数に出ません。楽天のRakuten AI 3.0のように、同意してから取り出す形で、しかも動かすのに大型のサーバーが要るモデルは、そもそもダウンロードが少なくなります。

そこで、各社が公表している数字を並べます。

• PFNのPLaMo：GENIACの第2期で作ったモデルを推論向けに整えた「PLaMo 2.0 Prime」は、2025年5月の発表の時点で、150以上の自治体が導入する行政向けAI「QommonsAI」で使われていました。いまはその後継の「PLaMo Prime」が、約800の自治体が入れるQommonsAIに標準で載っています（2026年10月）。「PLaMo翻訳」は、GENIACの支援で開発したとPFNが明記しており、2025年12月からデジタル庁の職員向けAI「源内」で使われています。
• Kotoba Technologies：GENIACの第1〜3期で音声の基盤モデルを作り、同時通訳アプリの利用者は18万人を突破したと発表しています（2026年6月）。
• ストックマーク：第2期で作ったモデルの学習の知見を、自社の情報収集サービスに実装しました（2025年7月）。
• 野村総合研究所：第3期のモデルで、営業の会話の法令チェックの対象を、これまでの約5%から「100%カバーできるようになった」と、成果報告会で話しています（自社の説明）。

一方で、楽天のRakuten AI 3.0は、3月の時点では楽天のAIサービスにはまだ入っていないと報じられ、その後の導入先は公表されていません。

自国のAIを支える動きは、「ソブリンAI」（主権のAI）と呼ばれ、多くの国が進めています。その中で、GENIACといちばん比べやすいのが韓国です。

韓国の科学技術情報通信部は、2025年8月に「独自AIファウンデーションモデル」の開発チームを5つ選び、評価のたびに絞り込む方式をとりました。政府は、海外のモデルの学習結果を使わず、自分たちで一から学習させることを最低限の条件にしています。2026年1月の1次評価では、総合点で上位だったNAVERのチームも、この「独自性」の基準を満たさないとされて外れました。

2026年8月の2次評価では、Upstage、SKテレコム、LG AI研究院の3チームが次の段階へ進みました。配点は、ベンチマークが40点、専門家が35点、そして実際に使った利用者の評価が25点です。利用者の評価には、一般の国民185人も加わりました。

韓国でも、自国のモデルのダウンロード数は大きくありません。韓国のIT紙デジタルデイリーの8月の集計では、Hugging Faceの直近1か月のダウンロードは、Upstageの「Solar Open 2」が2万6,000回超、SKテレコムの「A.X K2」が約3,000回、LGの「K-EXAONE 2.0」が1,600回余りでした。日本のGENIACの成果と、ほぼ同じ桁です。違うのは、国が「使われたか」を点数に入れ、使う場も用意している点です。

ほかの国の支え方も、それぞれに特徴があります。

• インド：IndiaAI Missionは、5年で約1,037億ルピーの予算で、506件の応募から20件の基盤モデルの開発を選びました。GPUを補助付きの料金で貸し出し、知的財産は開発した側に残します。
• 英国：Sovereign AI Unitが、最大5億ポンドで有望なAIの会社に出資する方式をとっています。国産の大きな言語モデルを作る事業とは違い、計算資源の提供と出資で会社を育てる形です。
• フランス：国の全職員が使えるAIの道具を、政府のデジタル部門がMistral AIと一緒に作りました（2026年6月）。国が最初の大口の使い手になる形です。
• シンガポール：東南アジアの言語のモデル「SEA-LION」は、QwenやGemmaなど海外のモデルを土台に追加の学習をする方式で作っています。
• スイス：大学と国立のスーパーコンピューターのセンターが、学習のデータまで全部公開したモデル「Apertus」を作りました。

並べてみると、GENIACとの違いは3つあります。韓国はチームを絞り込み、点数を公表し、使った人の評価で選ぶ。韓国やフランスは、国が使う場をつくっている。そして「国産」の定義は、一から作ることを求める韓国から、海外のモデルの追加学習で作るシンガポールまで、国によって大きく違います。GENIACは、広く採択し、作り方も幅広く認める、裾野を広げる型です。

日本でも、使う場づくりは始まっています。デジタル庁は、源内で使う国産のAIを、15件の応募から7件選びました（2026年3月）。GENIACの成果と公式に確かめられるのは、PFNの「PLaMo 2.0 Prime」です。7月からは5社のモデルを政府の職員に試してもらい、出どころを伏せて回答を比べる試験を進めています。NEDOの懸賞金事業「GENIAC-PRIZE」も、2026年度から国産のモデルを使うことを応募の条件にしました。

2年半で延べ70件。一から作った1,000億パラメータ級のモデルが複数生まれ、分野に特化したモデルも並びました。計算機の費用が壁になっていた開発を、国の補助が前に進めたのは確かです。「作る力」については、合格を付けていいと私たちは考えます。

一方で、使われたかどうかは、今は判定できません。国が見ているのは、受ける側が選んだ試験の点数と、基金全体の実用化率だけで、GENIACの成果がどれだけ使われたかの数字は公表されていません。外から数えられるダウンロードは、79本を合わせても海外の人気モデル1本の約90分の1でした。539億円の上限を持つ事業なら、まず使われた数を自分で数えて公表する。それだけで、議論の質はかなり変わるはずです。

数えてみて分かったのは、ダウンロード数が、国産AIの使われ方をほとんど映していないことです。GENIACで作ったPLaMo 2.0 Primeは150を超える自治体の行政向けAIに載り、その後継はいま約800の自治体で動いています。GENIACで音声のモデルを作ってきたKotobaの通訳アプリは、18万人が使っています。どちらも、ダウンロードの数にはほぼ出てきません。

日本の会社や役所がAIに求めるのは、データを外に出さない、日本語の書類を正しく読む、といった条件です。だから国産AIは、公開の場で広く配られるより、サービスや社内の仕組みに組み込まれて使われる。そう考えると、国が測るべきは、どのサービスに何件組み込まれ、何人の仕事で使われたかです。各社はすでに一部を公表しているので、集めれば測れます。

いちばん注目しているのは、デジタル庁の源内の試験です。政府の職員が、どのモデルの答えかを知らされないまま、良い方を選ぶ。韓国が利用者の評価を点数に入れたのと同じく、使う人の手で国産AIを採点する初めての場になります。

結果の概要は、この冬に公表される予定です。GENIACの成果のPLaMo 2.0 Primeが、GENIACの外で作られたtsuzumi 2やTakaneと並んで、職員にどう評価されるのか。2027年度からは、評価の高いモデルを政府が有料で調達する計画です。国が最初の使い手になれば、GENIACの通信簿に、ようやく「使われた」の欄が埋まります。私たちも、結果が出たら答え合わせをします。