SLM（小規模言語モデル）とは？LLMとの違いや注目される理由を分かりやすく解説！

こんにちは！ウマたんです！

ChatGPTやGeminiのような大規模言語モデル（LLM）が世の中をにぎわせる一方で、今AI業界でひそかに大注目されているのが「SLM」です。

SLMは「Small Language Model」の略で、日本語では「小規模言語モデル」と呼ばれます。

GoogleのGemma、MetaのLlama、フランスのスタートアップのMistral AIなど、世界中のテック企業が次々に小さな言語モデルを出しているんです。

本記事では、次の4つを順番に解説していきます。

以下のYouTube動画でも解説していますので、あわせてチェックしてみてください！

SLMとは？LLMとの違い

まずは結論からいきましょう！

SLMとは、パラメータの数を抑えた、軽い言語モデルのことです。

パラメータの数が、ぐっと少ない

AIの言語モデルの中には、「パラメータ」と呼ばれるばく大な数の数値が入っています。AIが覚えた知識や言葉のパターンは、この数値の中にしまわれています。

LLMは、このパラメータの数がとても多く、大きなものでは数千億、さらには1兆を超えるものもあります。

一方SLMは、パラメータの数を数億〜数十億ほどに抑えたモデルです。

大規模言語モデル（LLM）の仕組みについては、以下の記事で解説しています。

大規模言語モデル（LLM）の仕組みや種類について分かりやすく解説！当サイト【スタビジ】の本記事では、大規模言語モデル（LLM）の仕組みや種類について分かりやすく解説していきます。ChatGPTなどの大規模言語モデルの基本を理解してこのAI時代の流れに乗り遅れないようにしましょう！

主なSLMの例

実際に、どんなSLMがあるのか見てみましょう。2026年10月時点の主な例です。

モデル名の「1B」「3B」の「B」は、Billion（10億）のこと。「3B」なら、パラメータが約30億という意味です。

ちなみに、Gemma 4の「E2B」の「E」は「Effective（実質的な）」の略です。端末で動かしやすくする工夫がされていて、実質的に働くパラメータは約23億（言葉を数値に変える「埋め込み」の部分まで含めると約51億）になっています。

SLMが注目される3つの理由

AIは大きいほど賢い、というのは基本的には正しいです。

それなのに、なぜこんなに小さなモデルが注目されているのでしょうか？

理由は、大きく3つあります。

① 動かす場所：手元の端末でも動く

1つ目は、動かす場所です。

LLMはとにかく巨大なので、基本的にはクラウド上の高性能なGPUサーバーでしか動きません。

一方SLMは、スマホ、ノートパソコン、工場の機械、車の中のコンピュータといった、いわゆる「エッジデバイス」の上でも動かせます。

インターネットにつながっていない場所でもAIが使えるのは、大きな強みです。山の中の工事現場や、通信が不安定な工場でも、AIが止まらずに動き続けられます。

また、データをわざわざ遠くのサーバーに送らなくていいぶん、答えが返ってくるまでの待ち時間も短くなります。

② コスト：使うたびのお金がかからない

2つ目は、コストです。

LLMをAPIで使うと、使うたびに料金がかかります。大量に使うと、あっという間に高額になってしまいます。

一方SLMは、自社のサーバーや手元の端末で動かせるので、使うたびのお金（ランニングコスト）を大幅に下げられるんです。

動かすために必要なコンピュータも小さくて済むので、電気代も抑えられます。

③ プライバシー：データを外に出さなくていい

3つ目は、プライバシーです。

LLMをクラウドで使う場合、入力したデータは、基本的に外部のサーバーに送られます。

一方SLMなら、手元の端末の中だけで処理を完結できます。

つまり、社外に出したくない情報を、外に出さずにAIで扱えるんです！

こうした場面では、「性能はそこそこでいいから、データを外に出さないこと」が何より大切になることも多いんです。

手元のパソコンで言語モデルを動かす方法は、以下の記事で解説しています。

【入門】ローカルLLMって何？概要と使い方を徹底解説！当サイト【スタビジ】の本記事では、クラウドに頼らず自分のPCだけで大規模言語モデルを動かす「ローカル LLM」をわかりやすく解説します！

小さいのに賢いSLMの秘密

ここで気になるのが、「小さくしたら、性能が落ちるんじゃないの？」という疑問ですよね。

実はここが、SLMのおもしろいところです。

最近のSLMは、仕事を絞れば、LLMに迫る、あるいは上回る性能を出すこともあるんです。

その秘密を、3つ紹介します。

① 蒸留：大きなAIが先生になって教える

1つ目は、「蒸留」と呼ばれる技術です。

蒸留は、大きくて賢いモデル（先生）が持っている知識を、小さなモデル（生徒）に教え込むようなイメージです。

先生モデルが出した答えや、その答え方を、生徒モデルがまねしながら学んでいきます。

正解だけを教わるよりも、「この問題なら、Aの可能性が7割、Bの可能性が2割くらい」といった先生の細かな判断まで教わるほうが、生徒はたくさんのことを学べます。

こうして、小さいのに優秀なモデルが生まれるわけです！

蒸留という考え方は、2015年にジェフリー・ヒントン氏らが論文で広めたもので、今ではSLMづくりに欠かせない技術になっています。中国のDeepSeekも、大きなモデルの答え方を小さなモデルに教え込んだモデルを公開しています。

DeepSeekとは？世界が驚いた中国発AIの安く作れた理由と、使うときの注意点を分かりやすく解説！DeepSeekとは、中国・杭州のAI企業と、その会社が作る重みを公開した生成AIのことです。本記事では、2025年のDeepSeekショック、安く作れた理由（MoE・強化学習・蒸留）、最新モデル、使うときの注意点を図解で分かりやすく解説します！

② 質の高い学習データを厳選する

2つ目は、学習データの質です。

AIは、たくさんのデータで学ぶほど賢くなりやすいのですが、データの「量」だけでなく「質」もとても大事です。

たとえばMicrosoftのPhiシリーズは、教科書のように分かりやすく質の高い文章を中心に学ばせることで、小さなモデルでも高い性能を出せることを示してきました。

ネット上の雑多な文章を大量に読むより、よくできた教科書をじっくり読んだほうが身につくのは、人間も同じですよね。

③ モデルを軽くする技術

3つ目は、モデルそのものを軽くする技術です。

量子化の効果を、ざっくり計算してみましょう。

モデルを動かすのに必要なメモリは、おおよそ「パラメータの数 × 1つの数値を表すのに使う大きさ」で見積もれます。

実際に動かすときは、これに加えて計算の途中のデータなどのためのメモリも必要になりますが、量子化するだけで、必要なメモリが4分の1ほどになるわけです。

同じ計算を、1兆パラメータのLLMでしてみると、4ビットにしても約500GB。スマホやふつうのパソコンには、とても入りきりませんよね。

こうした技術を組み合わせることで、SLMはスマホのような小さな端末でも動くところまで、どんどん実用的に進化しているんです。

SLMの使いどころと注意点

最後に、SLMをどう使えばいいのかを見ていきましょう！

SLMが活躍する場面

SLMは、特定の仕事に絞って使うときに力を発揮します。

決まった仕事に向けて、自社のデータで追加の学習（ファインチューニング）をすると、さらに力を発揮しやすくなります。小さなモデルは追加の学習にかかるお金も少ないので、ここもSLMの強みです。

ファインチューニングと転移学習の違いやChatGPTをPythonでファインチューニングする方法！当サイト【スタビジ】の本記事では、話題のAIで重要なファインチューニングについて解説していきます。ファインチューニングと同じく色々なところで聞かれる転移学習と混同されていることが多いのでそちらについても言及していきます！またPythonを使って実際にChatGPTのファインチューニングも行います。

SLMの弱点

一方で、SLMには苦手なこともあります。

「なんでも聞ける相談相手」としては、まだまだLLMのほうが頼りになる場面が多いです。

LLMとSLMは「対立」ではなく「使い分け」

ここで大事なのは、LLMとSLMは、どちらかが勝つ・負けるというものではない、ということです。

なんでもできる万能なAIが必要な場面ではLLM、決まった仕事を安く・速く・安全にこなしたい場面ではSLM。

このように、うまく使い分けるものだと考えるのが大事です。

このように、SLMとLLMを組み合わせて使う形も広がっています。

会社にたとえるなら、すべての仕事を高給な専門家に頼むのではなく、ふだんの仕事は身近なスタッフがこなし、難しい案件だけ専門家に相談する、というイメージですね！

どちらを選ぶ？チェックポイント

LLMとSLMのどちらを使うか迷ったときは、次のポイントを順に確かめてみましょう。

当てはまるものが多いほど、SLMが向いています。

逆に、「何を聞かれるか分からない」「難しい判断や長い文章の読み込みが必要」といった場合は、LLMを選んだほうが安心です。

SLMを手元で試してみるには

SLMは、重みが公開されているものが多いので、自分のパソコンで気軽に試せます。

たとえば「Ollama」のようなツールを使うと、モデルの名前を指定するだけで、ダウンロードから会話まで簡単にできます。

パラメータが数十億くらいまでのモデルなら、量子化して軽くしたものを使えば、ふつうのノートパソコンでも動かせることが多いです。

まずは手元で動かしてみて、「この仕事なら小さなモデルで十分そうだ」という感覚をつかんでみるのがおすすめですよ！

SLMのまとめ

最後に、今回のポイントをおさらいしましょう！

LLMやSLMを使ったAI活用を体系的に学びたいのであれば、当メディアが運営するスクール「スタアカ」がオススメです！