Llama 3.2は日本語で使えますか？

Llama 3.2のオリジナルモデルは英語中心の学習データで作られており、日本語の精度は高くありません。Llamaベースの日本語追加学習モデル（たとえばElyza社のELYZA Llama 3など）を使うと日本語精度が大幅に改善します。最新の日本語対応モデルはHugging Faceで確認してください。

Llama 3.2のライセンスで商用利用はできますか？

Llama 3 Community Licenseのもとで商用利用は認められています。ただし月間アクティブユーザーが7億人を超えるサービスでの利用は追加のライセンス契約が必要です。また、Llamaのモデルを使って別の言語モデルを学習させることにも制限があります。最新のライセンス条件はMeta公式で確認してください。

Llama 3.2 1BモデルはスマートフォンやPCで動きますか？

Llama 3.2 1Bは量子化すると1GB未満のサイズになり、スマートフォン（iPhone 15 Pro以上相当）やRAM 8GBのPCで動作します。Ollamaを使えばWindowsやmacOSのPCで起動でき、llama.cppを使えばAndroid・iOSでの動作も技術的に可能です。

Llama 3.2小型版：MetaのSLMをビジネスで活用する方法

結論：Llama 3.2小型版は最も広いエコシステムを持つSLMで、日本語は追加学習モデルで補う

MetaがオープンソースとしてリリースするLlama 3.2の1Bと3Bモデルは、現在最も広く使われているオープン言語モデルのひとつです。対応ツールやライブラリが豊富で、OllamaやLM Studioなど主要なローカル実行環境がすべて対応しています。日本語の精度は標準モデルでは低いですが、日本語追加学習を施したコミュニティモデルを使うと業務に使えるレベルになります。Metaが課すライセンス条件を理解した上で組み込めば、APIコストをゼロにしながら社内で完結するAI環境を構築できます。

Llama 3.2とはどういうモデルか

Llamaは、MetaがオープンソースとしてリリースしてきたLLMシリーズで、2023年の初版公開から毎年バージョンアップを続けています。Llama 3.2は2024年秋にリリースされ、テキスト処理向けの1B・3Bと、画像も扱えるマルチモーダルの11B・90Bの4サイズが揃います。

1Bと3Bが「SLM」として注目される理由は、そのサイズにあります。3Bモデルのファイルサイズは量子化形式で約2GBで、RAMが8〜16GBのノートPCで動きます。1Bモデルはさらに小さく、スマートフォンへの組み込みも現実的なサイズです。

エコシステムの広さという点ではLlamaは他のオープンモデルの追随を許しません。LangChain・LlamaIndex・Hugging Face TransformersなどAI開発で使われる主要ライブラリがすべてLlamaをサポートしており、コミュニティフォーラム・チュートリアル・ファインチューニング事例の数も他のモデルを大きく上回ります。新しいツールを導入するときに「Llamaで動くか」が確認の第一歩になるほどです。

1B・3B版の特徴：PCやスマートフォンで動く

Llama 3.2の1Bと3Bモデルは、エッジデバイスでの動作を想定して設計されています。

3Bモデルの目安を示すと、質問への回答生成で1秒あたり20〜50トークン程度の速度が出ます（環境によって大幅に変わります）。100文字程度の回答を生成するのに2〜5秒です。GPT-4oのような大規模モデルのレイテンシーよりは遅いですが、社内の問い合わせ回答やドキュメント要約といった非リアルタイム用途では許容できる速度です。

コンテキストウィンドウは128Kトークンに対応しており（最新の仕様は公式で確認してください）、長い文書を分割して処理する手間が省けます。

11B・90Bのマルチモーダルモデルは、画像をテキストで説明する・図解から情報を抽出するといった用途に使えますが、動作にはGPUサーバーが必要です。この記事では小型版の1B・3Bに絞って解説します。

ライセンスの注意点

Llama 3.2はLlama 3 Community Licenseというライセンスで公開されています。以下の点は特に押さえておく必要があります。

商用利用について: 基本的には許可されており、社内ツールや顧客向けサービスへの組み込みが可能です。ただし月間アクティブユーザーが7億人を超えるサービスでの利用は、Metaとの別途ライセンス契約が必要です。この閾値を超えるサービスを運営している企業は事前に確認が必要ですが、一般的な企業の社内ツール用途であれば問題にならない水準です。

モデルの蒸留について: Llamaを使って別の言語モデルを学習・改善することには制限があります。他のモデルの学習データとしてLlamaの出力を使いたい場合は、利用規約の詳細を弁護士に確認することを推奨します。

表示義務について: Llamaを使ったサービスをユーザー向けに公開する場合、「Powered by Meta Llama 3」のような表記が求められます。

ライセンスの最新内容はMeta公式で確認してください。企業規模や用途によって解釈が変わる場合があるため、大規模な導入の前に法務部門のレビューを得ることを推奨します。

Ollamaを使ったローカル環境での起動

Ollamaは、LlamaをはじめとするオープンモデルをPCで動かすための最も手軽なツールです。以下の手順で起動できます。

Ollama公式サイトからインストーラーを取得してインストールする（Windows・macOS・Linux対応）
ターミナルを開いて ollama pull llama3.2:3b を実行する（ダウンロードに数分かかります）
ollama run llama3.2:3b で対話セッションが開始する
アプリケーションから使う場合は http://localhost:11434/v1/chat/completions に対してOpenAI互換形式でリクエストを送る

GUIで使いたい場合は、Ollamaと連携するLM StudioやOpen WebUIをインストールするとChatGPTに近い操作感で使えます。

モデルファイルは初回ダウンロード後にローカルに保存されるため、2回目以降の起動はインターネット接続なしで行えます。

日本語対応の現状と改善方法

Llama 3.2のオリジナルモデルの日本語精度は限定的です。英語中心のデータで事前学習されているため、日本語での質問に英語で回答したり、文法が崩れた日本語を生成したりすることがあります。

この問題に対して、国内外の研究者やエンジニアが日本語テキストでの追加学習を施した派生モデルを公開しています。代表的なものにELYZA社が公開するELYZA Llamaシリーズがあり、Hugging Faceからダウンロードして使えます。追加学習を経たモデルは、Llama 3.2のオリジナルと比べて日本語の自然さ・文法正確性が大幅に改善します。

Ollamaでは ollama pull elyza/elyza-jp-8b のように日本語モデルを直接取得できます（モデル名と対応状況は変わることがあるため、Ollamaの公式モデル一覧で確認してください）。

ファインチューニングとは何かでは、既存モデルを自社データで調整する手法を詳しく解説しています。社内用語や業界特有の表現に対応させたい場合に参考になります。

ビジネスでの活用シナリオ

カスタマーサポートの一次対応

Llama 3.2 3BにRAGを組み合わせ、製品FAQ・操作マニュアル・過去の問い合わせ履歴を知識ベースとして持たせる構成で、よくある質問への一次回答を自動化できます。人間のオペレーターへのエスカレーション判断はルールベースで設定し、複雑な案件は人間が対応するフローにします。

この構成で、同じ質問への回答準備にかかる時間を平均15分から2分に短縮できたという事例パターンがあります。ただし実際の効果は業務内容・データ品質・実装方法によって異なります。

社内ナレッジの検索・要約

社内Wikiや議事録が膨大になってきた場合、Llama 3.2 3B＋RAGで「この規程に基づく申請方法は？」「先月のキックオフで決まった仕様変更は何か？」といった自然言語での検索に対応できます。ベクトルデータベース（ChromaDBやPineconeなど）に文書を格納し、クエリに関連する文書を抽出してLlamaに渡す構成です。

社内FAQ自動化の全体設計はSLMで社内FAQを自動化する手順で詳しく解説しています。

モバイルアプリへの組み込み

Llama 3.2 1BモデルはiPhone 15 Pro以降やハイエンドAndroid端末で動作します。端末内でモデルが動くため、ユーザーの入力内容がサーバーに送信されません。BYODポリシーを持つ企業や医療・法律など機密性の高い業務向けアプリに向いています。

モバイルへの組み込みにはllama.cppやCore MLへの変換など技術的な手順が必要で、一般的な業務アプリ開発よりも専門知識が求められます。最新の対応状況はMeta公式とコミュニティフォーラムで確認してください。

Llama 3.2を選ぶべき状況・選ばないべき状況

エコシステムの広さ・対応ツールの豊富さ・コミュニティの情報量を優先するなら、Llama 3.2が最初の選択肢になります。SLMを触ったことがないチームが試験的に導入するにも、情報が多いため問題が発生したときの解決策を見つけやすいです。

一方で、Azure上での管理コンソールやWindowsとの深い統合を求めるならPhi-4 Miniが、Googleのサービスとの親和性を優先するならGemma 3が向いています。日本語精度を最優先する場合は、Llama 3.2の日本語追加学習版かQwen2.5のような日本語・中国語に強いモデルも比較対象に入れてください。

SLMとAPIコストの比較では、SLMをセルフホストする場合とAPIを使い続ける場合の費用を計算する方法を解説しています。

まとめ

Llama 3.2の1B・3Bモデルは、一般的なPCで動き・広いエコシステムを持ち・商用利用可能なオープンSLMです。日本語精度は日本語追加学習モデルで補い、RAGと組み合わせることで社内FAQ・ドキュメント検索・カスタマーサポートの一次対応を自社環境で完結させられます。Llama 3 Community Licenseの条件を確認した上で、まずOllamaで手元のPCに起動して評価してみることが最初のステップです。