ベストな小型言語モデル（SLM）（2026年版）：どこでも動作する強力なAI

2026年のAIにおける最大の話題は、パラメータ数が1兆に達するフロンティアモデルの登場ではありません。静かに台頭している小型言語モデルです。パラメータ数が1Bから14Bのコンパクトで効率的なLLMは、2年前のGPT-4クラスの巨大モデルに匹敵する能力を備えています。スマートフォン、エッジデバイス、ノートPCのCPU、あるいはコンシューマー向けGPU1枚で動作し、インテリジェントなソフトウェアのコストを桁違いに低減しました。

なぜSLMは突然これほど高性能になったのでしょうか。3つの要因が重なりました。より優れた学習データ（特に大規模モデルから蒸留した合成データ）、より優れたアーキテクチャ（Mixture-of-Experts、Grouped-Query Attention、RoPEスケーリング）、そしてリーダーボードのスコアよりもレイテンシとユニットエコノミクスを重視するようになった市場です。その結果、多くの実務タスクにおいて7Bモデルと70Bモデルの差は、「明白」から「測定が困難」なレベルまで縮まりました。

このガイドでは、2026年に実際に使用できる最高の小型言語モデルを解説します。各モデルの得意分野、弱点、そして最適なモデルの選び方について説明します。

2026年における「小型」モデルの定義

基準は毎年変化します。2024年には7Bモデルが小型と感じられていました。現在、「小型」とは一般的にコンシューマー向けハードウェアで快適に動作するモデルを指します：

• 超小型（2B未満）：スマートフォン、ブラウザ、マイクロコントローラーで動作します。Phi-4 Mini、Gemma 3 1B、Llama 4 Nano。
• 小型（2B–8B）：コンシューマー向けGPU1枚、または最新のノートPCで動作します。Phi-4、Llama 4 Scout 8B、Mistral 7B v3、Qwen 2.5 7B。
• 中規模（8B–14B）：24GB GPU1枚、またはMシリーズMacで動作します。Gemma 3 12B、Mistral Nemo、Qwen 2.5 14B。

14Bを超えるモデルは、2026年の用語では「中規模」モデルと感じられるようになります。

2026年最高の小型言語モデル

1. Microsoft Phi-4 — パラメータあたりの総合品質が最高

サイズ：14B（Phi-4）および3.8B（Phi-4 Mini） ライセンス：MIT（完全なパーミッシブライセンス） 最適用途：推論、数学、コード、構造化出力

Phi-4は、Microsoftの「教科書品質」の学習データという戦略を継続しています。Webからスクレイピングしたテキストではなく、厳選された合成コンテンツを多用しています。その結果、推論ベンチマークではサイズに見合わない高い性能を発揮し、数学（MATH、AIME）やコード（HumanEval、LiveCodeBench）では、サイズが4倍あるモデルを上回ることも珍しくありません。

強み：

• 構造化された推論やステップバイステップの数学計算に優れています
• Phi-4 Miniは量子化により2.5GB未満に収まり、スマートフォンでも動作します
• MITライセンスにより、制限なく商用利用が可能です
• 指示への追従性が高く、クリーンなJSON出力を得られます

弱み：

• Webデータをより多く学習した同サイズモデルと比べ、世界知識が弱い傾向があります
• LlamaやGemmaと比べ、クリエイティブな文章作成は硬く感じられます
• 多言語対応の範囲が狭いです

ワークロードが構造化されている場合（フィールド抽出、分類、要約、エージェント型ツール使用）、Phi-4は超えるべき小さなモデルです。

---

2. Google Gemma 3 — マルチモーダルと長文コンテキストに最適

サイズ: 1B、4B、12B、27B ライセンス: Gemma利用規約（制限付きで商用利用可） 最適用途: ビジュアルタスク、長文コンテキストの要約、多言語対応

Gemma 3は、GoogleがGeminiから蒸留したオープンウェイトモデルです。12Bモデルは初期設定で128Kのコンテキストに対応し、4B以上のすべてのサイズはマルチモーダルです。画像の説明、ドキュメントのOCR、グラフに関する質問への回答が可能です。ビジョン機能を備えた小さなオープンモデルが必要なワークロードでは、実質的な競合相手はいません。

強み：

• ラインナップ全体でネイティブなビジョン対応
• 4Bモデルでも長文コンテキスト（128K）に対応
• 優れた多言語品質（140以上の言語）
• instructおよびpt（事前学習済み）バリアントで利用可能

弱み：

• Phi-4のような純粋なMITライセンスモデルが回避できるライセンス上の制限
• 1Bモデルは埋め込みには適していますが、生成には弱い
• ビジョン機能を有効にした場合のメモリフットプリントは、テキストのみの同サイズモデルより重くなります

ドキュメント理解パイプラインでは、Gemma 3が適切な出発点となることがよくあります。関連するインフラについては、OCRおよびドキュメント処理に最適なAIツールに関するガイドをご覧ください。

---

3. Meta Llama 4 Scout — 総合的なバランスに優れたモデル

サイズ: 8Bおよび17Bバリアント ライセンス: Llama 4コミュニティライセンス 最適用途: 汎用チャット、RAGパイプライン、ファインチューニング

Llama 4 Scoutは、MetaのMixture-of-Expertsフラッグシップモデルの小型版です。8BのDense版は「地味だが信頼できる」選択肢で、あらゆるベンチマークでバランスよく強い性能を持ち、オープンモデルの中で最も大規模なファインチューニングエコシステムを備えています。どれを選ぶべきか迷う場合は、Scout 8Bが無難なデフォルトです。

強み：

• 1M トークンのコンテキストウィンドウ — このサイズではクラス最高水準
• 大規模なファインチューニングエコシステム（Unsloth、Axolotl、LLaMA-Factoryが初日から対応）
• 英語性能は強く、多言語対応もまずまず
• ドキュメントが充実した量子化パス（GGUF、AWQ、GPTQ）

弱み：

• ライセンスに月間アクティブユーザー700M人の上限がある（ほとんどのチームには無関係）
• 数学・コードのスコアがPhi-4よりやや低い
• 同じパラメータ数ではMistralモデルより効率が劣る

ファミリー全体の詳細については、Meta Llama 4のレビューをご覧ください。

---

4. Mistral Small 3 — 欧州コンプライアンスに最適

サイズ: 7Bおよび22B ライセンス: Apache 2.0（7B）；Mistral Research License（22B） 最適用途: EUホストのデプロイメント、多言語対応、低遅延API

Mistralの小型モデルは、依然として速度のチャンピオンです。スライディングウィンドウアテンション、グループドクエリオアテンション、慎重なプルーニングといったアーキテクチャ上の選択により、Mistral Small 3 7Bは同じハードウェアでLlama 4 Scout 8Bの約1.5倍のスループットでサーブできます。22B版は、特にフランス語、ドイツ語、スペイン語、イタリア語のタスクにおいて、はるかに大きなモデルに迫るベンチマーク結果を出しています。

強み：

• このサイズではクラス最高の推論速度
• 7BはApache 2.0ライセンスで商用利用に制限なし
• 欧州言語での性能が強い
• vllm、tgi、llama.cppでしっかりサポート

弱み：

• 22Bの研究用ライセンスでは、契約なしでの商用利用が禁止されている
• 英語のベンチマークはLlamaやPhiにやや劣る
• Llamaよりもファインチューニングのコミュニティが小さい

---

5. Alibaba Qwen 2.5 — コーディングに最適

サイズ: 0.5B、1.5B、3B、7B、14B、32B ライセンス: Apache 2.0（大部分のバリアント） 最適用途: コーディング、アジア言語、エージェント型ワークフロー

Qwen 2.5は、ブランド認知度よりも精度が重要な場合に、オープンソースコミュニティが繰り返し選択するモデルです。Qwen 2.5 Coder 14Bバリアントは、HumanEvalとMBPPでGPT-4クラスに匹敵するスコアを記録しており、単一の4090で実行できるサイズです。

強み：

• Coderバリアントは、あらゆるサイズで最高クラスのオープンウェイトコードモデル
• 中国語、日本語、韓国語などアジア言語への対応が優秀
• Apache 2.0ライセンスは、主要モデルとしては例外的に寛容
• 細かく用意されたモデルサイズにより、用途にぴったり合ったサイズを選べます

弱み：

• ドキュメントは改善傾向にありますが、MetaやGoogleほど充実していません
• 一部の安全性チューニングにより、過度に慎重な拒否が起きることがあります

コーディングワークフロー用に小型モデルを選ぶ場合は、クラウド代替案としてベストAIコーディングアシスタントとClaude Codeレビューもご覧ください

---

6. DeepSeek V3 Lite — コストパフォーマンスの最高峰

サイズ: 7Bおよび13Bの蒸留版 ライセンス: DeepSeek License（商用利用可） 最適用途: API代替、コスト重視のデプロイ

DeepSeekの蒸留版Liteモデルは、大型MoEフラッグシップモデルの推論能力の多くを、どこでもデプロイ可能なサイズに詰め込んでいます。推論ベンチマークでは、DeepSeek V3 Lite 13Bは推論コストが25%のLlama 4 Scout 17Bと競合する性能です。

全体像についてはDeepSeekレビューをご覧ください。

---

7. Apple OpenELM 2 — On-Device iOSに最適

サイズ: 270M、450M、1.1B、3B ライセンス: Apple Sample Code License 最適用途: iOS/macOSアプリ、プライバシー重視のデプロイ

OpenELM 2は、AppleによるオンデバイスLLM競争への参入です。3Bモデルは、Appleのニューラルエンジン最適化により、ベースモデルのiPhone 17でも実用速度で動作します。データをクラウドに送信せずにアプリ内でAI機能をリリースするために設計されています。

強み：

• iOS/macOS Metalパフォーマンスはクラス最高
• メモリフットプリントが小さい
• AppleがCore MLデプロイ手順を文書化済み

弱み：

• 同サイズでは品質がPhi-4 Miniに劣る
• ライセンス条件により、Apple以外でのデプロイが難しい

---

クイック比較表

適切なSLMの選び方

ユーザーデバイス（スマートフォン、ノートPC）で動作するアプリの場合: 汎用用途ならPhi-4 Mini、iOS専用ならOpenELM 2、ビジョン機能が必要ならGemma 3 1B/4B。

OpenAI API呼び出しを置き換えるスタートアップの場合: 標準としてLlama 4 Scout 8B、上限品質よりレイテンシが重要ならMistral Small 3 7B、開発ツールならQwen 2.5 Coder。

規制産業でオンプレミスに導入する場合：Phi-4（MITライセンス）または Mistral Small 3 7B（Apache 2.0）— 両方とも商用ライセンスが最もクリーンです。

GPUあたり最高の性能を必要とする研究チームの場合：Gemma 3 27B または Mistral Small 3 22B（研究用ライセンスの範囲内）。

ツール呼び出しを伴うエージェント型ワークフローの場合：Phi-4 14B と Qwen 2.5 14B はどちらも関数呼び出しの挙動が特にクリーンです。ベストAIエージェントフレームワークのいずれかと組み合わせてください。

本番環境でのSLM運用

ツールは急速に成熟しました。ローカルでのプロトタイピングには、ベストローカルAIツール — Ollama、LM Studio、llama.cpp — を使えば、このガイド内のすべてのモデルを1つのコマンドで扱えます。本番環境では、サービングには vllm または tgi、マネージドホスティングには Modal、Replicate、または Together AI が標準スタックです。

オフィスやエッジでSLMをホストするためのハードウェアを選ぶ場合は、ローカルLLM向けベストミニPCガイドをご覧ください。評価パイプラインの一部としてSLM間の出力を比較するには、ベストLLM APIゲートウェイを確認してください — 多くは同じプロンプトを複数のモデルバックエンドにルーティングする機能をサポートしています。

正直なトレードオフ

小型モデルは魔法ではありません。フロンティアモデルが有意に優れているタスクはまだ存在します：

• 長く、多段階の推論チェーン（例：法的分析、複雑なリサーチの統合）— Phi-4でさえ、GPT-5やClaude 4よりも推論の破綻が早いです。
• コードのエッジケース — フロンティアモデルは、曖昧な仕様からの回復力が14Bモデルより優れています。
• ニュアンスのあるクリエイティブライティング — 小型モデルは汎用的な散文に傾きがちで、フロンティアモデルは驚きを与えます。
• 多数のツールを同時に使うツール利用 — 現在の多くのアーキテクチャでは、~32Bを下回るとエージェントの信頼性が急激に低下します。

それ以外のタスク — 分類、構造化抽出、RAG回答、要約、ドラフト作成、明確なコンテキストでのコード補完、カスタマーサービスチャット、コンテンツモデレーション — では、2026年時点の7B〜14Bモデルで、コストを大幅に抑えて仕事をこなせます。

結論

最適な小型言語モデルはワークロードによって異なりますが、次の3つを選んでおけばまず間違いないでしょう。推論を多用するタスクにはPhi-4 14B、無難なデフォルトとしてLlama 4 Scout 8B、画像や長文ドキュメントを扱う用途にはGemma 3 12Bです。導入を決める前に、自社データで簡易的な評価を実施してください。ベンチマーク上のモデル間の差は、特定のタスクにおける差と一致しないことがほとんどです。

「とりあえずGPT-4を呼び出せばいい」という時代は終わりつつあります。2026年における賢明な選択は、タスクに合わせてモデルのサイズを最適化することです。小型モデルは、多くのチームが考えている以上に、これらのタスクをこなせます。