ニュース
PFN、金融特化型のSLM「PLaMo 3.0 Fin」をHugging Faceで公開
2026年11月9日 13:58
Preferred Networksは11月9日、国産生成AI基盤モデル「PLaMo」をベースに金融機関の実務利用を想定した金融特化型の小規模言語モデル（SLM）「PLaMo 3.0 Fin」を開発し、同社の「Hugging Face」ページでオープンウェイトモデルとして公開した。セキュリティ要件の厳しい金融機関向けに、クラウドの閉域環境やオンプレミス環境への導入にも対応している。
また、同モデルの事後学習において、Reasoning機能やツール利用のための指示追従学習を、同社が開発したAI半導体「MN-Core 2」で実施した。
PLaMo 3.0 Finの特徴
- 国立研究開発法人情報通信研究機構（NICT）との共同研究で得られた事前学習モデル「PLaMo 3 NICT」を基盤として、PFNが日本を中心とした金融分野のデータで追加学習を行ない、金融知識を強化。
- 段階的に考えてから回答するReasoning機能を搭載。推論過程が日本語で出力されるため、回答の根拠を確認しやすい。
- 最新情報のWeb検索や計算、社内データベースの参照など、外部ツールを呼び出す機能を追加。
- 小型モデルで高速動作可能なため、クラウドの閉域環境やオンプレミス環境でもGPU1枚から運用可能。
- オープンウェイトモデルとしてHugging Faceで公開され、社内業務での利用や自社製品・サービスへの組み込みなど、PLaMoコミュニティライセンスに定める範囲で商用利用可能。
- 事後学習におけるReasoning機能やツール利用のための指示追従学習を、PFNが自社開発したAI半導体MN-Core 2で実施。AI半導体から基盤モデル、業界特化型モデルまでを国産技術を用いて開発。
同社開発AI半導体「MN-Core 2」での追加学習
PLaMo 3.0 Finの事後学習では指示追従学習を、同社が開発したAI半導体「MN-Core 2」を搭載した同社グループの計算基盤PFCP（Preferred Computing Platform）で実施した。MN-Core 2は、深層学習の中心となる行列演算に特化し、電力あたりの演算性能を重視して設計されたAI半導体。MN-Core 2のような独自のAI半導体を幅広い開発者が活用するには、ハードウェアの性能を十分に引き出しつつ、プログラムの移植に必要な専門知識や開発負担を減らすことが重要となる。
この課題に対し同社では、コーディングエージェントを中核に据えた新たなプログラム移植手法の研究開発を進めている。今回のPLaMo 3.0 Finの開発にこの手法を活用したことで、MN-Core 2に関する深い専門知識を持たない開発者でも、複数ボードによる分散学習への対応を含め、指示追従学習用コードの移植を1週間以内に完了することができた。
さらに、移植したコードによる学習では、行列演算に優れたMN-Core 2の性能を十分に引き出し、GPUを用いた学習環境と同等の実用的な学習速度を達成した。短期間でのコード移植と高い学習性能を両立し、AI開発においてMN-Core 2がGPUと並ぶ新たな選択肢となりうることを示した。