LLM・SLM・VLM・MLLM・LVM・LMM・VLAなどの用語の意味と違いや代表モデルを解説

企業のAI活用が進むなか、LLM（大規模言語モデル）に加え、SLMやVLM、MLLMなどの新しいモデルや用語が次々と登場し、それぞれの違いが分かりにくくなっています。

本記事では、各種言語モデルや用語の特徴と実践的な活用方法を、実例を交えながら解説します。AI導入による具体的な業務改善のイメージを掴み、自社に最適な技術選択を行うための指針となる情報を提供します。

関連記事：「LLMの正しい理解と具体的な活用方法、導入コストの分析をわかりやすく解説」

＼今年度、AI導入相談増加中！／

LLM・SLM・VLMなどの用語早見表

LLM、SLM、VLMなどの用語は、モデルの規模、扱える情報、学習方法、製品・モデル名など、異なる観点から付けられています。そのため、各用語は必ずしも同じ分類軸で並ぶものではなく、一つのモデルが複数の分類に当てはまる場合もあります。

以下に、本記事で扱う主な用語の意味と分類を整理します。

LLMに強い会社・サービスの選定・紹介を行います

今年度LLM相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・GPT、Claude、Gemini、Llama等の複数モデルに対応

完全無料・最短1日でご紹介 LLMに強いAI会社選定を依頼する

LLM (Large Language Model)

LLM（Large Language Model：大規模言語モデル）は、膨大なテキストデータをもとに学習し、自然言語を理解・生成するモデルです。文脈や意味を高度に捉えることが可能です。

LLMでは、Transformerと呼ばれるニューラルネットワークアーキテクチャが核となります。Transformerで単語やフレーズの関係性を解析することで、より深い言語理解を実現しています。

社内のデジタル化を進める上で、LLMは有用なツールとして活用できます。また、ローカルLLMを活用することで、内部業務のさらなる効率化が期待されます。特に、自然言語を用いた操作性は非技術者にも分かりやすく、幅広い業務で導入しやすいでしょう。

なお、現在のLLMはテキスト処理にとどまらず、画像や音声、動画なども扱えるマルチモーダル化が進んでいます。

LLMの主な応用分野

LLMは以下のような多様な分野で活用されています。

• カスタマーサポート：24時間365日対応可能な高度なチャットボット
• 文書生成：レポート、マーケティングコンテンツの自動作成
• データ分析：市場動向の分析、顧客インサイトの抽出
• 高精度な多言語翻訳
• 要約：長文の効率的な要約と重要ポイントの抽出
• 画像内容の理解・説明（マルチモーダルLLMの場合）

LLMについてはこちらの記事で詳しく解説しているので、併せてご覧ください。

SLM（Small Language Model）

SLM（Small Language Model）は「小規模言語モデル」と訳される、比較的小さなパラメータ数を持つAIモデルです。2023年頃から登場し始め、LLM（Large Language Model）とは対照的に、特定のタスクや分野に特化した設計がされているものも多くあります。

SLMは、開発コストや運用の柔軟性に優れており、ここ1年で多くの企業がSLM開発プラットフォームを提供しています。現在はMicrosoftやGoogle、Metaなどの大手企業も小型モデルを展開しており、オンデバイスAIや特定業務向けモデルとして活用が広がっています。

SLMは、LLMに比べて計算リソースの消費が抑えられます。また、1ビットLLMを活用することで、さらに高速な処理と省電力が期待されます。

これにより、スマートフォンやオフライン環境でもエッジLLMとして快適に使用できる利点があります。小規模な設計のおかげで、SLMはファインチューニングが容易であり、短時間で特定の知識を学習することが可能です。

代表的なSLMとして、MicrosoftのPhiシリーズ、GoogleのGemmaシリーズ、Mistral AIのMinistralシリーズなどが挙げられます。

関連記事：「SLM（小規模言語モデル）とは？LLMとの違いは？小規模の理由・企業へのメリット・デメリット」
関連記事：「Phi-4とは？特徴・活用メリット・始め方・注意点まで最新情報を徹底紹介！」
関連記事：「Gemma 3とは？Google開発のマルチモーダルLLMの特徴と活用法を徹底解説」
関連記事：「Mistral AIとは？特徴や主要モデル、活用方法をわかりやすく徹底解説！」

VLM（Vision-Language Model）

VLM（Vision-Language Model）とは、画像とテキストの情報を統合的に処理するために設計されたAIモデルです。画像に関する質問に自然言語で回答できるため、専門知識がなくても利用可能です。

VLMは、画像データから抽出される視覚的特徴と、テキストデータから得られる意味的特徴を結びつけることで機能します。画像内の物体を特定し、その説明をテキストで生成するというような、高度なタスクを実現することが可能です。

VLMの主な応用分野

VLMの応用範囲は広く、以下のような分野で活用されています。

• 画像キャプション生成
• ビジュアル検索
• コンテンツモデレーション
• 医療画像診断支援：X線やMRI画像の分析による早期異常検出
• 手術支援：手術映像の解析や、医師への支援情報の提示
• 医療VQA（Visual Question Answering）：医療画像に関する質問応答システム
• 製品の欠陥検出による品質保証
• 予知保全：機械画像の分析による故障予測

関連記事：「VLMとは？画像とテキストを統合処理する仕組み・メリット・デメリット・活用分野」

LLMに強い会社・サービスの選定・紹介を行います

今年度LLM相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・GPT、Claude、Gemini、Llama等の複数モデルに対応

完全無料・最短1日でご紹介 LLMに強いAI会社選定を依頼する

VLA（Vision-Language-Action）

VLAをひと言で表すなら、「視覚（Vision）と言語（Language）の理解を、具体的な行動（Action）に結びつけるAIモデル」です。

これまでのAIとの決定的な違いは、ロボットを制御するための行動データや指令を出力できる点にあります。

1. Vision（見る）: カメラなどを通じて、現実世界の状況を視覚的に認識します。「テーブルの上にリンゴが一つある」といった状況を捉えます。
2. Language（理解する）: 「そのリンゴを取って」といった人間からの自然言語による指示を理解します。
3. Action（動く）: 視覚情報と言語指示を統合し、ロボットアームなどを動かして「リンゴを掴み、持ち上げる」という一連の物理的な動作を生成します。

従来のAIが、画像を見て「これはリンゴです」と説明したり、テキストでコーヒーの淹れ方を解説したりする「解説者」だったとすれば、VLAを組み込んだロボットシステムでは、コーヒーメーカーを操作するといった動作を実行できます。

「解説」から「実行」への飛躍こそが、VLAがもたらす最大のインパクトと言えるでしょう。

MLLM（Multimodal Large Language Model：マルチモーダルLLM）

MLLM（マルチモーダルLLM）は、テキストに加えて画像や音声、動画など、複数の情報形式を統合的に処理できる大規模言語モデルです。LLMの言語処理能力を基盤に、視覚・聴覚情報などを組み合わせて理解や生成を行います。対応する入力・出力形式はモデルによって異なります。

近年は、GPTシリーズをはじめ、GeminiやClaudeなど主要なLLMのマルチモーダル対応が進んでいます。そのため、LLMが言語専用、MLLMが複数形式に対応するモデルという従来の区別は薄れつつあり、マルチモーダル機能を備えたモデルも広義のLLMとして扱われることが増えています。

複数の情報形式を組み合わせることで、画像について質問する、音声を文字起こしして要約する、映像と文章を横断して情報を分析するなど、単一の情報形式だけでは難しいタスクに対応できます。

MLLMの主な応用分野

MLLMの具体的な応用例は以下の通りです.

• 医療画像診断支援：医療ビッグデータを統合的に解析し、X線やMRI画像と患者の病歴を組み合わせて高精度な診断を支援
• 自動運転支援：カメラ画像や言語情報などを組み合わせた状況理解や運転判断の支援
• ロボット支援：画像や言語による環境理解、作業計画、指示内容の解釈
• 介護支援ロボット：言語だけでなく非言語コミュニケーションも理解し、高齢者の健康状態や生活状況の変化を把握
• 監視システム： 映像と音声データを組み合わせて分析し、より正確な異常検知
• マルチモーダル検索：テキスト、画像、音声などの複数のモダリティを統合して、より高度な検索機能を実現

関連記事：「MLLM（マルチモーダルLLM）とは？LLMとの違い・メリット・代表モデル・活用分野を徹底解説！」

MLLM（Multilingual Large Language Model）多言語モデル

MLLM（Multilingual Large Language Model）は、多言語対応を目的としたモデルで、複数の言語間での理解と生成が可能な技術です。アルファベットの略語としては上記のマルチモーダルLLMのMLLMと混在している状況ですが、全く別の概念を表します。

MLLMでは、一つのモデル内で多様な言語データを学習することで、翻訳や多言語検索、言語間のコンテンツ生成といった幅広いタスクに対応します。

従来の言語モデルに比べ、MLLMは高度な統合性を持っています。異なる言語間の共通点を活用し、既存の知識を再利用できるように設計されています。言語間で知識を共有するクロスリンガル学習などにより、学習データが少ないリソースの言語でも高い性能を発揮することが可能です。

こうした特性から、MLLMの応用範囲は非常に広く、以下のような分野で活用されています。

• 自動翻訳
• 多言語検索
• カスタマーサポート

MLLMは単一のモデルで複数言語に対応できるため、開発や運用コストを削減できます。また、これまで十分にサポートされていなかった言語に対しても、高品質なサービスを提供することが可能です。

グローバル化が進む現代において、MLLMは不可欠な自然言語処理技術と言えるでしょう。国際展開を目指す企業にとっては、異なる言語での情報処理を効率化し、顧客体験を向上させる重要なツールとなります。

LLMに強い会社・サービスの選定・紹介を行います

今年度LLM相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・GPT、Claude、Gemini、Llama等の複数モデルに対応

完全無料・最短1日でご紹介 LLMに強いAI会社選定を依頼する

基盤モデル（Foundation Model）

基盤モデル（Foundation Model）とは、言語処理、画像処理問わず、幅広いタスクに対応できる汎用的なAIモデルを指します。これらのモデルは、膨大なデータセットを用いて事前学習されており、さまざまな特定タスクに適応するためファインチューニングすることで、多様な用途に利用することが可能です。

基盤モデルでは、大規模なテキストデータやマルチモーダルのデータから学習することで、人間のような文脈理解やタスク処理が可能になります。基盤モデルが持つ汎用性は、自然言語処理や画像認識、生成モデルなど、複数の分野を横断します。

代表的な基盤モデル

代表的な基盤モデルやモデルシリーズには、以下があります。

• OpenAI：GPTシリーズ、GPT Imageシリーズ
• Anthropic：Claudeシリーズ
• Google：Geminiシリーズ、Gemmaシリーズ、Imagenシリーズ
• Meta：Llamaシリーズ
• Stability AI：Stable Diffusionシリーズ
• OpenAI：CLIP

基盤モデルの高い汎用性とスケーラビリティによって、社内業務を自動化し、付加価値の高い仕事に集中できる環境を整えることが可能です。新製品開発や市場分析など、データを基盤とした意思決定の迅速化にも貢献するでしょう。

関連記事：「基盤モデルとは一体どんなものなのか？従来のAIとどう違うのか？そのメリットとは？」

MLM（Masked Language Model）

MLM（Masked Language Model）は、自然言語処理の分野で広く利用されている学習手法です。モデルが文章の一部を隠して（マスキングして）、その部分を予測することで学習します。

MLMでは前後の文脈を考慮しながら単語を予測するため、双方向性を備えた自然言語処理が可能です。例えば、「今日は___が晴れています。」という文を、モデルは文脈情報を使って「空」という適切な単語を予測するように学習します。

MLMは、以下のような場面で活用されています。

• 文章分類
• 感情分析
• 固有表現抽出
• 検索や文章の類似度判定
• 質問応答
• 文章中の欠落語の予測

特定の業界向けにカスタマイズされたMLMを構築することで、より精度の高い情報処理や意思決定支援が可能となります。

PaLM（Pathways Language Model）

PaLM（Pathways Language Model）とは、Googleによって開発された大規模言語モデルです。デコーダー型Transformerを採用し、Googleの分散機械学習システム「Pathways」を使って大規模に学習されました。

巨大なパラメータ数と精度の高さを誇るPaLMは、意味的に高度な推論や、複数の文脈をまたいだ情報統合にも優れています。これにより、複雑なデータ解析や高度な意思決定支援が求められる場面で役立つでしょう。

PaLMは現在では旧世代のモデルに位置付けられ、Googleは後継となるGeminiシリーズを展開しています。

関連記事：「Google PaLM 2とは何か？実際にできることや使い方、Google PaLM 2のさらに後継であるGemini」

Llama(Large Language Model Meta AI)

Llama（Large Language Model Meta AI）は、Metaが開発したオープンウェイトの大規模言語モデルです。効率性とパフォーマンスの両立を重視して設計され、リソース制約がある環境でも高度なタスクを処理できる性能を誇ります。

Transformerアーキテクチャを基盤としており、軽量化と計算効率を重視しています。このため、従来の大規模言語モデルに比べて少ない計算資源で動作可能です。加えて、文脈理解能力やテキスト生成性能において高い精度を維持します。

Llamaシリーズでは、2023年に公開されたLlama 1以降、Llama 2、Llama 3、Llama 3.1、Llama 3.2、Llama 3.3、Llama 4など、複数のバージョンが継続的に公開されています。

世代ごとに言語理解や推論、コード生成、多言語処理などの性能が向上し、軽量なオンデバイス向けモデルや、画像とテキストを扱えるマルチモーダルモデルも展開されています。用途や実行環境に応じて、モデルの世代やサイズを選択することが重要です。

関連記事：「Llamaとは？Meta社LLMの料金プランやモデル一覧、機能、他の生成AIとの違いを徹底解説！」

言語モデルとは異なるAI・統計モデル

LVM (Latent Variable Model)

LVM（Latent Variable Model）は、観測可能なデータに隠れた構造や関係性を見つけるために設計された統計モデルです。観測データに直接現れない要素を推定することで、データの背後にあるパターンやメカニズムを理解します。

LLMとは異なる目的とアプローチを持ちますが、どちらも機械学習やデータ分析の分野で重要な役割を果たしています。

LVMはデータの複雑性を潜在変数とし、シンプルな構造で説明するための確率論的なモデル構築を行います。例えば、ユーザーの購買データからその人の好みや興味を推測するレコメンドシステムに利用されます。

主なアルゴリズムとして、潜在変数を導入した確率モデルや行列分解手法、ディープラーニング技術を応用したものがあります。代表的なLVMは以下の通りです。

• 混合ガウスモデル（GMM）
• 潜在ディリクレ配分（LDA）
• 変分オートエンコーダ（VAE）

LVMの応用は、マーケティングや医療、製造業まで多岐にわたります。新しいビジネスチャンスの発見や、業務プロセスの効率化に役立つ改善点を特定することにおいては、LVMが優れていると言えるでしょう。

LMM（Linear Mixed Model)

LMM（Linear Mixed Model）は統計モデルの一種で、観測データの中に固定効果とランダム効果の両方を組み込むモデルです。「線形混合モデル」とも呼ばれ、標準的な回帰分析では対応が難しいデータの解析に適しています。

固定効果とは全体的な傾向や一般的な影響を表すもので、ランダム効果とは個別のグループやサンプルに特有の変動を捉えるために使われます。

LMMを活用することによって、データの階層構造や繰り返し測定の特性を効果的に捉えることが可能です。例えば、ある製品のテストデータを解析する際、異なる工場や機械によるバラつきを考慮に入れながら、全体的な品質基準を評価できます。

LMMを組み込むことでデータの解析精度を向上させ、より質の高い意思決定ができるでしょう。

言語モデルや重要用語についてよくある質問まとめ

まとめ

LLM（Large Language Model）は、業務効率化や顧客体験の向上に大きな可能性を秘めています。一方で、各モデルの特性を理解し、自社の課題に適した技術を選択することが成功の鍵となります。

導入を検討される際は、業界に精通したAIコンサルタントに相談することで、より確実な成果につながるでしょう。具体的な活用方法や費用対効果の試算など、専門家のサポートを受けることをお勧めします。