小規模言語モデル（SLM）とは？LLMとの違いは「大きさ」｜パラメータ数の線引きは提供元で違う

AIのニュースやベンダー資料で、「小規模言語モデル（SLM）」という言葉を見かけることがあります。LLMという言葉はよく聞くけれど、SLMとは何が違うのか分かりにくい言葉です。

この記事では、小規模言語モデル（SLM）が何を指すのか、パラメータ数の線引きがなぜ一つに決まらないのか、LLMとどう違うのかを、IBM・Red Hat・Microsoft・NVIDIAの説明を並べて整理します。

小規模言語モデル（SLM）とは、LLMより小さいモデルの総称

IBMの説明では、小規模言語モデル（SLM）は、自然言語を処理・理解・生成できるAIモデルのうち、LLMより規模が小さいものを指します。

Red Hatは、少し違う角度で定義しています。SLMを、LLMの小型版であり、より専門知識に特化し、カスタマイズが速く、実行効率が良いモデルだと説明しています。

どちらの説明も、SLMを単独の技術としてではなく、LLMとの相対的な大きさや役割の違いとして位置づけている点は共通しています。

パラメータ数の線引きは、提供元によって違う

小規模言語モデルという言葉には、業界共通のパラメータ数の基準があるわけではありません。

IBMの説明では、SLMのパラメータ数は数百万から数十億の範囲だとしています。一方でLLMは、数千億から数兆にのぼるとしています。ただしIBMも、SLMの上限を具体的な数値で明言してはいません。

Red Hatに至っては、定義の中でパラメータ数そのものに触れていません。LLMより小さく、より専門知識に特化しているという相対的な関係で説明しています。

このように、「◯B以下ならSLM」という共通の線引きは存在しません。この記事でも、特定の数値を基準として断定しません。

LLMとの違いは大きさが主な軸で、動かし方や重み公開とは別の話

SLMとLLMの主な違いは、パラメータ数という「大きさ」の軸です。

ただし、モデルが小さいことと、どこで動かすかは別の話です。SLMだから必ずローカルで動かす、というわけではありません。どこで計算するかという実行場所の違いは、ローカルLLMで扱っています。

同じように、モデルの重みをどこまで公開しているかという配布のされ方も、大きさとは別の軸です。この点はオープンウェイトモデルで扱っています。

大きさ・実行場所・配布のされ方は、それぞれ独立した軸として捉えたほうが、言葉の混同を避けられます。

性能・コスト・速度は、本当にSLMのほうが有利なのか

「小さいほうが軽くて安い」という話は、条件付きで正しいものです。単純化はできません。

Microsoftは、自社のPhi-3-miniというモデル（38億パラメータ）が、特定のベンチマークで2倍サイズのモデルを上回ったと説明しています。厳選した高品質な学習データを使ったことが理由だとされています。

これはMicrosoftの1モデルの例であり、SLM全般が大きいモデルより優れるという意味ではありません。

一方でRed Hatは、SLMは特定の分野には強いものの、一般的な知識や幅広い文脈理解では、LLMに劣る場合があると説明しています。得意・不得意は用途によって分かれます。

軽さや速さの度合いも、モデルの大きさだけで決まるわけではありません。NVIDIAは、40億パラメータのモデルを、より大きなモデルから蒸留・枝刈り・量子化という工程を経て作った例を紹介しています。

蒸留とは大きいモデルの出力を真似るよう小さいモデルを訓練する手法、枝刈りは重要度の低い部分を取り除く手法、量子化はモデルの重みの精度を落とす手法です。

この工程の結果、扱うメモリは約2GBまで抑えられたとされています。

つまり、パラメータ数だけでは、実際のメモリ使用量や速度は決まりません。NVIDIAの例では、量子化を含むモデル最適化と実行条件によって、扱うメモリの軽さが実現されています。「小さいから必ず安い・速い」とは言えません。

どんな用途に向いているのか

IBMは、SLMが向く場面として、エッジデバイスやモバイルアプリのような、使えるメモリや計算力が限られた環境を挙げています。ネットワークにつながらない環境でAIの推論を行う場合も、SLMが向くとされています。

Red Hatは、SLMが特定の分野に特化した知識を持たせやすく、追加学習の効率も良いと説明しています。ただし、追加学習には、データサイエンスと対象分野の両方の専門知識が必要になるとも述べています。

このように、SLMは「実行環境が限られている」「扱う話題が特定分野に絞られている」という条件がある場面で選択肢になります。

よくある質問

SLMは、途中の考え方を出す推論モデルと同じですか

同じではありません。SLMはモデルの大きさに注目した分類です。途中の考え方を出すかどうかという性質は、モデルの大きさとは別の軸で決まります。この性質は推論モデルで扱っています。

SLMは、必ず量子化されているのですか

必ずではありません。NVIDIAの例のように、大きいモデルから蒸留・枝刈り・量子化を経て作られるSLMもありますが、量子化はSLMを軽くするための一つの手法です。SLM自体の定義に、量子化が含まれているわけではありません。

SLMは、追加学習しやすいのですか

Red Hatの説明では、SLMはLLMに比べて追加学習の効率が良いとされています。ただし、専門知識が必要な作業である点は変わりません。追加学習の方法や費用の考え方はファインチューニングで扱っています。

SLMは、基盤モデルの一種ですか

SLM・LLMという分け方は大きさに注目した分類で、基盤モデルという分類は成り立ち方に注目した別の分類です。

小さいモデルが基盤モデルの性質を持つかどうかは、個々のモデル次第です。2つの分類は独立しているため、この記事では立ち入りません。

まとめ

小規模言語モデル（SLM）は、IBM・Red Hatの説明に共通する通り、LLMより規模が小さいモデルを指す言葉です。

パラメータ数の線引きは、提供元によって違います。IBMは数百万から数十億という幅を示すのみで、Red Hatはパラメータ数自体を定義に使っていません。

性能・コスト・速度の優劣は条件付きです。Microsoftの例のように特定のベンチマークで大きいモデルを上回ることもあれば、Red Hatが指摘するように一般知識では劣ることもあります。

軽さや速さも、パラメータ数だけで決まるわけではありません。NVIDIAの例のように、量子化を含むモデル最適化や実行条件によって変わります。

大きさという軸は、どこで動かすか、重みを公開しているかという軸とは別です。それぞれの詳細は、ローカルLLMやオープンウェイトモデルで扱っています。

AI活用の相談をしたい場合は、お問い合わせはこちらからご相談ください。

この記事の出典

• What are Small Language Models (SLM)? - IBM Think（IBM、2026-09-13確認）
• SLMs vs LLMs: What are small language models? - Red Hat（Red Hat、2026-09-13確認）
• Tiny but mighty: The Phi-3 small language models with big potential - Microsoft Source（Microsoft、2026-09-13確認）
• Deploy the First On-Device Small Language Model for Improved Game Character Roleplay - NVIDIA Technical Blog（NVIDIA、2026-09-13確認）