ELYZA（イライザ）とは？日本語LLMのモデル系譜と企業が使える3つの経路【2026年8月版】

ELYZA（イライザ）は、東京大学・松尾豊教授の研究室のメンバーが2018年9月に創業し、現在はKDDIの連結子会社となっている日本語大規模言語モデル（LLM）の開発企業です。2024年6月に「GPT-4を超えた」と報じられたLlama-3-ELYZA-JP-70Bでこの名前を知った読者にとっては、そこから2年でモデルの系譜も提供形態も入れ替わっています。誰でも試せたELYZA LLMデモ版は2026年5月に公開を終了し、Hugging Faceで一般公開されている最新モデルはQwenベースの推論モデルと拡散言語モデルに移りました。この記事では、会社としてのELYZAの位置づけ、2023年から2026年までのモデル系譜、そして企業が実際に使える3つの経路を、公式発表とHugging Faceの公開データだけで整理します。

まとめ：ELYZAの現在地と、いま選べるモデル

• ELYZAは東京大学・松尾豊研究室発の日本語LLM企業で、2024年4月1日を目途にKDDIの連結子会社となりました（KDDI 43.4%、KDDI Digital Divergence 10.0%）。
• 「GPT-4を超える」は2024年6月時点のLlama-3-ELYZA-JP-70Bへの評価です。70Bクラスは同年10月のLlama-3.1-ELYZA-JP-70Bも含めてHugging Faceに置かれておらず、企業向けのAPIや共同開発でのみ提供されています。
• 2026年8月時点でHugging Face上に公開されている最新世代は、Qwen2.5ベースの推論モデルELYZA-Thinking-1.0-Qwen-32B（2025年5月）と、日本語特化の拡散言語モデルELYZA-Diffusionシリーズ（2026年1月）です。いずれもApache-2.0で商用利用できます。
• それでも直近30日のダウンロード数は2024年公開のLlama-3-ELYZA-JP-8Bが最多で、実務の主力は今も8Bです。
• 企業が使う経路は、Hugging Faceのオープンウェイト、ELYZA LLMのAPI・共同開発、SaaS製品のELYZA Worksの3つに分かれます。無料デモ版はもう存在しません。

ELYZAとは：東大松尾研発でKDDI連結子会社の日本語LLM開発企業

会社の成り立ちとKDDIグループ入りの経緯

株式会社ELYZAは2018年9月設立、代表取締役は曽根岡侑也氏、本店は東京都文京区本郷3-15-9 SWTビルです。事業内容は「AIリサーチ＆ソリューション事業」と「AIプロダクト事業」の2本立てで、東京大学・松尾豊教授の研究室のメンバーが創業しました。公式サイトでは「2020年に独自のLLMの開発に成功して以来」と自社の起点を説明しており、ChatGPT公開より前から日本語の言語モデルに取り組んできた点が他の生成AIスタートアップとの違いです。

資本構成が大きく動いたのは2024年3月18日です。ELYZAはKDDIおよびKDDI Digital Divergence Holdingsと資本業務提携を締結し、2024年4月1日を目途にKDDIが43.4%、KDDI Digital Divergenceが10.0%の株式を保有してELYZAはKDDIの連結子会社となりました。

デジタル庁が2026年3月6日に公表した「ガバメントAIで試用する国内大規模言語モデル」の選定結果で、KDDIとELYZAは提供企業として選ばれました（両社の発表は3月10日）。役割分担は明確で、ELYZAがLLMの開発・提供を、KDDIがプロジェクトマネジメントと検証用GPUリソースの提供を担います。国内の官公庁向けLLM調達の文脈でELYZAがどこに位置するかは、デジタル庁が選定した国産AI7モデルとは｜源内で試用するソブリンLLMの比較・選定基準・活用事例で他社モデルと並べて確認できます。

1960年代の対話プログラム「ELIZA」との違い

検索では「eliza ai」と「elyza ai」が混ざりますが、この2つは別物です。ELIZAは1964年から1967年にかけてMITのJoseph Weizenbaum氏が開発した初期の対話プログラムで、有名なDOCTORスクリプトはロジャーズ派の心理療法士を模し、利用者の発言をパターンマッチで問い返しました。一方のELYZAは2018年設立の日本企業で、Transformerベースの大規模言語モデルを開発しています。技術的な連続性はありません。

ELYZAのモデル系譜：Llama-2世代からQwenベース・拡散言語モデルへの4世代

ELYZAは海外のオープンモデルをベースに日本語の追加事前学習と指示チューニングを重ねる方針を一貫して取っており、ベースがLlama 2からLlama 3、Llama 3.1、Qwen2.5、拡散言語モデルDreamへと移ってきたのが系譜の骨格です。以下はHugging Faceの公式アカウントと公式発表を2026年8月10日時点で整理したものです。

Hugging Faceのモデル検索APIは認証なしで叩けます。次の1行で、ELYZA名義の公開モデルと正式なリポジトリ名を自分で確認できます。

curl -s "https://huggingface.co/api/models?author=elyza"

ELYZA-japanese-Llama-2系（2023年）

最初期の公開モデル群です。2023年8月にLlama 2ベースの7B、11月にCode Llamaベースのコード生成特化版、12月に13Bが続きました。現在の性能水準から見れば実務投入の候補にはなりませんが、日本語追加事前学習という手法をELYZAが確立した世代として位置づけられます。

Llama-3-ELYZA-JP-70B・8B（2024年6月）と3.1世代（2024年10月）

2024年6月26日に発表された、ELYZAの名前を一般に広げたモデルです。8BはHugging Faceで公開され、Llama 3コミュニティライセンスのもと商用利用が認められました。GGUF版とAWQ版も同時に公開されています。対して70Bはウェイトが公開されず、無料デモを通じてAPI経由で触る形でした。

70B系はその後も更新されています。2024年10月25日、ELYZAはMetaのLlama-3.1-70Bをベースに日本語追加事前学習と指示学習を施したLlama-3.1-ELYZA-JP-70Bを発表しました。ベースをLlama 3.1へ切り替えたことで長文の処理が可能になり、事後学習の見直しで指示追従能力も改善しています。こちらもウェイトは公開されず、安全なAPIサービスや共同開発プロジェクトを通じて企業向けに提供される形です。

8Bを実際に手元で動かす手順、必要なVRAM、Ollamaでの起動方法はLlama-3-ELYZA-JP-8Bとは？日本語特化LLMの性能・Ollamaでの使い方を解説にまとめてあります。

ELYZA-Thinking／ELYZA-Shortcut-1.0-Qwen（2025年5月）

2025年5月1日公開。ベースがMetaのLlamaからアリババのQwen2.5-32B-Instructへ移った転換点です。ELYZA-Thinking-1.0-Qwen-32Bは、Qwen2.5-32B-Instructに日本語追加事前学習を施したうえで、モンテカルロ木探索（MCTS）に着想を得たアルゴリズムで探索した推論パスから作る、長い思考過程つきの合成データ約150,000件で教師ありファインチューニングを行った推論モデルです。仕上げにDeepSeek-R1-Distill-Qwen-32Bを重み0.3、ELYZAモデルを0.7の比率でマージし、英語の数学ベンチマークMATH-500のスコアを引き上げています。ELYZAは320億パラメータでOpenAIのo1-miniに匹敵し、数学系ベンチマークでは日英ともにo1-miniを上回ったと発表しました。

ELYZA-Shortcut-1.0-Qwen-32B／7Bは、その推論モデルの開発過程で得た（問題、思考過程、回答）から思考過程を取り除き、（問題、解答）ペアだけで学習させた非推論モデルです。思考トークンを吐かないぶん推論コストとレイテンシが下がります。ELYZAは32Bについて、同じ非推論モデルであるGPT-4o（20241120）に匹敵するスコアだと説明しています。この世代からライセンスがApache-2.0になり、Metaライセンス特有の制約から外れました。

ELYZA-Diffusionシリーズ（2026年1月）

2026年1月16日公開、現時点で最も新しい系統です。リポジトリはELYZA-Diffusion-Base-1.0-Dream-7BとELYZA-Diffusion-Instruct-1.0-Dream-7Bの2本に分かれます。自己回帰モデルが左から右へ1トークンずつ生成するのに対し、拡散言語モデルは全トークンがMASKの状態から始めて文全体を同時に更新しながら段階的に確定させます。ELYZAの技術記事では、256トークンの生成に自己回帰では256ステップが必要なところ、拡散では生成ステップ数を64に設定することで1/8の推論回数で同じ長さのテキストを生成できると説明されています。

作りは香港大学NLPグループとファーウェイのNoah’s Ark Labが共同開発したDream-v0-Instruct-7Bを初期モデルとし、約620億トークンの日本語コーパスで継続学習したうえで指示チューニングを施したものです。BaseとInstructの2種類がApache-2.0で公開され、商用利用できます。ただしELYZA自身が「本手法は依然として研究段階の側面も強く」と明記しているとおり、生成ステップ数を減らすほど品質が落ちるトレードオフがあり、業務システムへそのまま載せる段階ではありません。

「GPT-4を超える」の射程：2024年6月時点の日本語ベンチマーク比較

ELYZAが2024年6月26日の公式noteで示したのは、Llama-3-ELYZA-JP-70BがELYZA Tasks 100とJapanese MT-Benchという2つの日本語ベンチマークで、GPT-4、Claude 3 Sonnet、Gemini 1.5 Flashといった「2024年3月時点のグローバルトップ水準であるモデル」を上回るスコアを達成した、という内容でした。同時に8BはGPT-3.5 TurboやClaude 3 Haikuと同等の水準だと説明されています。

つまり日本語の指示応答と対話に絞った、2024年3月時点のトップ水準モデルとの比較です。全能力での優劣ではありませんし、比較相手のGPT-4はその後何世代も更新されています。この見出しをいま2026年の意思決定に持ち込むと判断を誤ります。実際、ELYZA自身が現在の公式サイトで性能の根拠に挙げているのはGPT-4ではなく、ELYZA-Shortcut-1.0-Qwen-32BがMATH-500、MATH-500の邦訳版、JHumanEval、JMMLU（subset）、Japanese MT-Bench、ELYZA Tasks 100で、同じ非推論モデルであるGPT-4o（20241120）に匹敵するスコアを獲得した、という新しい評価に差し替わっています。

この種の発表を自分で検算するための評価指標と導入判断の考え方は、LLMとは？大規模言語モデルの仕組み・生成AIとの違いと企業導入の判断基準を解説で押さえられます。

いま実務で選ぶなら：ダウンロード実績と用途別の判断基準

Hugging Faceの直近30日ダウンロードが示す実勢

Hugging FaceのAPIが返すdownloadsは直近30日の実績値です。2026年8月10日に取得した結果は次のとおりで、新しいモデルほど使われるという図式にはなっていません。

2年前の8Bが最新モデル群を大きく上回っています。8BはGGUF版とAWQ版が揃っていて量子化すれば単一GPUや高性能なノートPCで動かせるのに対し、32Bクラスは実行環境のハードルが一段高い。7BのShortcutが32B版の83倍ダウンロードされているのは、規模より動かしやすさが採用を左右することを示唆します。ただし7Bと32Bの「いいね」は2と3で拮抗しており、7Bのダウンロードには自動評価などの機械的な取得が含まれている可能性がある点は割り引いて読んでください。

8B・Shortcut-7B・Thinking-32Bの選び分け

手元のGPUで日本語の要約や分類を回したいなら、選ぶべきはLlama-3-ELYZA-JP-8Bです。新しさではなく、量子化版の整備と実運用事例の多さで選びます。ライセンス上の制約を避けたい、あるいは自社製品へ組み込んで再配布する可能性があるなら、Apache-2.0のELYZA-Shortcut-1.0-Qwen-7Bを先に評価してください。llama3ライセンスには帰属表示などMeta固有の条件が付きます。

数学や論理的な多段推論を含むタスクで精度を優先し、32Bを回せるGPUがあるなら、ELYZA-Thinking-1.0-Qwen-32Bが候補です。ただし思考過程のぶん出力トークンが増えるので、レイテンシとコストの見積もりを先に取ってください。反射的に答えられるタスクが大半なら、同じ32BでもShortcut版のほうが実用的です。

日本語追加学習型とフルスクラッチ開発型の違いは、Swallowとは？Llama 3.3 Swallowの特徴・日本語性能・商用利用を解説と国産生成AI基盤モデル「PLaMo 3.0 Prime」とは｜2026年最新の性能・料金・使い分けを併せて読むと整理できます。

ELYZAのオープンウェイトを選ぶべきでない場面

次の条件に当てはまるなら、Hugging Faceで公開されているELYZAモデルは選択肢から外して構いません。

• 英語中心のワークロード。ELYZAの強みは日本語適応であり、英語だけならベースモデルを直接使うほうが素直です。
• 長文コンテキストや画像・音声の同時入力が要件に含まれる場合。公開モデルはテキスト生成が中心です。長文処理が要件なら、公開対象外のLlama-3.1-ELYZA-JP-70BをAPI経路で検討することになります。
• 試用してから決めたい段階で、社内にGPUも運用体制もない場合。ELYZA LLMデモ版は公開を終了しており、気軽に精度を確かめる無料の窓口はもうありません。
• 最新世代を使うこと自体が目的の場合。拡散言語モデルはELYZA自身が研究段階と位置づけており、本番投入の前提が整っていません。

企業がELYZAを使う3つの経路：オープンウェイト・ELYZA LLM・ELYZA Works

1つ目はHugging Faceのオープンウェイトを自社環境で動かす経路です。費用はインフラ代だけで、データが外に出ません。前掲の表のとおりライセンスは世代で異なり、Llama系はllama2／llama3、Qwen系と拡散モデルはApache-2.0です。手元で動かす具体的な進め方はローカルLLMの活用事例｜個人・業務での使い方とELYZAでの始め方が参考になります。

2つ目はELYZA LLMです。これは特定の製品名ではなく、ELYZAが開発する日本語LLMシリーズの総称で、公式には「主にセキュリティやカスタマイズ性を重視する企業、自社サービスや事業にLLMを組み込みたい企業に向けて、安全なAPIサービスや共同開発プロジェクトなど様々な形態で提供」すると説明されています。2026年8月時点で料金は公開されておらず、問い合わせベースです。非公開の70Bクラスや自社データで追加学習したモデルを使いたい場合は、この経路になります。

3つ目はSaaS製品のELYZA Worksです。モデルを意識せず業務アプリとして使う経路で、KDDIが「ELYZA Works with KDDI」として法人向けに再販しています。

導入規模感は公式のお知らせで追えます。2026年3月31日には、JR西日本カスタマーリレーションズとの取り組みで生成AIによる要約を100名規模の業務に定着させ、後処理時間を50%削減したことが公表されました。2026年7月10日には三井住友カードが入会審査における自動判定AIの利用を開始し、担当者による審査の20%を自動化したと発表しています。コールセンターの応対要約や審査業務の一次判定といった、定型的で量の多い日本語処理から入るのが現在の典型的なパターンです。

よくある質問

ELYZAの読み方は何ですか？

「イライザ」です。株式会社ELYZAという表記が正式な商号で、検索では「イライザ ai」という書き方も多く使われています。1960年代の対話プログラムELIZAとは綴りも実体も別のものです。

Llama-3-ELYZA-JP-70BやLlama-3.1-ELYZA-JP-70Bはダウンロードできますか？

できません。2024年6月の発表時に一般公開されたのは8Bのみで、70Bのウェイトは同年10月のLlama-3.1版も含めてHugging Faceに置かれていません。当時は無料デモで試せましたが、そのELYZA LLMデモ版も2026年5月に公開を終了しています。70Bクラスの利用を検討する場合は、安全なAPIサービスや共同開発プロジェクトについてELYZAへ直接問い合わせる必要があります。

ELYZAのモデルは商用利用できますか？

公開モデルは世代でライセンスが異なります。2025年5月公開のELYZA-Thinking-1.0-Qwen-32BとELYZA-Shortcut-1.0-Qwen-32B／7B、2026年1月公開のELYZA-Diffusionシリーズ（BaseとInstruct）はApache-2.0で、研究・営利目的いずれも利用できます。2024年のLlama-3-ELYZA-JP-8Bはllama3、2023年のELYZA-japanese-Llama-2系はllama2で、それぞれMetaのライセンス条件が適用されます。

ELYZAはどの会社の傘下ですか？

KDDIです。2024年3月18日に資本業務提携を締結し、2024年4月1日を目途にKDDIが43.4%、KDDI Digital Divergenceが10.0%を保有してKDDIの連結子会社となりました。

ELYZAの最新モデルはどれですか？

Hugging Faceで公開されているものでは、2026年1月16日公開のELYZA-Diffusion-1.0-Dream-7B（BaseとInstructの2本）が最も新しい系統です。ただし拡散言語モデルはELYZA自身が研究段階と位置づけており、実務で広く使われているのは2024年公開のLlama-3-ELYZA-JP-8Bです。

関連記事

• Llama-3-ELYZA-JP-8Bとは？日本語特化LLMの性能・Ollamaでの使い方を解説
• ローカルLLMの活用事例｜個人・業務での使い方とELYZAでの始め方
• LLMとは？大規模言語モデルの仕組み・生成AIとの違いと企業導入の判断基準を解説
• デジタル庁が選定した国産AI7モデルとは｜源内で試用するソブリンLLMの比較・選定基準・活用事例
• Swallowとは？Llama 3.3 Swallowの特徴・日本語性能・商用利用を解説