公開日：2026年4月 ／ 著者：LIF Tech編集部
目次
- Rakuten AI 3.0とは何か——基本スペックと開発背景
- 「DeepSeek論争」——正直に整理する
- Rakuten AI 3.0のアクセス方法——4経路
- マーケター・経営者が「明日から変えられること」Top3
- 実践プロンプト集（コピペOK・7本）
- 他の日本語AI・LLMとの使い分け比較
- よくある質問（FAQ）
- まとめ
「国産AIで日本語が一番うまいやつを業務に使いたい」——そう思って調べると、必ず行き着くのが Rakuten AI 3.0 だ。2026年3月17日に楽天グループが公開した、約7,000億パラメータの国内最大規模LLM。日本語ベンチマークではGPT-4oを上回るスコアを叩き出し、Apache 2.0ライセンスで無料・商用利用可。
ただし、公開直後から「中身はDeepSeekでは？」という論争が起きた。このモデルをマーケターや経営者がどう評価し、どう使えばいいか——本記事では実態を正直に整理した上で、「今すぐ使える業務活用パターン」まで一気通貫で解説する。
Rakuten AI 3.0とは何か——基本スペックと開発背景
国内最大規模、経産省GENIACプロジェクト産
Rakuten AI 3.0は、楽天グループが経済産業省・NEDOが推進する「GENIACプロジェクト（Generative AI Accelerator Challenge）」の支援を受けて開発した大規模言語モデルだ。2025年12月に発表、2026年3月17日に正式公開された。
| 項目 | 仕様 |
|---|---|
| 総パラメータ数 | 約671億〜7,000億（MoE構成） |
| 推論時アクティブパラメータ | 約37〜40億 |
| アーキテクチャ | MoE（Mixture of Experts） |
| ライセンス | Apache 2.0（商用利用可・無償） |
| 公開場所 | Hugging Face（rakuten/RakutenAI-3.0-instruct） |
| 日本語MT-Benchスコア | 8.88（GPT-4oの8.67を上回る） |
MoEアーキテクチャとは何か
「7,000億パラメータ」という数字は一見GPT-4クラスを想像させるが、MoEの実態は異なる。128人のエキスパート（専門家サブモデル）がいるが、1つの推論に使うのは2人だけ。残りは待機中だ。これにより671Bの「知識量」を持ちながら、推論コストは約37〜40Bモデル相当に抑えられる。社内の事前検証では、同規模の既存モデルと比べて処理コストを最大90%削減できたという数値も公表されている。
楽天AIシリーズの進化
前世代との比較で見ると、スケールアップの速さが際立つ：
- Rakuten AI 7B（初代）：約70億パラメータ、Mistral-7Bベース
- Rakuten AI 2.0：約470億パラメータ、MoEを初採用
- Rakuten AI 3.0：約671億パラメータ（MoE）、前世代の約15倍の規模
「DeepSeek論争」——正直に整理する
何が起きたか
公開から数時間のうちに、Hugging Faceのリポジトリを調査した開発者たちが発見した。モデルの構成ファイル（config.json）に、こう記されていた：
"model_type": "deepseek_v3"
総パラメータ671B・アクティブ37B・MoEアーキテクチャ・隠れ層の設計——すべてが中国のDeepSeek社が開発したDeepSeek V3と完全に一致していた。さらに、初期公開時にはDeepSeek V3のMITライセンス帰属表記が欠落しており、指摘を受けて後からNOTICEファイルが追加されるという経緯も批判を呼んだ。
楽天の公式プレスリリースは「オープンソースコミュニティの最良なモデルを基に、楽天独自の高品質バイリンガルデータと研究で構築」と記述し、DeepSeekの名前を一切出さなかった。この表現の曖昧さが「隠蔽では？」という印象を生んだ。
技術的な事実
論争の本質を整理する：
問題ではない点：
- DeepSeek V3（MIT/オープンソース）をベースにファインチューニングすること自体は業界標準の手法。LlamaやMistralをベースにした国産モデルは他にも多数存在する
- オープンウェイトモデルとしてダウンロードして自社サーバーで動かせば、データは一切外部に出ない。「中国サーバーに情報が流れる」という懸念は技術的に成立しない
問題だった点：
- プレスリリースでDeepSeek V3への言及をしなかった透明性の欠如
- 初期公開時のライセンス表記の不備（後から修正済み）
- ベンチマーク比較が「671B vs 120B」という規模差のある比較だった点
LIF Tech編集部の見解：楽天のアプローチは技術的には合理的だが、コミュニケーションの透明性には問題があった。「何を基盤にしたか」を正直に開示した上で「日本語化のために何をしたか」を訴求すれば良かった。基盤がDeepSeekであること自体は、使う側にとってマイナス要因ではない。
Rakuten AI 3.0のアクセス方法——4経路
① Web版「Rakuten AI」（最も手軽）
URL: https://ai.rakuten.co.jp
料金: ベータ版・現在無料
対象: 楽天IDを持つ全員
楽天IDがあれば誰でも即利用可能。ブラウザからアクセスしてチャット形式で使える。未ログインでも使えるが1日の利用回数に上限あり。ログイン状態での利用が推奨。
現在ベータ版無料。正式版リリース後は有料プランが追加される可能性があるため、今のうちに使い感を確かめておくのが得策。
② Rakuten Link版（楽天モバイル契約者向け）
楽天モバイルの契約者はRakuten Linkアプリのホーム画面からアイコンをタップするだけで使える。追加費用なし。自動でプロンプト提案が表示されるため、生成AI初心者でも操作しやすい設計になっている。
③ Hugging Faceから直接ダウンロード（エンジニア・法人向け）
モデルID: rakuten/RakutenAI-3.0-instruct
URL: https://huggingface.co/rakuten/RakutenAI-3.0-instruct
ライセンス: Apache 2.0
モデル本体をダウンロードして自社サーバーやローカル環境で動かせる。データが一切外部に出ないため、機密情報を扱う業務にも適用可能。ただし671Bモデルの運用には相応のGPUリソースが必要。
④ Rakuten AIゲートウェイ API（開発者向け）
楽天が提供する開発者向けプラットフォーム「Rakuten AIゲートウェイ」でAPI利用が可能。実験・開発・本番運用に必要なAPIが一通り揃っている。
⑤ 法人向け「Rakuten AI for Business」
有料の法人向けプラン。2026年3月3日に料金体系が変更されており、1ユーザーあたり月10万文字が上限（超過すると翌月まで停止）。詳細は楽天ビジネス担当窓口へ確認を。
マーケター・経営者が「明日から変えられること」Top3
① 「翻訳臭い日本語」の修正作業をゼロにする
海外製AIで生成した文章を人間が「日本語として自然な形」に直す作業は、実は相当な工数を食う。特に敬語・謝罪文・社内向け文書などで顕著だ。Rakuten AI 3.0はこの修正コストを大幅に削減できる。ある事例では週20時間かかっていた事務作業がほぼ全自動化されたという報告もある。
具体的なシフト先：
- 取引先への謝罪・お詫びメール
- 社内通達・規程文書
- ECの商品説明文（楽天市場トンマナに合わせた表現）
- 採用・広報系のプレスリリース
② 社内機密データを「外に出さずに」AIで処理する
自社サーバーにデプロイすれば、顧客名簿・財務データ・競合分析資料をそのままAIに読み込ませられる。ChatGPTやClaudeのAPIでは「送信する情報の取り扱いリスク」が常につきまとうが、ローカル運用ならそのリスクは消える。
活用例：
- 顧客アンケートデータ（個人情報含む）の要約・セグメント分析
- 社内の過去議事録・報告書からのナレッジ抽出
- 競合の未発表情報を含む内部資料のAI分析
③ 楽天経済圏と連携したパーソナライズ提案
楽天IDを使ったWeb版では、楽天市場・楽天トラベル・楽天カードの利用履歴を参照したパーソナライズ提案が受けられる。「今月の楽天カードの支払いを考慮して、来月の買い物を提案して」という使い方が可能。これは汎用AIにはできない、楽天エコシステムならではの価値だ。
実践プロンプト集（コピペOK・7本）
Rakuten AI 3.0は「日本のビジネス文脈・敬語・文化的ニュアンス」が強みなので、そこを活かす使い方をメインにした。
プロンプト①：謝罪・お詫びメール（日本語ニュアンス特化）
以下の状況に合わせた謝罪メールを作成してください。
【状況】
- 相手：取引先の部長（40代）
- 経緯：資料の提出期限を1日過ぎてしまった
- 関係性：3年間の取引がある比較的親しい間柄
- 次回の対応：本日中に送付予定
要件：
- 言い訳に聞こえず、真摯な印象を与える文章
- 敬語レベル：丁寧すぎず、自然なビジネス敬語
- 件名候補も2パターン提案してください
- 本文は200〜300文字程度で簡潔に
プロンプト②：社内文書の要約・要点抽出
以下の社内文書を読んで、経営会議用のサマリーを作成してください。
【文書】
[ここに規程・報告書・議事録のテキストを貼り付け]
【出力形式】
1. 3行要約（経営者が30秒で把握できる内容）
2. 重要な数値・期日・固有名詞の一覧
3. 「今週中に意思決定が必要な項目」があれば抽出
4. 用語解説（専門用語があれば）
読む人は当該業務の専門家ではないことを前提に、わかりやすく記述してください。
プロンプト③：ECサイト商品説明文（楽天市場向け）
以下の商品情報をもとに、楽天市場の商品ページ用の説明文を作成してください。
【商品情報】
- 商品名：[商品名]
- カテゴリ：[カテゴリ]
- 主な特徴：[箇条書きで]
- ターゲット：[ターゲット層]
- 価格帯：[価格]
作成してほしいもの：
1. キャッチコピー（30文字以内）×3案
2. 商品概要文（200文字）：ベネフィット訴求を前面に
3. 特徴を説明する箇条書き（5項目）
4. 楽天市場でよく使われる表現・訴求パターンを意識すること
※楽天市場の購入者が「読んで納得して買いたくなる」文章にしてください。
プロンプト④：採用・求人票の日本語最適化
以下の求人票の原稿を、日本の求職者に響く表現にブラッシュアップしてください。
【現状の原稿】
[既存の求人テキストを貼り付け]
改善のポイント：
1. 「やりがい」「成長」「チャレンジ」などの使い古された表現を避け、具体的に書き直す
2. 日本の就活文化・転職市場の文脈に合わせた言葉選び
3. 応募者が「自分のことを語っている」と感じる表現にする
4. 法的に問題のある表現（年齢・性別に関する制限的な記述等）があれば指摘する
出力：改善版の求人票全文＋主な変更点の解説
プロンプト⑤：会議の議事録→アクションアイテム抽出
以下の会議議事録から、アクションアイテムを整理してください。
【議事録】
[議事録テキストを貼り付け]
出力形式：
| 担当者 | タスク内容 | 期限 | 優先度（高/中/低） | 依存関係 |
の表形式で整理してください。
また：
- 「誰も担当が決まっていないが対応が必要な事項」を別枠でリスト化
- 次回会議のアジェンダ案（確認事項）も作成
プロンプト⑥：日本語コンテンツの「自然さチェック」
以下の文章を読んで、日本語として不自然な箇所を指摘・修正してください。
【文章】
[チェックしたいテキストを貼り付け]
チェック観点：
1. 翻訳調・AIっぽい表現（「〜することができます」の多用等）
2. 敬語の混乱・不統一
3. 日本のビジネス文書として不自然な言い回し
4. 主語・目的語が曖昧で意味が取りにくい箇所
出力：
- 修正箇所のリスト（原文→修正案+理由）
- 修正済みの全文
プロンプト⑦：楽天ID連携を活かしたパーソナライズ相談（Web版専用）
私の楽天サービスの利用状況をもとに、以下について提案してください：
1. 今月の楽天カードの支払い状況を踏まえた来月の予算管理アドバイス
2. 直近の楽天市場での購入履歴から、次に必要になりそうなものの提案
3. 楽天トラベルの履歴から、私の旅行傾向に合った次のおすすめ旅行先
※楽天IDでログインした状態で使うことで、よりパーソナライズされた提案が受けられます。
他の日本語AI・LLMとの使い分け比較
| 用途 | 推奨モデル | 理由 |
|---|---|---|
| 日本語ビジネス文書・謝罪メール | Rakuten AI 3.0 | 日本の商慣習・敬語ニュアンスが最も自然 |
| 英語含む汎用タスク・コーディング | ChatGPT / Claude | 多言語・論理推論で依然として強い |
| 社内機密データの処理 | Rakuten AI 3.0（ローカル） | データを外に出さずに運用可能 |
| 楽天エコシステム連携 | Rakuten AI（Web版） | 購買・旅行・金融データと連携できる唯一の選択肢 |
| コスト最小化での大量処理 | Rakuten AI 3.0（自社デプロイ） | APIコストゼロ、同規模比で最大90%コスト削減 |
| コード生成・デバッグ | ChatGPT / Claude | Rakuten AI 3.0はコーディング特化ではない |
| 軽量・高速な日本語処理 | tsuzumi（NTT） | 1GPUで動く軽量設計、オンプレ運用向け |
よくある質問（FAQ）
Q1. 「DeepSeekベースだから危ない」は本当ですか？
モデルをダウンロードして自社サーバー・ローカル環境で動かす場合、データは一切外部に出ません。「中国サーバーに情報が漏れる」という懸念は、自前ホスト運用では技術的に成立しないです。Web版（ai.rakuten.co.jp）を使う場合は楽天の日本法人サーバーで処理されます。ただし機密性の高いデータを扱う場合は、自社デプロイを選択するのが最善です。
Q2. 無料でどこまで使えますか？
現在Web版はベータ版として無料提供中です。Hugging Faceからのダウンロード・ローカル運用も無料です。ただしWeb版は正式版リリース後に有料プランが追加される可能性があります。法人向け「Rakuten AI for Business」は有料（1ユーザー月10万文字上限）。
Q3. ChatGPT・Claudeから乗り換えるべきですか？
全面乗り換えは不要です。「AIポートフォリオ」戦略として使い分けるのがベストです。日本語ニュアンスが重要な文書生成・社内機密処理・楽天エコシステム連携はRakuten AI 3.0、汎用的な分析・英語タスク・コーディングはChatGPT/Claudeというすみ分けが現時点での最適解です。
Q4. 自社サーバーで動かすのに必要なGPU環境は？
671Bモデルの全精度（bf16）での運用は、複数の高性能GPU（A100/H100クラス）が必要です。量子化（4bit/8bit）を適用することでリソースを削減できますが、現時点でRakuten AI 3.0向けの公式GGUF変換は提供されていません。まずはHugging FaceのInference APIや、vLLMを使ったAPI化から試すのが現実的なステップです。
Q5. 楽天市場の出品者として使えますか？
商品説明文の作成・最適化、レビュー返信文の作成など、ECオペレーション全般で活用できます。楽天市場のトンマナ・文化的文脈に沿った表現生成が強みであり、他の汎用AIより「らしい」文章が出やすいです。
まとめ：Rakuten AI 3.0の「正しい期待値」と「今すぐ試すべき理由」
DeepSeek論争を経て、Rakuten AI 3.0の実態は明確になった。
これが得意： 日本語ビジネス文書のニュアンス生成、敬語・謝罪文・社内文書、楽天エコシステム連携、機密データのオンプレ処理、コスト削減
これは苦手： 英語タスク、最先端コーディング、超長文のコンテキスト処理、最新情報（学習データカットオフ以降）
現時点での最大の価値は、「日本語の文章生成精度」と「Apache 2.0での無料・商用利用可・ローカル運用可」の組み合わせにある。ChatGPTに月$20払いながら「でも日本語が少し不自然で修正コストがかかる」と感じているなら、Rakuten AI 3.0を試す価値は十分にある。
まず5分でできること：ai.rakuten.co.jp にアクセスして、いつもChatGPTに頼んでいる日本語文書生成タスクを1本だけ試してみる。それだけだ。
LIFRELLへの相談
Rakuten AI 3.0を含む日本語特化LLMの選定・活用設計・ローカルデプロイ支援など、現場マーケターの視点でサポートします。「どのAIをどの業務に使うべきか」という戦略設計から、プロンプト設計・ワークフロー構築まで対応しています。
本記事の情報は2026年4月時点のものです。最新情報は楽天AI公式および楽天グループプレスリリースをご確認ください。
