モデル一覧

モデル一覧

Sarashina API が提供する Sarashina3 シリーズについて、モデル概要・主要機能・性能評価・技術仕様をまとめたガイドです。

概要

Sarashina3 は、高精度な日本語処理と実務での使いやすさを追求した大規模言語モデルシリーズです。汎用的な対話・テキスト生成から、安全性判定、高度な検索・リランキング、高精度翻訳まで、用途に応じた最適なモデルをご提供しています。

モデル名主要な用途・特徴最大コンテクスト
Sarashina3 mini標準対話モデル。会話、文書作成向け128k トークン
Sarashina3 nano高速・軽量な対話・抽出モデル128k トークン
Sarashina3 guard入力テキストの安全性を判定するモデレーション専用モデル（有害カテゴリの判定）64k トークン
Sarashina3 embedding日本語の文脈理解に特化したベクトル化モデル。検索や情報抽出タスクに対応8,000 トークン
Sarashina3 rerank日本語の文脈理解に特化したリランキングモデル。情報検索タスクにおいて、クエリと検索対象文書の関連度スコアを推定8,000 トークン（クエリ＋最長文書の合計）
Sarashina3 translate翻訳特化モデル。文脈を汲み取った自然な日英・英日翻訳に特化した専用モデル5,000 文字

対話・生成モデル

Sarashina3 mini

高速なレスポンスと高い日本語能力を兼ね備えた標準モデルです。

  • Tool-calling によるエージェント機能: ユーザーの指示に応じて外部 API を自律的に呼び出すことができます。複数のツールから必要なものを選択したり、連続で実行することが可能です。
  • 厳格な指示追従 (Instruction Following): JSON 形式での出力、段階的回答、選択式回答など、指定されたフォーマットルールを正確に遵守します。
  • 実用的な対話スタイル: 過剰な文装飾や冗長さを低減し、ビジネスシーンに適したクリアで自然な応答スタイルにチューニングされています。
  • 数学・コーディング能力: 非長考モデルでありながら、複雑な論理展開やプログラミング課題に対しても迅速に回答します。

Sarashina3 nano

より高速なレスポンスと高い日本語能力を兼ね備えた軽量モデルです。情報抽出や要約など比較的シンプルなタスクを大量に処理したい場合に適しています。

  • 大規模データのバッチ処理: EC サイトの口コミ分析、テキストのタグ付け・分類、ドキュメントの自動要約など、シンプルなタスクを大量かつスピーディーに処理できます。

タスク特化型モデル

Sarashina3 guard

対話形式データの安全性を判定するモデレーション専用モデルです。テキスト生成は行わず、入力テキストが「安全」か「有害」かを判定します。有害と判定された場合は、該当する有害カテゴリコード（T1〜T12）を返却します。

  • 対応カテゴリ: 性的描写(T1)、暴力(T2)、差別(T3)、有害表現(T4)、AIへの過剰信頼(T5)、個人情報漏洩(T6)、組織情報漏洩(T7)、違法行為幇助(T8)、危険行為幇助(T9)、悪意ある情報拡散(T10)、専門誤情報(T11)、虚偽情報(T12)

Sarashina3 embedding

テキストを入力とし、その意味を高次元な数値ベクトル（1536次元）に変換するモデルです。RAG（検索拡張生成）システムや情報検索パイプラインにおける初期の高速候補抽出に適しています。

  • 7つの Task Type 最適化: RETRIEVAL_DOCUMENT, RETRIEVAL_QUERY, QUESTION_ANSWERING, FACT_VERIFICATION, SEMANTIC_SIMILARITY, CLASSIFICATION, CLUSTERING から最適なタイプを選択できます。
  • 高効率な次元削減: 次元数を 256 次元まで削減した場合でも高いベンチマークスコア（JMTEB: 75.72）を維持し、インデックスサイズと検索コストを大幅に抑えられます。

Sarashina3 rerank

入力されたクエリ（質問・検索ワード）と複数の候補文書を同時に比較し、深い文脈理解に基づいた関連度スコアを計算して、高い順に並べ替えるリランキングモデルです。Embedding モデルなどによる高速な粗検索で絞り込まれた候補に対し、精細な再並べ替えを実施することで、RAGシステムの回答精度向上やハルシネーション抑制に貢献します。

  • Cross-Encoder 構成による精細な文脈比較: クエリと各文書を同一モデルで直接比較演算するため、「キーワードは一致しているが検索意図や文脈が異なる」といったノイズ文書を正確に識別します。
  • 5つの Task Type 最適化: GENERAL_RETRIEVAL, GENERAL_QA, NEWS_RETRIEVAL, SEMANTIC_SIMILARITY, CUSTOMIZE から最適なタイプを選択できます。
  • 日本語指示付きリランキング (CUSTOMIZE モード): query_instruction パラメータを使用することで、「学術論文のタイトルに合った内容を優先する」といった独自のビジネスルールを直接指定できます。

Sarashina3 translate

高精度な日英および英日翻訳に特化してチューニングされた専用モデルです。ビジネス文書、プレスリリース、ニュース記事、技術・学術論文から、スポーツ記事、日常会話、ネットスラング・カジュアル表現まで、文脈やトーンを汲み取った自然な翻訳を実現します。

  • プロ品質の自然な表現: 原文の意味やニュアンスを損なわず、ターゲット言語として極めて自然で読みやすい文体を出力します（プロ翻訳者による評価でも高い優位性を獲得）。
  • 文体・ジャンルへの順応性: 学術論文の「だ・である」調、プレスリリースの標準文体、カジュアルな口語表現や強調ニュアンスまで、文脈に応じた適切な訳し分けが可能です。

性能評価・ベンチマーク

Sarashina3 シリーズは、日本語対話、文化常識 QA、数学、コーディング、指示追従、エージェント機能など各種ベンチマークにおいて高いパフォーマンスを発揮します。

標準対話モデル性能比較

モデル名日本語対話
(ELYZA-100)		日本文化QA
(JamC-QA)		数学
(AIME 2025)		コーディング
(MBPP+)		指示追従
(IFBench)		ツール呼び出し
(BFCL v3)		安全性
(Answer Carefully)
Sarashina3 mini4.180.820.600.800.570.674.81
Sarashina3 nano3.860.610.380.710.570.604.62

評価の詳細は Sarashina3 mini / Sarashina3 nano: フルスクラッチで開発した最新の国産LLM（SB Intuitions TECH BLOG）を参照してください。

Guard モデル判定精度 (F1 スコア)

モデル名Input F1Output F1Overall F1推論 Latency (ms)
Sarashina3 guard71.265.068.13.83
Llama guard 3 (8B)43.557.950.75.92

評価の詳細は Sarashina3 guard: 日本語特化ガードレールモデル（SB Intuitions TECH BLOG）を参照してください。

Embedding モデル表現力 (JMTEB スコア)

モデル名平均スコア次元数分類クラスタリングSTS検索リランク
Sarashina3 embedding78.22153679.1551.5683.5779.3088.40

評価の詳細は Sarashina3 embedding: 日本語に強い最新のテキスト埋め込みモデル（SB Intuitions TECH BLOG）を参照してください。

Rerank モデルの評価

評価の詳細は Sarashina3 rerank: 日本語検索に指示付きリランキングを導入する（SB Intuitions TECH BLOG）を参照してください。

Translate モデルの評価

評価の詳細は Sarashina3 translate: 翻訳品質を追求した日英・英日翻訳モデル（SB Intuitions TECH BLOG）を参照してください。

Translateレート制限
SB Intuitions Corp. All Rights Reserved. © 2026