🗾ITmedia AI+ (日本)•較早收集於 66m
PFN 推出日本首款全從零打造具長考推理 LLM「PLaMo 3.0 Prime」
💡日本首款全自研具推理 LLM 逼近 Qwen-235B—測試主權 AI 替代方案（28字）
⚡ 30-Second TL;DR
有什麼變化
Preferred Networks 全從零打造 LLM，不依賴既有模型
為什麼重要
此發布提升日本 AI 主權，擁有獨立 LLM 技術，可能加速國內研究並減少對外國模型依賴。它透過大規模推理挑戰全球領先者。
下一步行動
從 PFN 儲存庫下載 PLaMo 3.0 Prime β版，並在複雜數學基準測試其推理能力。
誰應關注：Researchers & Academics
關鍵要點
- •Preferred Networks 全從零打造 LLM，不依賴既有模型
- •日本首款具「長考」（進階推理）功能的模型
- •β版效能逼近 Qwen3-235B 和 gpt-oss-120b
- •參考 DeepSeek R-1 等中國模型開發手法
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •PLaMo 3.0 Prime 採用了 PFN 自研的 MN-Core 晶片架構進行訓練優化，旨在降低對海外 GPU 供應鏈的依賴並提升能源效率。
- •該模型在訓練過程中引入了針對日語語境的特殊強化學習（RL）策略，特別優化了日本商業與法律領域的邏輯推理精確度。
- •PFN 計劃將 PLaMo 3.0 Prime 整合至其現有的工業自動化與機器人控制系統中，實現從純文字推理到實體設備操作的跨模態應用。
📊 競品分析▸ Show
| 模型名稱 | 核心優勢 | 推理能力定位 | 訓練依賴 |
|---|---|---|---|
| PLaMo 3.0 Prime | 日本本土化、MN-Core 優化 | 長考推理 (R-1 風格) | 從零訓練 (Scratch) |
| Qwen3-235B | 多語言通用性、生態成熟 | 強大通用推理 | 既有架構優化 |
| gpt-oss-120b | 開源社群支援、部署靈活 | 高效能推理 | 既有架構優化 |
🛠️ 技術深入
- •架構基礎：基於 Transformer 的 Decoder-only 架構，針對長序列推理進行了注意力機制（Attention Mechanism）的稀疏化處理。
- •推理機制：採用類似 DeepSeek R-1 的「思維鏈」（Chain-of-Thought）強化學習訓練，允許模型在輸出答案前進行隱式推理步驟。
- •硬體加速：訓練過程深度整合 PFN 自有的 MN-Core 處理器，針對大規模矩陣運算進行了專屬指令集優化。
- •數據集：訓練數據包含大規模高品質日語語料庫，並結合了合成數據（Synthetic Data）以增強邏輯推理能力。
🔮 前景展望AI analysis grounded in cited sources
日本企業對海外 LLM 的依賴度將顯著下降。
PLaMo 3.0 Prime 證明了日本本土企業具備從零構建具備長考能力模型的能力，能滿足對數據隱私要求極高的產業需求。
PFN 將推動日本工業 AI 的垂直整合。
將長考推理能力與 PFN 原有的機器人控制技術結合，將使工業自動化系統具備更強的環境適應與故障排除能力。
⏳ 時間線
2023-09
PFN 發布 PLaMo-13B，標誌其進入大規模語言模型研發領域。
2024-05
推出 PLaMo 2.0，提升了模型在日語處理與程式碼生成方面的效能。
2026-03
發布 PLaMo 3.0 Prime β版，正式引入長考推理技術。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗