楽天AI（Rakuten AI 3.0）の評価と安全性｜中身が中国製DeepSeekの真相・実力と純国産AI比較

📂 検証録 #AIの仕組み #セキュリティ #プライバシー #ローカルLLM #Gemini

論旨

スマホの『Rakuten Link』アプリや Web ブラウザから無料で使えるようになり、さらに 2026 年 3 月には約 7,000 億パラメータの大型モデルが発表されるなど、存在感をアピールしている 『楽天AI（Rakuten AI / Rakuten AI 3.0）』。「国産の大規模 AI なら、普段の仕事やプログラミングで Gemini や Claude の代わりに使えるのでは？」「楽天AIの実際の評価や安全性はどうなの？中身（ベースモデル）は中国製の DeepSeek なの？」と気になっている方も多いはずです。

結論からお伝えすると、楽天AIは「楽天市場やトラベルの商品比較・ポイント活用を相談する買い物コンシェルジュ」としては便利ですが、高度な推論・開発を担う知的生産ツールとしては力不足です。さらにセキュリティと透明性の観点では、2026 年 3 月に 『Rakuten AI 3.0』の中身が中国製『DeepSeek-V3』ベースの追加学習モデルと判明した経緯 が象徴するように、「日本企業が公開＝ゼロから作った純国産 AI」とは限らない現実 を正しく見極める必要があります。本記事では、楽天AIの客観的な実力評価と国内サーバー運用の注意点から、NTT『tsuzumi（鼓）』をはじめとする「本物の純国産フルスクラッチ AI」と「海外モデル追加学習 AI」を一目で見分ける真贋仕分け表まで徹底解説します。

合わせて読みたい深まる関連情報

無圧縮の『日本特化型AI』と詐欺・工作を100%濾過する『二層式・AI浄水場』 : 海外製モデルの焼き直しではない真の国産主権AIをどう構築し、二層式フィルターで情報工作や詐欺を無力化するかの技術設計を解説しています。
ChatGPTブログ採点「9.8点の壁」の正体｜減点バイアスの逆利用法とGemini安全フィルターの仕組み : 本格的な記事監査や企画立案に海外フロンティア AI（ChatGPT・Gemini）を使う際、採点バイアスや安全フィルターを乗りこなす実践術です。
Binanceの9,500億円流出とAI自動マージ121本｜権限分離とローカルOCRの防衛術 : 海外製ベースモデルやオープンウェイト AI を手元で活用する際に必須となる、外部通信の完全隔離（127.0.0.1 固定）と権限分離の防衛術を解説しています。

対象となる方

『楽天 AI（Rakuten AI）』 が自分の仕事・学習・日常の買い物でどれくらい役に立つのか、忖度のない評価と安全性を知りたい方
ニュースや SNS で話題になった 『Rakuten AI 3.0』の中身（中国製 DeepSeek-V3 ベース議論と GENIAC 補助金） の正確な事実関係を知りたい方
会社や自治体で「国産 AI だから安全」と言われて導入を検討する際、NTT『tsuzumi』のような純国産フルスクラッチと、海外製ベース流用モデルをどう見分ければよいか 基準を持ちたい方

楽天AIの評価：買い物特化の実力と安全性

楽天 ID があれば無料で使える『楽天 AI』ってどうなんじゃろ？日本語に特化しとるそうじゃし、わざわざ海外の AI に毎月課金せんでもこれで十分だったりせんかのう？

まず「何に使うか」で評価が 180 度変わります！お買い物や旅行の相談相手としては独自データを持っていて便利なんですが、プログラミングや専門的な分析の相棒にしようとすると明確な壁があるんです。汎用フロンティア AI と並べて比較してみましょう！

比較軸	Rakuten AI（Web / Linkアプリ / 3.0）	海外フロンティア上位モデル（Gemini 4 Argon / Claude / GPT等）
設計の主目的	楽天経済圏での買い物・旅行・生活サポート	高度な知的生産・ソフトウェア開発・多段階推論・自動化
得意なタスク	楽天市場（約5億商品）の条件絞り込み、トラベル計画、日常文書の簡易要約	本格的なコード生成・修正、数十万字の横断分析、厳密な論理構築・監査
外部ツール連携	楽天グループ各サービス（市場・ブックス・カード等）	開発エディタ（VS Code / IDE）、Google Workspace、ターミナル操作
個人向け料金	無料（1日の回数制限あり・要楽天IDログイン）	無料枠あり／本格利用は月額 3,000 円前後〜（Pro / Ultra等）

5億商品の検索補助とデータ集約の注意点

普段から楽天市場やふるさと納税をよく使う方であれば、「予算 1 万円以内でレビュー評価 4.5 以上のドリップケトルを比較して」といった 高機能な買い物検索フィルター として割り切って使う分には重宝します。

一方で、利用前に必ず意識しておきたいのが 「パーソナルデータの一極集中」と「学習利用規約」 です。楽天エコシステム連携の便利さは、裏を返せば「購買履歴・金融情報（カード・銀行）・移動宿泊履歴（トラベル）・通信アプリ履歴」という個人の生活データの塊を 1 つのプラットフォーム上の AI コンテキストへ集約することを意味します。また無料プランでは入力したプロンプトがサービス改善や再学習に利用される仕様が基本となるため、社外秘の業務データやプライベートな機密文書を貼り付ける用途には向きません。

楽天AI（Rakuten AI）の中身とDeepSeek真相

セキュリティといえば、「国産 AI だから安心だと思っていたら、中身が中国の AI だった！」って 2026 年の春にすごく騒ぎになっていなかったかしら？あれって結局どういう事実だったの？

とても重要な出来事ですので、憶測を排して 確認されている客観的な事実 を時系列で整理しますね！これが日本の「国産 AI」という言葉の危うさを考える大きなきっかけになりました。

📌 『Rakuten AI 3.0』をめぐる公開経緯と議論の核心（事実整理）

GENIAC 採択と「国内最大規模」としての公開（2026年3月17日） : 経済産業省および NEDO が計算資源（GPU 等）を支援する国家プロジェクト『GENIAC（第 3 期）』の採択を受け、楽天グループは約 6,710 億（約 7,000 億）パラメータの Mixture of Experts（MoE）モデル 『Rakuten AI 3.0』 を正式公開しました（※なお初期の小型モデル『Rakuten AI 7B / 2.0』はフランス Mistral AI 製モデルがベースでした）。
設定ファイルからの『DeepSeek-V3』ベース発覚と透明性への批判 : 公開当初の発表では具体的な土台モデル名を前面に出さず「オープンソースコミュニティ上の最良なモデルを基に開発」といった表現にとどまり、さらに初回公開時点で元モデルのライセンス表記（MIT ライセンスに基づく著作権表示等）の整備に不備がありました。直後にエンジニアが Hugging Face 上のモデル構成ファイル（config.json）を検証したところ、アーキテクチャが 中国 DeepSeek 社の『DeepSeek-V3』と一致 していることが判明し、技術コミュニティで「説明の透明性に欠ける」「看板の掛け替えではないか」と大きな批判を呼び、後に楽天側も DeepSeek ベースで追加学習を行ったことを認めました。

GENIAC補助金と国産AI定義のねじれ

ここで冷静に切り分けるべきなのは、オープンウェイトモデル（MIT ライセンス等）を土台にして日本語の継続事前学習を行う手法自体は、国際的にも広く行われている合法的な開発アプローチであり、GENIAC の公募要件上も「海外オープンモデルの追加学習による高度化」は認められていたという事実です。

しかし、日本政府が公的機関での DeepSeek 利用に情報管理上の注意喚起を出しているまさにその裏で、「国の補助金（公金）を投じた『国内最大級の国産 AI』の中身が、実は中国製巨大モデルの追加学習版であり、しかも当初その出自が分かりにくかった」というねじれ構造が、多くのエンジニアや利用者に強い不信感を残す結果となりました。

純国産tsuzumiと海外ベース派生の見分け方

なるほどなぁ…。「日本の会社が出した AI ＝ゼロから日本で作った AI」とは限らんのじゃな！じゃあ他に日本で有名になっとる AI の中で、本当に一から作った『純国産』と、海外モデルをベースにした『追加学習（焼き直し）』はどう見分ければええんじゃ？

たとえば NTT が開発している 『tsuzumi（鼓）／ tsuzumi 2』 は、海外モデルを一切流用せずゼロから独自構築した 本物の純国産フルスクラッチモデル です！2026 年現在の国内主要モデルを「出自（ベースモデル）」で厳密に 3 分類すると、見分け方がすっきり頭に入りますよ！

フルスクラッチと追加学習の3分類仕分け表

現在国内で提供・発表されている代表的な日本語 LLM を、土台となるベースモデルの出自別に整理した仕分け表がこちらです。

区分	代表的なモデル（開発企業・機関）	ベースモデルの出自	特徴・強みと導入時の評価視点
① 純国産フルスクラッチ（ゼロから独自開発）	・tsuzumi / tsuzumi 2（NTT）・PLaMo 2.0 / 3.0（Preferred Networks）・Sarashina（SB Intuitions）・cotomi（NEC）・LLM-jp（国立情報学研究所ほか）	なし（自社・国内で一から設計・事前学習）	サプライチェーンの透明性が極めて高い。特に NTT『tsuzumi』は権利関係がクリーンな学習データを用い、1 基の GPU（社内閉域網・オンプレミス）で動く軽量・省電力設計のため、医療・自治体・金融の定型業務要約に好適。ただし超巨大モデル級の汎用推論力とは役割が異なる。
② 欧米・同盟国モデルの追加学習	・Takane（高嶺）（富士通）・Llama-3.1-ELYZA-JP（KDDI / ELYZA）・Swallow 一部系列（東京科学大・産総研）	・カナダ Cohere（Command R+）・米 Meta（Llama 3系）・米 Google（Gemma 2）	欧米の定評ある基盤に日本語能力を補強した実用派。民間利用には合理的だが、「純国産の基礎技術」とは区別して把握する必要がある。
③ 中国系オープンモデルの追加学習	・Rakuten AI 3.0（楽天）・Sakana Namazu（Sakana AI ※公式にベース明示）・ELYZA-Qwen 系（ELYZA）・bakeneko 一部系列（RINNA）	・中 DeepSeek（DeepSeek-V3）・中 Moonshot AI（Kimi K2.6）・中 Alibaba（Qwen 2.5）	最初から漢字圏の性能が高く低コストで作れるため採用が急増（※Sakana AI は公式発表で Kimi K2.6 ベースと透明に公表）。一方、重要インフラや行政調達に組み込む際は安全保障・管理体制（ガバナンス）上の慎重な精査が必要。

国内サーバー運用でも残る重みと継続性の壁

海外モデルをベースにした提供事業者はよく「重み（ウェイト）ファイルをダウンロードして日本国内のサーバーで動かしているから、外部へ通信が漏れることはない」と説明します。確かに通信経路の遮断は事実ですが、システム監査の視点では 通信以外にも 2 つの構造的課題（推論を含む） が残ります。

数千億パラメータの『重み』内部のブラックボックス性 : 事前学習段階でどのようなデータやバイアス、あるいは特定の入力トリガーに対する脆弱な挙動がモデルの神経網（重み）に焼き付いているかを、後から 100% 検証し切ることは極めて困難です。
土台が更新されるたびに作り直しになる技術的従属 : 海外のベースモデルが次世代へ刷新されるたびにまた一から日本語の追加学習をやり直す構造になりやすく、国内にコアとなるアーキテクチャ設計力が蓄積されにくい弱点があります。そのため今後はソフトウェア部品表（AI-BOM：どの国のどのモデル・データを何%使ったかの明示）を確認する目が欠かせません。

用途と機密レベルに応じた失敗しないAIレイヤー使い分け

LAYER 1

高度な開発・長文執筆・複雑な戦略立案（個人・専門業務）

米国の最上位フロンティアモデル（Gemini 4 Argon / Claude 等）の学習除外プラン（API / 有料Pro・Ultra / 法人契約） を主力にするのが推論精度・生産性ともに圧倒的。

LAYER 2

絶対に外部クラウドへ出せない医療・自治体・社内の定型文書要約

NTT『tsuzumi 2』や PFN『PLaMo』など、出自が 100% クリーンな純国産フルスクラッチ小型モデル を閉域網（オンプレミス）で運用する。

LAYER 3

楽天市場でのお買い物検索・旅行プランの下調べ（機密情報ゼロ）

機密や深い個人情報を入力しない前提で、『Rakuten AI』などの経済圏特化コンシェルジュ を便利な検索フィルターとして割り切って使う。

まとめ：AIは看板ではなく出自と適材適所で選ぶ

今回の検証ポイントを整理します。

✅ 楽天AI評価と『国産AI』見極めの結論

楽天 AI は「お買い物コンシェルジュ」専用と割り切る : 楽天市場の商品比較には便利ですが、コーディングや深い思考の壁打ち相手としては Gemini 4 Argon 等のフロンティア AI とは土俵が異なります。
「日本企業製＝純国産」と思い込まない : 『Rakuten AI 3.0（DeepSeek-V3 ベース）』や『Sakana Namazu（Kimi K2.6 ベース）』のように海外オープンモデルを土台にした派生モデルと、NTT『tsuzumi』のようなゼロからの純国産フルスクラッチモデルを明確に区別して選ぶことが大切です。

AI サービスを選ぶときは、表面のキャッチコピーではなく 「裏側でどのベースモデルが動いているか（透明性）」 と 「自分のデータをどこまで預けてよいか」 を一度立ち止まって確認するだけで、セキュリティリスクを避けながら一番賢い選択ができますよ！