公開情報による2026年Q2時点、3B〜0.6B級の小型オープンソースLLM（SLM）はかつての「品質劣化版」というイメージを脱し、明確な実用域に達している。本稿では、Microsoft Phi-4-mini、Google Gemma 3、Hugging Face SmolLM3、Alibaba Qwen3-0.6B／3.5-0.8Bの四系統について、2026年4月時点の公開情報をもとに整理する。
第一に取り上げるのはMicrosoft Phi-4-mini-instructである。Phi-4ファミリーの軽量・instruction-tuned版で、高品質生成データと厳選公開データセットによる「reasoning中心」の学習が特徴だ。公開情報によれば、Phi-4は同等パラメータ帯のベンチマーク群で先頭グループに位置し、特に推論・数学・コードで強い。日本語性能は周辺の調整次第だが、英語ベースのタスクでは小型帯のリファレンスとなる。
第二にGoogle Gemma 3。Gemma 3nは「日常デバイス（スマートフォン、ノートPC、タブレット）での生成AI」を明示的に狙った系列で、Gemma 3 4Bはわずか4.2GBのRAMで動作する。8GB RAMの一般的なノートPCで余裕を持って常駐させ、社内RAGアシスタントや自動メモ要約のローカル実装に使える。商用ライセンスはGemmaライセンス（独自）で、利用条件の確認が必要だ。
第三にHugging Face SmolLM3。SmolLM3-3Bは「完全オープン（重み・データ・学習コード）」のinstruct／reasoningモデルで、3BクラスでLlama-3.2-3B、Qwen2.5-3Bを上回り、4Bクラスの代表格（Qwen3、Gemma 3）と12のLLMベンチマークで競合する性能を示す。再現性とトレーニング過程の透明性を最優先するチームには、教育・研究・派生プロダクトの基盤として最適だ。
第四にAlibaba Qwen3-0.6B／Qwen3.5-0.8B。Qwen3-0.6BはApache 2.0ライセンスでQwen3ファミリー最小のdenseモデル、Qwen3.5-0.8Bはvision encoderと0.8B causal LMを組み合わせた軽量マルチモーダル版だ。サイズの割に推論・エージェント／ツール使用・多言語対応を保持しており、特に日本語・中国語のCJK領域で頭一つ抜ける。Apache 2.0なので商用統合の自由度が高い。
実装上の選定軸は四つある。第一にライセンス——Apache 2.0（Qwen3、SmolLM3）と独自条件（Gemma、Phi）の差は、社内外配布や派生モデルでの自由度に直結する。第二にハードウェア——8GB RAM端末ではGemma 3 4BまたはQwen3-0.6B、16GB帯ではPhi-4-mini／SmolLM3-3Bが安定する。第三にツール対応——`llama.cpp`／`Ollama`／`LM Studio`／`Unsloth`各エコシステムでのGGUF配布有無は実務的に大きい。第四に日本語——CJK配慮で言えばQwen3が頭一つ、Gemma 3／Phi-4-miniは追加ファインチューニング前提が現実的だ。
ビジネスインパクトの観点で言えば、SLMはAPIコールの完全代替ではなく、「クラウド大型モデル」と「ローカル軽量モデル」のハイブリッドを成立させる。機微情報を扱う前処理、オフライン環境、レイテンシ制約のあるUI——こうした境界条件で、SLMが効く局面は確実に広がっている。
KGA ITでは、用途に応じたSLM選定、量子化（GGUF／AWQ）と推論サーバ設計、CPU／NPUターゲットの最適化、社内RAGとの統合まで、エッジAI導入の全工程を支援している。