リコーは3月30日、図表と文字が混在した文書を的確に読み取ることができるマルチモーダル大規模言語モデル（マルチモーダルLLM）の最新版を発表した。中国のアリババクラウドが開発するLLM「Qwen 3.0」をベースに、リコー独自のチューニングを行ったもので、複数ページにわたるプレゼン資料や、複雑なフローチャート図、部品の設計図などの読解能力において、Googleの大型商用モデル「Gemini 2.5 Pro」と同等のベンチマーク結果を記録した。
 
　ビジネス文書は、表組みや図版、フローチャート図などが多く使われており、これら図表と文書の両方を関連付けた推論が必要になる。今回開発したマルチモーダルLLMは、文書や図表の意味、図の中に記入されている文字の位置関係など「多段的に推論するリーズニング能力」（鈴木剛・AIサービス事業本部デジタル技術開発センター所長）を強化した。リーズニングによって、業務の現場で実際に使われている図表入りの文書や設計図などをAIが適切に理解し、正確な要約や検索を行えるようになるという。


　リコーでは、「マルチモーダルLLMをオンプレミス用の小型サーバーにインストールした『RICOHオンプレミススターターキット』として販売する予定」（長谷川史裕・AIサービス事業本部デジタル技術開発センターLMM開発室室長）で、社外にデータを出したくないと考えるユーザー需要に応えていく。多くの企業から「オンプレミス環境でLLMを使いたい」との問い合わせが多数寄せられているといい、販売増に手応えを感じている。

　リコーが開発した通常のLLMは、2025年12月にエフサステクノロジーズのオンプレミス環境向けの対話型生成AI基盤「Private AI Platform on PRIMERGY」に搭載するとともに、3月27日には伊藤忠テクノソリューションズと協業して、小型のデスクサイドAI用サーバーにLLMを搭載して販売をスタートしている。マルチモーダルLLMについても同様の小型サーバーに搭載したオンプレミス用途向けに販売する予定。

　今回のマルチモーダルLLMは、経済産業省と新エネルギー・産業技術総合開発機構（NEDO）の「GENIAC（Generative AI Accelerator Challenge）」プロジェクトの一環で開発した。（安藤章司）