SB Intuitions、国産LLMの思考モデル「Sarashina3.2 mini thinking」を紹介
Sarashina国産LLM思考モデルSB Intuitionsベンチマーク
SB Intuitionsは2026年10月29日、技術ブログで国産LLM「Sarashina3.2 mini thinking」を紹介した。12種のベンチマークで評価し、ツール呼び出し系と安全性の指標では比較対象のモデル中で最高スコアだったとしている。無償ベータ版の「Sarashinaサービス」で利用できるモデルとして追加される。
何が発表されたか
- SB Intuitionsは2026年10月29日、自社の技術ブログで「Sarashina3.2 mini thinking」を紹介した。
- 12種のベンチマークで評価し、前世代の「Sarashina3 mini」より多くの項目でスコアが向上したとしている。特に向上が大きかったのはJ-MultiChallenge、AIME 2025、J-tau／tau2-bench／BFCL v3、JEMHopQA、JMT-Safetyである。
- 比較対象のモデルの中では、J-tauとBFCL v3、およびJMT-Safetyで最高スコアだったとしている。
- 一方、JamC-QAはSarashina3 miniから低下した。GPQA-DiamondとJ-MultiChallengeでは、Qwen3-235B-A22B-Thinking-2507やGPT-5.4 miniには及ばなかったとしている。
- APIリクエストでは
reasoning_effortパラメータ（low／medium／high）に言及があり、思考量を指定する形が想定されている。 - 同モデルは「Sarashinaサービス」で使えるAIモデルとして追加される。同サービスは2026年10月13日から無償ベータ版として提供が始まっている。
開発者への影響
- 向上が大きかった項目にはツール呼び出し・エージェント系のベンチマーク（J-tau、tau2-bench、BFCL v3）が含まれており、この領域の性能を自社の用途で検証する際の候補になる。
reasoning_effortで思考量を切り替えられるため、応答時間と精度の兼ね合いを用途ごとに変える使い方が想定される。- ベンチマークの具体的なスコアは記事内のグラフに示されており、本文には数値が記載されていない。パラメータ数やライセンス、APIの提供範囲についても出典に記述はない。
- 無償ベータ版の位置づけであり、本番利用の可否や料金に関する記述も出典にはない。