日本語LLMまとめ：日语大模型的全景式百科全书

你是否曾为寻找一个可靠的日语大语言模型（LLM）而大海捞针？面对琳琅满目的模型列表——从 172B 参数量级的 LLMA-jp 到仅 0.3B 的小型模型，从通用对话到专业代码生成，从传统 Transformer 到混合专家（MoE）架构——一个统一的参考框架成了真实需求。awesome-japanese-llm 正是为解决这一痛点而生。

项目起源与社区力量

awesome-japanese-llm 由独立开发者 Kaito Sugimoto 创建并托管于 llm-jp 组织之下。llm-jp 是一个专注于日语 NLP 的开源社区，由日本国立信息学研究所（NII）等机构支持。该项目采用 GitHub 协作模式运营，全球开发者均可通过 Pull Request 为项目贡献新的模型条目或修正已有信息。

Apache-2.0 开源许可证确保了内容的自由使用与再分发。项目的核心内容存储在一份 178KB 的 README.md 中，这是目前日语 LLM 领域最详尽的、结构化的参考文档之一。README 同时提供日语、英语、法语三个语言版本，体现了国际化协作的深度。

全景式收录：覆盖日本主流大模型

README 按模型类型分层组织，主要分为三大类：

1. 文本生成模型（Scratch 训练）：从零开始预训练的日语原生模型。代表性模型包括：

• LLM-jp 系列：由 NII 主导开发，涵盖 1B 到 172B 参数规模的完整系列。其中 LLM-jp-3 172B 采用 LLaMA 架构，是日本学术界的旗舰级模型。2026年最新发布的 LLM-jp-4 32B-A3B 和 LLM-jp-4 8B 引入了 Qwen3 MoE 架构，标志着日本学术模型正式跟进前沿架构演进。
• PLaMo 系列：由 Preferred Networks（PFN）开发，PLaMo-100B-Pretrained 是日本少有的百亿参数级模型，PLaMo 2 8B 则引入了创新的 Samba 架构，展现了 PFN 在模型架构创新上的持续投入。
• Tanuki 系列：东京大学 WebLab 实验室开发的 Tanuki-8×8B（MoE，47B 参数）和 Tanuki-8B 是学术界的另一重要力量。
• 企业级模型：CyberAgent 的 CALM2、Stockmark 的 Stockmark-13b、Caulis 的 xNLg、ABEJA 的 japanese-large-lm 等，共同构成了日本 AI 创业生态的技术基石。

2. 指令微调（Instruction-tuned）模型：在预训练模型基础上，通过指令数据集微调以提升对话和任务完成能力。

3. 多模态模型：支持图像-文本跨模态生成的模型。

图1：收录模型参数规模分布图（来源：llm-jp/awesome-japanese-llm 仓库）

技术架构：VitePress 驱动的静态文档站

项目本身是一个文档类静态网站，技术栈极为轻量：

• VitePress 1.6.4：Vue 生态的静态文档生成框架，相比传统 Markdown 生成器，提供了更快的热更新和更好的主题定制能力。
• esbuild：超高速 JavaScript 打包工具，用于构建工具链的加速。
• yarn：包管理器。

根目录包含多语言 README（en/、fr/）、parts/ 目录存放分章节内容（模型参考年表、训练方法参考文献）、figures/ 目录存放可视化图表。

项目的 .claude/ 目录表明，Claude Code AI 编程助手已被整合进项目编辑流程，用于辅助维护者处理 PR 审核与内容更新，体现了 AI 辅助文档维护的前沿实践。

图2：参数规模分布英文版（来源：llm-jp/awesome-japanese-llm 仓库）

部署体验：零门槛本地预览

作为纯文档项目，部署极为简单。只需以下步骤：

git clone https://github.com/llm-jp/awesome-japanese-llm
cd awesome-japanese-llm
yarn install
yarn docs:dev

访问 http://localhost:5173 即可在本地预览完整文档网站。yarn docs:build 可生成静态站点用于生产部署。该项目不支持容器化部署（无 Dockerfile），原因是作为文档项目无需容器化环境——静态 HTML 可直接部署到 GitHub Pages、Vercel、Netlify 等平台。

硬件需求极低：无需 GPU，1GB RAM + 500MB 磁盘即可运行完整的文档构建流程。

行业意义与局限性

意义：

• 解决了日语 LLM 领域信息分散、难以系统了解的痛点，成为日语 AI 研究者和开发者的首选参考资源。
• 项目数据呈增长趋势，llm-jp-4 系列于 2026 年 4 月刚发布即被收录，体现了项目的时效性。
• 多语言支持（Ja/En/Fr）使其成为向全球推广日本 AI 能力的窗口。

局限性：

• 纯文档项目，无代码实现，无法直接调用模型进行推理，需跳转到各模型的 HuggingFace 页面获取实际模型权重。
• README 内容高度依赖社区贡献，部分模型条目可能存在更新滞后。
• 该项目不是模型本身，而是模型的情报索引——适合了解"有哪些模型可用"，但不能替代模型本身的使用。

适用人群

总结

awesome-japanese-llm 是目前日语 LLM 领域最全面、最活跃的情报型开源项目。它不以训练模型为目标，而以整理、归档、传播为使命，将分散在论文、公告、HuggingFace 页面中的信息聚合为一个结构化的知识库。对于关注日语 AI 发展的研究者和开发者而言，这是一个值得书签收藏的一站式参考站。