日本語の思考モデル LLM-jp-4.1 33B Thinking を追加しました

llm-jp-4.1-33b-thinking を追加しました。国立情報学研究所（NII）が主宰する LLM-jp が 2026 年 9 月 28 日に公開した、日本語向けの思考モデル LLM-jp-4.1 33B Thinking です。単価は入力 ¥55 / 出力 ¥125（1M tok・税込表示）で、これまで提供していた LLM-jp-4-VL 9B と同額です。

llm-jp-4-vl-9b はこのモデルへ置き換わります。料金ページとモデル一覧からは外れますが、2026-10-14 までは同じ ID で送ったリクエストを llm-jp-4.1-33b-thinking として処理します。レスポンスの model と利用明細は新しい ID になります。画像入力には対応しません。

LLM-jp-4.1 は、2026 年 4 月以降に公開された LLM-jp-4 の事後学習をやり直したシリーズです。STEM 分野の学習データを増やし、ツール呼び出し用のデータも加えています。強化学習は使っておらず、SFT と DPO だけです。

特徴

33B の日本語思考モデル

64 層、隠れ次元 5,120、コンテキスト長 65,536 の dense モデルです。パラメータ数は 33,219,548,160 です。モデルカードは Hugging Face（Apache 2.0）、学習と評価の詳細は LLM-jp のブログにあります。

回答を短くする事後学習

LLM-jp-4 は、聞かれたこと以外まで書く傾向がありました。LLM-jp-4.1 では、SFT データの回答を作るときに「聞かれたことだけを書く」指示を入れ、最終回答のトークン数を前世代の半分程度まで落としています。STEM 系のタスクにはこの指示を掛けていません。

テキスト専用

入力はテキストのみです。画像・動画・ファイルには対応しません。

ベンチマーク（LLM-jp 公表値）

LLM-jp はブログで、llm-jp-judge による 4 指標を公表しています。評価モデルは gpt-5.4-2026-03-05、reasoning_effort は medium、3 回の推論と評価の平均です。

MT-Bench は前世代を下回ります。LLM-jp は、情報量の多い回答が高く評価される指標で、今回の「回答を短くする」学習がスコアを下げたと見ています。一方、日本語の安全性（AnswerCarefully）と日本語の質問応答（llm-jp-instructions）は前世代を上回ります。llm-jp-instructions の内訳では、情報量は下がり、正確性は上がっています。

同じブログでは、swallow-evaluation-instruct のカテゴリ平均でも LLM-jp-4.1 33B が LLM-jp-4 33B を上回り、Olmo-3.1-32B-Think と Qwen3-32B を超えて gpt-oss-120b とほぼ同じ平均になった、と報告しています。数学と科学は Qwen3.8-27B、Gemma 4 31B、Muse-Glimmer-30B に届いていません。カテゴリ平均の数値そのものは図表のみで、本文には転記されていません。

いずれのスコアも LLM-jp 自身による測定で、第三者の独立評価ではありません。

使い方

model に llm-jp-4.1-33b-thinking を指定します。

curl https://hai-api.hcloud.ltd/v1/chat/completions \
  -H "Authorization: Bearer hai_..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llm-jp-4.1-33b-thinking",
    "messages": [{"role":"user","content":"この契約書の解除条項を3点にまとめてください"}]
  }'

思考の長さは reasoning_effort で指定できます。none / minimal / low / medium / high / xhigh を受け付けます。

注意点

• 画像入力には対応していません。 llm-jp-4-vl-9b へ画像を送っていたリクエストは、読み替え後に失敗するか、画像を見ない応答になります。画像が必要な場合は gemma-4-31b-it を使ってください
• 思考と回答が 1 つの content に入ります。 応答は <|channel|>analysis で始まり、回答本文は最後の <|channel|>final<|message|> より後ろです。reasoning_content は空です。クライアントがこの区切りを分けない場合、思考過程が本文に混ざります
• ツール呼び出し（tools / function calling）は使えません。 モデルはツール呼び出しの形で出力しますが、API の tool_calls にはなりません。content に生のテキストとして入ります。エージェント用途には他のモデルを使ってください
• response_format は無視されます。 JSON schema を渡しても構造化されず、通常の応答が返ります
• コンテキストは 64K（65,536）トークンです。 入力と出力の合計がこの範囲に収まる必要があり、実際に入力へ使えるのは出力上限 16,384 トークンを差し引いた 49,152 トークンまでです。長文が必要な場合は gemma-4-31b-it（256K）や deepseek-v4-flash（1M）を使ってください
• 旧 ID llm-jp-4-vl-9b は 2026-12-29 以降のリリースで受け付けを終了します。それまでは新しい ID へ読み替えます

単価とモデル一覧は料金ページ、モデル ID とセットアップ手順はドキュメントに掲載しています。