SmolLM3-3Bとは？
SmolLM3-3Bは、Hugging Faceが2025年7月8日に公開した小型の言語モデルです。パラメータは約31億（3.1 billion）で、384基のH100 GPUを使い、24日間で11.2兆（11.2 trillion）トークンで学習されました。学習時のコンテキストは64Kトークンで、コンテキス トを伸ばす標準的な手法であるYaRNで128Kまで拡張できます。配布されている設定は65,536トークンになっているため、長いウィンドウを使うには設定の変更が必要です。
モードは2つあります。既定でオンの拡張思考と、直接回答で、/thinkと/no_thinkで切り替えます。XML形式かPythonの呼び出し形式でのツール呼び出しと、英語、フランス語、スペイン語、ドイツ語、イタリア語、ポルトガル語の6言語に対応しています。
重みはApache 2.0です。Hugging Faceはデータの配合、学習の設定、中間チェックポイント、評価コードも公開しており、研究者は学習を再現したり改変したりできます。重みの最終更新は2025年9月10日で、Hugging FaceはSmolLM4を発表していません。GitHubのsmollmリポジトリには今も保守のコミット（最新は2026年10月3日）がありますが、新しいモデルはありません。
SmolLM3-3Bは使う価値があるか？
SmolLM3の本当の価値は、能力ではなく公開性にあります。データの配合、設定、中間チェックポイント、評価コードという完全なレシピを公開するモデルはほとんどありません。言語モデルの学習方法を研究したり教えたりする人や、既知の状態から事前学習を続けたい人にとって、ここは他のどの3Bモデルよりもよく文書化された出発点です。直近1か月のHugging Faceでの731,000回のダウンロードは、そうした人が多いことを示しています。
モデルとしては、公開時には競争力がありましたが、今はありません。Hugging Face自身の表では、Llama-3.2-3BとQwen2.5-3Bを上回りますが、思考オンのQwen3-4Bには及びません。AIME 2025で36.7対58.8、GPQA Diamondで41.7対55.3です。思考の有無は大きく 効き（AIMEは9.3から36.7に上がります）、ツール呼び出しは思考なしでもBFCLで92.3と健闘します。
2026年の顔ぶれには置いていかれています。IBMは、自社の環境でGranite 4.2 3BがAIME 2025で78.33を記録したと報告しており、SmolLM3の最高値の2倍を超えます。GoogleのGemma 4 E2BとE4Bは画像と音声も読めます。SmolLM3はテキスト専用で、ヨーロッパの6言語に対応し、2025年9月から更新されていません。
古びていない実用上の利点は、サイズだけです。BF16で約6GBなのでノートPCで動き、Hugging Faceはllama.cpp、MLX、ONNX、MLC、ExecuTorchの版を提供しています。研究者が調べるのと同じ重みを、スマートフォンにも載せられます。それがこのモデルの居場所です。モデルに何が入っているかを正確に知ることが、Granite 4.2 3Bが主張する40ポイント余りのAIMEの差より価値を持つ実験です。
真価を発揮する場面
LLMの学習についての大学院の講義を担当する大学講師
実際の事前学習のすべての段階を学生に見せる
公開されたデータの配合、設定、中間チェックポイントを使って学習の各時点のモデルを比べ、学生にはGPU 1枚でチェックポイントからファインチューンさせます。Apache 2.0で無料です。これほど完全に学習を文書化した3Bモデルは他にありません。
データの配合を研究するMLの研究者
既知のベースラインから、統制された継続事前学習やアブレーションの実験を行う
SmolLM3-3B-Baseか中間チェックポイントから始め、公開されたレシピの変数を1つ変えます。約3Bパラメータなので実験は1ノードに収まります。元の24日間、384 GPUの学習を再現する費用ははるかに高くなります。
オフラインのアシスタントを試作するモバイルエンジニア
英語とヨーロッパの5言語で、完全にオープンなオンデバイスのモデルを出荷する
ONNX版かExecuTorch版をローカルで動かし、速い返答には/no_thinkを、アプリの操作にはツール呼び出しを使います。安価で寛容なライセンスですが、難しい質問にはGemma 4 E2BやGranite 4.2 3Bのほうが目に見えてよく答えます。
導入前に確認すること
- 導入
- Transformers 4.53以降、またはHermesツールパーサーを使うvLLMやSGLangのサーバーが必要です。128Kのウィンドウを使うには、設定のmax_position_embeddingsとrope_scalingを編集する必要があります。
- 連携
- Transformers、vLLM、SGLang、llama.cpp、MLX、ONNX、MLC、ExecuTorchに対応し、Hugging Faceの コレクションには量子化版のチェックポイントもあります。Hugging FaceのInference Providersにホスト型のエンドポイントはありません。
- データとプライバシー
- 利用規定の付属文書のないApache 2.0で、商用利用と再配布が認められます。セルフホストのみなので、データは自分のデバイスやサーバーに留まります。学習データの配合が公開されているため、出所の確認ができます。
- 大規模利用時のコスト
- 約3.1Bパラメータで、BF16ではおよそ6GBなので、一般向けのGPU 1枚、AppleのノートPC、または4ビットのスマートフォン向け版で動きます。有料APIの掲載がないため、大量利用のコストは自前のハードウェアです。
- 制限
- ネイティブのコンテキストは64Kで、YaRNで128Kです。6言語、テキストのみです。Hugging Faceは出力が不正確だったり偏っていたりする可能性を警告しています。推論は2026年の3Bから4Bのモデルより弱いです。
良い点
- Apache 2.0で、データの配合、設定、中間チェックポイントを公開
- /thinkと/no_thinkで思考を切り替え可能
- BF16で約6GB、llama.cpp、MLX、ONNX、ExecuTorchの版あり
- Hugging Faceによると、思考なしでBFCLのツール呼び出しが92.3
気になる点
- AIME 2025で36.7、Granite 4.2 3Bの自己申告は78.33
- 対応はヨーロッパの6言語のみ
- テキストのみ
- 2025年9月から更新がなく、後継も発表されていない
おすすめの人
研究やファインチューンのために、小型で完全に再現可能なモデルを求める研究者と教育者。
SmolLM3-3Bの代替
SmolLM3-3B：よくある質問
- SmolLM3-3Bは使う価値があるか？
- SmolLM3は製品というより、ガラス張りの学習の記録です。3Bモデルの作り方を学ぶには並ぶものがありませんが、製品に載せるには見劣りします。 評価は5点満点中3.5点です。
- SmolLM3-3Bの料金は？
- 重みはApache 2.0で無料で、学習データのレシピとチェックポイントも公開されています。Hugging Face自身のInference Providersにホスト型APIはありません。
- SmolLM3-3Bの欠点は？
- AIME 2025で36.7、Granite 4.2 3Bの自己申告は78.33; 対応はヨーロッパの6言語のみ; テキストのみ; 2025年9月から更新がなく、後継も発表されていない.
- SmolLM3-3Bは誰に向いているか？
- 研究やファインチューンのために、小型で完全に再現可能なモデルを求める研究者と教育者。
- チームや本番環境でSmolLM3-3Bを使うと費用はいくらか？
- 約3.1Bパラメータで、BF16ではおよそ6GBなので、一般向けのGPU 1枚、AppleのノートPC、または4ビットのスマートフォン向け版で動きます。有料APIの掲載がないため、大量利用のコストは自前のハードウェアです。
- SmolLM3-3Bは企業データを扱っても安全か？
- 利用規定の付属文書のないApache 2.0で、商用利用と再配布が認められます。セルフホストのみなので、データは自分のデバイスやサーバーに留まります。学習データの配合が公開されているため、出所の確認ができます。
- SmolLM3-3Bの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGranite 4.2, Gemma 4 、 Phi-4-multimodalです。
回答確認日：2026年10月26日