公開：2026年10月24日, 最終更新：2026年10月24日
Large Reasoning Models（LRM）とは、単純なパターンマッチングによる即時応答にとどまらず、明示的な思考過程（推論トレース）を自律的に生成・検証しながら多段階の論理的思考・計画・自己修正を行い、複雑な問題を解く大型言語モデル（LLM）の発展型・サブセットである。「Reasoning Model」「Thinking Model」とも呼ばれる。
概要
LRMは、従来のLLMが確率的な次トークン予測に依存してきたのに対し、人間の「熟考（System 2思考）」に相当するプロセスをモデル内に実装した点で区別される。数学の高度な問題解法、複雑なプログラミング、科学的問答、論理パズル、多段階の推論を要するタスクなど、従来のLLMが苦手としてきた領域を主な適用対象とする。
2024年9月にOpenAIが「o1-preview」および「o1-mini」を発表したことで、「Reasoning Model」という製品カテゴリおよび概念がAI業界に広く認知された。その後、Alibabaの「QwQ-32B-preview」（2024年11月）、Googleの「Gemini 2.0 Flash Experiment」（2024年12月）、DeepSeekのオープンモデル「DeepSeek-R1」（2025年1月）、OpenAIの「o3-mini」（2025年1月）・「o3」（2025年4月）など、主要プレイヤーによるモデルが相次いで登場している。
仕組み・ポイント
推論時計算（Test-time Compute）の活用
最終回答を即座に出力するのではなく、回答前に「思考時間（Deliberation time）」を設け、その間に推論トレースを自律的に生成・探索する。応答の質を高めるために、推論段階で計算リソースを積極的に使う点が従来モデルと大きく異なる。
強化学習とプロセス監視による学習
最終回答だけでなく、途中の推論ステップに対しても報酬を与える強化学習（RL）や、プロセス監視（Process-based Supervision / PRM）を組み合わせて訓練される。DeepSeek-R1の技術論文によって、強化学習を中心としたLRMの訓練設計が広く示された。
自己修正とバックトラック
推論の途中で誤りや矛盾を検知した場合、過去のステップを振り返って修正（バックトラック）したり、複数の思考パスを評価・選択したりする能力を持つ。この自律的な自己修正機構が、複雑な問題への対応力を支えている。
課題：トークン消費と応答遅延
推論トレースが長くなるほどトークン消費量が増加し、応答遅延（レイテンシ）も拡大する。効率的な推論（Efficient Reasoning）、トレース圧縮、小型推論モデル（Small Reasoning Models: SRM）との協調機構などが現在の主要な研究領域となっている。
なぜ今注目されているのか
OpenAIのo1登場以降、各社が競合モデルを短期間で相次いでリリースしており、LRMは生成AIの次の主戦場として業界の注目を集めている。DeepSeek-R1がオープンモデルとして公開されたことで、訓練手法の詳細が広く共有され、研究・開発の加速につながっている。また、MicrosoftがAIとの協働によって31年来の数学難問（KLS予想）の証明に成功した事例のように、高度な推論能力が学術・研究領域での実証成果として示されるようになったことも、注目度を高める背景にある。推論コストの削減に向けた取り組み（語彙最適化によるコスト77%削減といった手法の公開など）が活発化していることも、LRMの実用化が本格的な段階に入りつつあることを示している。
日本企業への示唆
LRMは、契約書レビューや法務判断、財務分析、複雑な要件定義を伴うシステム設計など、多段階の論理的思考が求められる業務領域において、従来のLLMより高い精度を発揮しうる。一方、推論トレースが長くなるほど処理コストと応答時間が増大するため、用途に応じてLRMと従来LLMを使い分けるアーキテクチャ設計が重要になる。DeepSeek-R1のようなオープンモデルの登場は、自社環境への導入・カスタマイズの選択肢を広げるものであり、特定ベンダーへの依存リスクを軽減する観点からも注目に値する。効率的な推論や小型推論モデル（SRM）の研究動向を継続的に把握し、コストと精度のバランスを見極めながら導入を検討することが求められる。
※ 本ページはAI News JAPAN編集部が最新の動向を踏まえて解説したものです。内容は随時見直します。
