Closed-Domain LLM Platform

業務の知識を
AIの力に変える

llamune は社内環境で動くAIプラットフォームです。
情報が外部に一切出ないので、機密情報を扱う業務でも安心して使えます。
自社の知識でAIを育て、競合に真似できない強みを作れます。

🔒 データは外部に出ない
競合との差別化
🧠 自社知識でファインチューニング
アプリを見る → お問い合わせ
スクロールして詳細を見る

Application Suite

3つのアプリで
LLM導入を完結させる

チャットから知識の洗い出し、ファインチューニングまで—
llamune がフルサイクルをサポートします。

01
💬
llamune_chat

閉域環境で複数のローカルLLMとチャットし、業務アウトプットを安全に取得できるチャットプラットフォーム。

  • 複数のローカルLLMを切り替えて利用
  • 会話内容は金融機関レベルの暗号化で保護
  • システムプロンプトのテンプレート管理
  • 思考過程(Thinking)のリアルタイム表示
  • データは一切外部サーバーに送信されない
02
🔍
llamune_poc

トレーニング前・トレーニング中のLLMと対話し、モデルに不足している業務知識を体系的に洗い出すLLM評価ツール。

  • ドメイン特化の評価シナリオを設計・実行
  • LLMの回答品質をスコアリング
  • 不足知識・誤答パターンを自動記録
  • llamune_learn への訓練データエクスポート
03
🎓
llamune_learn

llamune_poc のアウトプットをもとに訓練データを生成し、ローカル環境でファインチューニングを実行するトレーニングツール。

  • llamune_poc の評価結果から訓練データフォーマットを自動生成
  • Apple MLX / QLoRA によるローカルファインチューニング
  • トレーニング進捗のリアルタイムモニタリング
  • モデル評価・バージョン管理
  • 完全オフライン・クローズド環境で実行
🚧 準備中 デモを見る →

Interactive Demo

3ステップで体験する
llamune のワークフロー

広告代理店が新しいキャンペーン企画を提案する業務を例に、
llamune がどう業務を変えるかを体験してみましょう。

llamune_chat
— A社様向け案件
⭐ 携帯通信事業者からのキャンペーン依頼
新サービスのターゲット分析
— フォルダなし
競合他社リサーチ
👤 You
お客様(携帯通信事業者様)から新しいサービスのキャンペーンに関する提案依頼を受けました。いくつかプランを立てたいので協力してください。
💡 各回答のアクションを選択してください(2個の候補)
qwen2.5-coder:32b
gemma2:27b
llamune_poc
← 一覧に戻る ログ詳細 #7

ログ詳細 #7

要改善 優先度: 高
セッション #12 · 2026/2/21 13:30 · 広告代理店向けPoC
セッション情報
セッション広告代理店向け評価セッション
モデルmlx-community/Qwen2.5-14B-Instruct-4bit
システムプロンプト(未定義)
質問

携帯通信事業者の新サービス向けSNSキャンペーンで、Z世代に有効なアプローチを3つ提案してください。

LLM の回答

評価
評価 *
優先度
⚠️ 知識ギャップ検出:Z世代のSNS行動特性・最新トレンドに関する具体的な事例が不足しています。llamune_learn へエクスポートしてファインチューニングを推奨します。
llamune_learn
● 訓練データ生成中...
📥 llamune_poc からインポートされた知識ギャップ
Z世代のSNS行動特性(TikTok / Instagram Reels 活用事例)
携帯通信業界における競合キャンペーン成功事例 2024-2025
インフルエンサーマーケティングの費用対効果データ
⚙️ ファインチューニング進捗
Qwen2.5-14B-Instruct ファインチューニング 0%
0
Epoch
Loss
0
Samples
📋 トレーニングログ
$ llamune_learn start --model qwen2.5-14b --data gap_export_007.json

なぜ、
社内専用AIなのか

クラウドのAIサービスは便利ですが、業務の機密情報を外部に送信するリスクがあります。 llamune はすべてをローカルで完結させることで、セキュリティと競争優位性を両立します。

🛡️ 機密情報の完全保全

顧客データも社内ノウハウも、すべて自社環境で完結します。インターネットに情報が出ないので、機密情報を扱う業務でも安心して使えます。

🚀 競合との差別化

汎用のクラウドAIは誰でも使えます。llamune で自社知識を学習させたAIは、競合には絶対に真似できません。それがそのまま、事業の差別化になります。

💰 従量課金コストなし

APIトークン費用が発生しません。一度構築すれば�、使用量に関わらず固定コストで運用できます。

llamune 構築例

用途とセキュリティ要件に合わせて、3つの構成から選べます。

① 個人・完全隔離
👤ユーザー
💻Mac (llamune)

1台のMacで完結。ネットワークに接続しないため、機密データが物理的に外部に出ません。個人の業務や社外秘データの取り扱いに最適です。

🔴 セキュリティ最高(物理的完全隔離)
② チーム・完全隔離
👤
👤
👤
ユーザー
🔒専用NW
💻Mac (llamune)

llamune専用のクローズドネットワークで複数人が利用。インターネットに接続しないため、チームで使いながら機密データを完全に守れます。

🔴 セキュリティ最高(ネットワーク完全隔離)
③ チーム・リモート対応
👤オフィス
👤リモート
🌐VPN
💻Mac (llamune)

社内ネットワーク上にllamuneを導入。VPN経由でリモートからも利用でき、ネットワーク管理者の設定により社内セキュリティポリシーに準拠した運用が可能です。

🟡 セキュリティ高(社内NW準拠+通信暗号化)

閉域LLM カタログ

llamune で動作確認済みのモデル一覧です。

メモリ表示について:ディスク上のファイルサイズではなく、実際にメモリに展開した際のサイズを掲載しています。コンテキスト長や量子化方式によって展開後のサイズは大きく変わるため、ご使用の環境に合わせてご確認ください。OS・その他のアプリケーション用に最低4GBの余裕を確保することを推奨します。
💭 thinking とは:回答を生成する前に、モデルが内部で推論・思考する過程を指します。生成AI の回答に関する説明責任が求められる場合、推論・思考過程がその根拠になる場合があります。llamune ではこの思考過程を折りたたみ表示で確認できます。thinking 対応モデルは複雑な問題に強い一方、応答速度は遅くなります。シンプルな質問には thinking なしモデルの方が快適です。
32GB 環境で動作 ── 2026年2月時点のおすすめ順
qwen2.5:14b
Alibaba製。日本語に強く、ファインチューニングの事例も豊富。比較的軽量でファインチューニングのベースモデルとして最適。
展開後17 GB
thinking なし
gpt-oss:20B
OpenAIが公開したローカル動作モデル。推論・エージェントタスクに強く、思考過程を確認できる。
展開後17 GB
💭 thinking
gemma3:12b
Google製。128Kコンテキスト・140言語対応。画像入力(マルチモーダル)にも対応。
展開後18 GB
thinking なし
phi4:14b
Microsoft製。14Bながら高い推論性能。コンテキストが短めで軽量動作。
展開後14 GB
thinking なし
64GB 環境で動作
deepseek-r1:14b
DeepSeek製・推論特化モデル。数学・論理・コーディングに強く、思考過程を表示。
展開後45 GB
💭 thinking
qwen2.5-coder:32b
Alibaba製・コーディング特化。コード生成・レビュー・デバッグに強い。
展開後30 GB
thinking なし
gemma3:27b
Google製・上位モデル。128Kコンテキスト・140言語・マルチモーダル対応。高品質な回答。
展開後30 GB
thinking なし
llama3.1:8b
Meta製スタンダードモデル。128Kコンテキストで幅広い用途に対応。
展開後30 GB
thinking なし
glm-4.7-flash:latest
清華大学発。長いコンテキスト(202K)に対応。思考過程を確認できる。
展開後40 GB
💭 thinking

llamuneとLLMのご相談サービス

ご相談はすべて無料です

llamuneとLLMの導入・活用に関するご相談を承っています。「何から始めればいいかわからない」「自社の業務に使えるか試してみたい」といった段階からお気軽にどうぞ。

🏢
LLM導入相談

クラウドLLM・ローカルLLMの選択肢を整理し、自社環境に合った導入方針をご提案します。

🔒
閉域LLM構築

機密情報を外部に出さず、社内ネットワーク内で動作するLLM環境の構築を支援します。

🧪
PoC設計・実施

業務改善の仮説を立て、LLMの効果を検証するPoCの設計と実施をサポートします。

🎓
ファインチューニング

自社データを用いたモデルのカスタマイズ・ファインチューニングの計画立案から実施まで対応します。

まずはお気軽にメールでご連絡ください。

llm@unremoted.com

llamune に関するご相談も、こちらのアドレスで承っています。

🖥️
デモはPC画面でご覧ください
インタラクティブなデモは、PC・タブレットの横向き画面に最適化されています。
スマートフォンからご覧の場合は、PCからアクセスしていただくとデモをお試しいただけます。