Trans-N、ローカルAI実行基盤「Swama」2.5.1を公開　文章・画像の判定処理をMac 1台で

公開：2026年10月7日

CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座

この記事はプレスリリースです

本記事は、PR TIMESに掲載された企業・団体等のプレスリリースを原文のまま転載しています。記事内容は発表時点の情報です。

発表元: トランスエヌ株式会社
原文: PR TIMESで元のプレスリリースを読む
配信日時: 2026年10月7日 18時51分
転載日: 2026年10月9日

発表内容については発表元へ、当サイト上の訂正・削除については、当サイトのお問い合わせフォームにご連絡ください。

転載

プレスリリース本文

OpenAI Decisions API形式に対応。社内比較で問い合わせ30件の分類を4.5秒、製品写真30枚の損傷判定を10.5秒で完了

トランスエヌ株式会社（本社：東京都文京区、以下「Trans-N」）は、Appleシリコン搭載Macで大規模言語モデル（LLM）をローカル実行するオープンソース基盤「Swama（スワマ）」のバージョン2.5.1を公開しました。OpenAI Decisions API形式の判定リクエストに対応し、文章や画像をもとにした分類、はい／いいえの判定、段階評価をMac上で実行できます。対応モデルを用いた推論はMac内で完結し、クラウド推論APIを呼び出さずに利用できます。

社内で同じ入力を用いて比較したところ、Mac Studio（M3 Ultra）上のSwamaは、問い合わせ30件の分類を4.5秒、製品写真30枚の損傷判定を10.5秒で完了しました。東京から呼び出したOpenAI gpt-6-lunaでは、それぞれ10.1秒、12.6秒でした。本テスト条件では、処理完了時間がそれぞれ約55％、約17％短くなり、ローカル環境での判定処理の活用可能性を示しました。

同じ入力を用いた社内測定（2026年10月7日）。各30件の処理完了時間、3回の中央値。測定条件と結果の適用範囲は本文をご参照ください。

文章・画像の判定処理を、手元のMacで

問い合わせの担当部署への振り分けや、製品写真をもとにした損傷の有無の判定など、業務の中には長い文章の生成ではなく、あらかじめ決めた選択肢や基準に沿った判断が必要な場面があります。

Swamaの判定用エンドポイント「/v1/decisions」は、こうした分類・条件判定・段階評価に対応します。APIを通じてアプリケーションから利用でき、判定結果とともにモデルによる評価値（confidence）を取得できます。

※対応する入力形式や画像数には制限があります。confidenceは回答の正しさを保証する値ではありません。対応範囲の詳細はGitHubのドキュメントをご確認ください。

同じ入力を用いた社内比較

両者を同時に開始し、それぞれ1件ずつ連続処理した際の、各30件すべての処理が終わるまでの時間を比較しました。

問い合わせ30件の分類
Swama：4.5秒／正解数30件
OpenAI gpt-6-luna：10.1秒／正解数30件

製品写真30枚の損傷判定
Swama：10.5秒／正解数28件
OpenAI gpt-6-luna：12.6秒／正解数27件

測定条件

測定日：2026年10月7日
ローカル環境：Swama 2.5.1、Mac Studio（M3 Ultra、256GB）
ローカルモデル：Qwen3.5-35B-A3B（4bit）
比較対象：OpenAI gpt-6-luna（東京から呼び出し）
処理方法：両者を同時に開始し、各側で1件ずつ連続処理
計時方法：共通のローカルプロキシで計時した3回の中央値
テスト素材：設問はOpenAI公式ガイドの例を使用し、問い合わせ文と写真は本テスト用に用意

※本結果は上記の環境とテスト素材を用いた社内測定です。使用するモデル、入力内容、ハードウェア、ネットワーク状況などによって結果は変わります。すべての利用環境での速度・精度の優位性を示すものではありません。