2026年7月16日 12:26
Stockmark、日本語文書読解VLMを公開
3行まとめ
- •StockmarkがNemotron活用VLM開発
- •日本語ビジネス文書を正確に読解・構造化
- •商用利用可能なOSSとして一般公開
詳細
背景
ストックマークは、NVIDIAが公開したオープンソースAIモデル「Nemotron-3-Nano-Omni」をベースに、日本語の複雑なビジネス文書を正確に読解・構造化出力できるVLM（Vision Language Model：視覚言語モデル）を独自に開発した。従来のオープンソース基盤モデルは英語文書の処理には強い一方、日本語特有の複雑なレイアウトを持つビジネス文書の読解精度に課題があったことが開発の背景にある。
内容
新たに開発されたモデルは「Stockmark-Nemotron-3-Nano-Omni-JapanDocReader」と名付けられ、独自の強化学習を追加で施すことで、日本語ビジネス文書特有の表形式や図表を含む複雑なレイアウトを正確に読み取り、構造化されたデータとして出力できるようになった。ストックマークはこのモデルを商用利用可能なオープンソースモデルとして一般公開しており、企業が自社システムに組み込んで活用できる。
今後の影響
商用利用可能な形での公開により、国内企業は文書のデジタル化・構造化業務にこのモデルを活用できるようになる。日本語特化のオープンソースVLMの選択肢が増えることで、ビジネス文書処理分野における国産AI活用の幅が広がることが見込まれる。
なぜ重要か
Stockmarkが日本語ビジネス文書を正確に読解できるVLMを商用利用可能なOSSとして公開し、国内企業の文書処理業務に活用できる選択肢が増えた。
元記事を読む — AI Watch