KRAFTON Raon-1 miniを解説：30B級オープンウェイトモデルの韓国語・エージェント・単一GPU性能

まず結論

KRAFTON AIはRaon-1 miniを**preview（プレビュー版）**として公開しています。最大規模を狙うモデルではなく、韓国語会話、指示への追従、エージェントと推論効率を重視する30B級MoE言語モデルです。

注目点は同規模モデルに対する一部の推論・コード評価、公式の投機的デコード、ローカル実行向け量子化です。一方、全指標で首位、どのPCでも快適といった結論には根拠がありません。

本稿は公式モデルカードと体験サイトの解説です。TboxIOはベンチマーク、速度、単一GPU実行を独自検証していません。確認日は2026年10月25日です。 最終モデルではなく、仕様と結果は変更され得ます。

30BとA4Bの意味

項目	公式仕様
総パラメーター	28.8B（約288億）
token当たり稼働パラメーター	4.3B（約43億）
構造	ハイブリッド注意機構のMoE
層	25層：線形注意18層、完全注意7層
コンテキスト	262,144 tokens
token当たり稼働エキスパート	ルーティング6＋共有1
公開状態	Preview、最終版ではない
ライセンス	Apache 2.0

一部だけを稼働させれば計算量は抑えられますが、その部分の重みだけを保存すればよいわけではありません。メモリーには全重み、量子化、キャッシュ、実行基盤のオーバーヘッドが必要です。

大半の層は固定サイズの状態を使い、一部の層がKVキャッシュを保持します。効率化の方向を説明する仕組みであり、長い入力でも総メモリーや遅延が増えないという意味ではありません。

公式スコア：強みと弱み

以下は提供元の比較結果で、当サイトの実測ではありません。異なるベンチマークを平均点にまとめることはしません。

ベンチマーク	Raon-1 mini preview	Qwen3.6-35B-A3B	Gemma 4 26B-A4B
MMLU Pro	76.5	85.9	82.9
GPQA Diamond	84.3	83.2	80.7
AIME 2026	93.3	92.9	87.1
IFBench	84.2	66.6	80.9
SWE-Verified	70.8	63.2	61.6
Terminal-Bench Lite	47.0	63.3	52.0
BrowseComp Plus	55.7	34.8	32.2
BFCL v4 Overall	59.8	64.7	65.8

一部の数学推論、指示追従、コード修復、検索は試す価値があります。しかしMMLU Pro、Terminal-Bench Lite、BFCL v4では両比較モデルを下回ります。

SWE-VerifiedとTerminal-Bench Liteの違いは重要です。リポジトリ修復が強いことは、端末作業全般で強いことを意味しません。最もよい行だけで選ばず、自分の作業に対応させましょう。

公式の完全な表には密なモデルもあります。Qwen3.8-27BのGPQA Diamondは89.7で、Raonの84.3を上回ります。一部のMoE比較で先行することと、すべてのモデルに勝つことは別です。未公表の旧Raonモデルのスコアや改善幅も作りません。

評価条件の注意

SWE-Verifiedはmini-SWE-agentを使用します。モデルカードは評価者・ユーザーシミュレーターとしてgpt-5.6-lunaを記載しています。AutomationBenchは公開分割で、公式評価セットではありません。GDPValは評価者スコアで、Eloではありません。

そのため、前の記事で扱った別バージョンのTerminal-BenchとLiteを直接差し引いたり、異なる基盤の結果を統一順位にしたりしてはいけません。

韓国語を重視したモデル

訓練言語として韓国語、英語、日本語、中国語、スペイン語、フランス語、タイ語などが挙げられています。非公開の内部Chatbot Korean評価はRaon 92.9、Qwen3.6-35B-A3B 74.5、Gemma 4 26B-A4B 90.6です。

選定の手掛かりであり、日常韓国語の正答率92.9%ではありません。敬語、口語、人物設定の一貫性、韓英混在を自分で試しましょう。中国語が訓練に含まれていても、業務性能が韓国語と同等とは限りません。

最大2.18倍高速化の条件

付属のDFlash2草稿モデルが候補tokensを提案し、対象モデルが検証することで、逐次生成の一部を減らします。

公式の2.18倍の例は、NVIDIA B300一枚、GSM8K、並列数1です。自己回帰生成296.3出力tokens/秒に対しDFlash2は646.3。MXFP8対象モデル、vLLM 0.28.0などの指定条件で測定されています。

特定環境の提供元結果であり、他GPUの保証や全モデル共通の速度順位ではありません。並列時の合計スループットも一人当たりの速度とは異なります。最初のtokenまでの時間、単一要求、並列処理、エージェント全体時間を分けて測りましょう。

RTX 5090やMacで実行できる？

公式はMXFP8、NVFP4などを提供し、NVFP4ならVRAM 32GBのNVIDIA RTX 5090一枚で推論可能としています。Transformers、vLLM、llama.cpp、MLXの導入経路も示しています。

ただし、すべての形式、最大コンテキスト、高い並列数が同じ構成に収まるという意味ではありません。Macでは実際の利用可能メモリー、量子化ファイル、基盤、コンテキストを確認してください。43億稼働という数字だけでは判断できません。

対応形式、短いコンテキスト、並列数1から始め、メモリーと遅延を記録しながら負荷を増やす方法が適切です。

エージェントへの接続

公式はOpenAI互換エンドポイント経由でHermes Agent、Pi、OpenCodeを挙げています。API互換だけで、ツール呼び出しや推論フィールドの処理まで保証されるわけではありません。メッセージ、ツール結果、停止条件を確認しましょう。

思考モード向けの設計で、無効化は推奨されません。コード・数学とその他の作業では推奨サンプリングも異なります。まず公式設定で確認し、その後一項目ずつ変更します。

韓国語サポートの下書き、検証可能な情報整理、小さなコード修復、制約の明確なツール作業から試し、合格完了率、手直し、総資源を評価してください。

利用方法と費用

公式サイトにはゲスト体験と、申請・招待・登録によるAPIがあります。APIは期間限定無料で、利用者ごとのtoken数や要求数制限があり得ます。将来の料金は別途発表されます。

永久無料や正式な100万token単価は確認できません。自己ホストにはハードウェア、稼働、保守費用もかかります。

公式Hugging FaceはApache 2.0を表示し、モデルカードはアクセス申請を案内しています。取得前に手順、形式、ライセンスを確認してください。

私たちの判断

韓国語、環境の制御、自分でのツール検証を重視するチームには候補になります。実行しやすい規模、一部の評価、専用加速を組み合わせて検証する価値があります。

広い知識、難しい端末作業、安定した本番サービスが主目的なら、弱点とpreview状態を考慮しましょう。同じ課題、権限、予算で比較してから展開します。

出典

• KRAFTON公式モデルカード：構造、比較、評価条件、デコード、実行方法。
• Raon公式サイト・FAQ：体験、期間限定無料の条件。

仕様、結果、規則は変わり得ます。接続時に最新公式情報を確認してください。