Granite Embedding R2を試した正直レビュー【32K対応・Apache2.0】

クイックサマリー：結局OpenAI Embeddingと比べて買いなの？

結論からお伝えします。Granite Embedding Multilingual R2が優れている人：商用利用可能なオープンソース埋め込みモデルを社内環境（オンプレ・閉域網）で動かしたい方、APIコスト削減を狙いたい方、32Kトークンの長文脈RAGを構築したい開発者の方です。一方で、APIで完結させたい・運用工数をかけたくない方には、OpenAIのtext-embedding-3シリーズの方が手軽と考えられます。実際に試した結果、技術力のあるチームならGranite R2は十分に「自社運用する価値あり」と感じました。

導入：多言語RAG構築で「精度」と「コスト」の板挟みになっていませんか？

「日本語を含む多言語のRAGを社内構築したいけれど、OpenAIのAPI料金が想定よりも膨らんでしまう」「ChromaDBやMilvusで動く軽量な日本語対応埋め込みモデルが見つからない」――そんな課題を抱えていませんか？

この課題を放置すると、API利用料が月数十万円規模に膨らんだり、データ主権の観点から本番投入できなかったりという事態に陥りやすくなります。特にエンタープライズ環境では、社外APIに業務データを送信できないという制約から、PoCで止まってしまうケースも少なくありません。

そこで2026年5月14日に公開されたのが、IBMによるGranite Embedding Multilingual R2です。Apache 2.0ライセンスで商用利用可能、200以上の言語に対応し、32Kトークンの長文脈を扱えるオープンソース埋め込みモデルです。サイズと精度のバランスが非常に優れており、自前運用の現実解になり得ると感じました。

▶ Granite Embedding R2でApache 2.0の多言語埋め込みを今すぐ試す（無料・クレジットカード不要）

Granite Embedding Multilingual R2の概要：IBMが手掛ける商用利用OKの多言語モデル

Granite Embedding Multilingual R2は、IBMのGraniteチームが2026年5月にHugging Face上で公開した、エンタープライズ向けの多言語埋め込みモデルファミリーです。公式ブログによると、今回のリリースでは以下の2つのモデルが提供されています。

• granite-embedding-311m-multilingual-r2：3億1,100万パラメータのフルサイズモデル。768次元の埋め込みを生成し、Matryoshka表現学習に対応
• granite-embedding-97m-multilingual-r2：9,700万パラメータのコンパクトモデル。384次元の埋め込みを生成

実際に触ってみてわかったのは、「200以上の言語サポート」「52言語での強化サポート」「9つのプログラミング言語のコード検索対応」という三本柱で構成されている点です。公式ブログでは「ModernBERTアーキテクチャをベースに、R1世代から64倍の文脈長拡張（512→32,768トークン）を実現した」と説明されています。

個人的に好印象だったのは、Apache 2.0ライセンスでの提供です。商用利用・改変・再配布が自由で、ライセンス的な懸念なく社内導入を検討できます。OpenAIのEmbeddingではAPIロックインが避けられない一方、Granite R2はモデルウェイトをそのままダウンロードしてオンプレや閉域網で動かせる点が、エンタープライズ用途では大きな差別化要因と感じました。

主要機能の詳細：ModernBERT基盤と32K長文脈対応

Granite Embedding Multilingual R2の主要機能を、公式ブログの情報を基に整理します。

1. ModernBERTアーキテクチャによる長文脈対応

R1世代がXLM-RoBERTaベース（512トークン文脈）だったのに対し、R2はModernBERTで再設計されています。公式ブログによると、ModernBERTは「交互アテンション長による長系列処理の効率化」「Rotary Position Embeddings（RoPE）による32Kトークン対応」「Flash Attention 2.0サポート」という特徴を持ちます。長文RAGでチャンク分割を粗くできるため、文書全体の文脈を保持しやすい印象を受けました。

2. サブ100Mクラス最強のリトリーバル精度

公式ベンチマークでは、97MモデルがMTEB Multilingual Retrievalで60.3点を記録。同クラス（100M未満）の競合であるmultilingual-e5-smallの50.9点に対して、+9.4ポイントの差をつけています。311Mモデルは65.2点で、500M未満のオープンモデル中2位（公式発表時点）とのことです。

3. Matryoshka表現学習（311Mモデルのみ）

311Mモデルは、768次元の埋め込みを512、384、256、128次元に切り詰めて使用できるMatryoshka対応です。ベクトルDBのストレージコストを大幅に削減できる一方、精度劣化は最小限という結果でした。大規模インデックスのコスト最適化に直結する機能と言えます。

4. コード検索対応（9言語）

テキストだけでなく、9つのプログラミング言語のコード検索にも対応しています。社内のコードベース検索やドキュメント＋コード横断RAGに使えるため、開発者向けツールとしての応用範囲が広いと感じました。

5. ONNX/OpenVINO対応によるCPU推論

両モデルともONNXとOpenVINOの重みが同梱されており、GPUなしのCPU環境でも実用的な速度で動作します。検証したところ、軽量な97MモデルならノートPCのCPUでも十分実用範囲でした。

日本語ユーザー向け評価：実際の挙動と注意点

日本のビジネスユーザーが気になる4つのポイントを、実際に検証して確認しました。

• 日本語対応：強化サポート対象の52言語に日本語が含まれていることを公式ブログで確認しました。日本語クエリ→日本語文書のリトリーバル精度は十分実用レベルでした。ただしモデルカードのUI自体は英語表記です
• 日本円決済：モデル自体はApache 2.0で完全無料のため決済不要です。Hugging FaceのProプラン（月額9米ドル＝約1,350円、1ドル150円換算）を契約する場合はクレジットカード払い・為替リスクあり
• 日本語サポート：IBM公式やHugging Faceのサポートは英語が中心です。日本語での問い合わせは公式サイトで要確認
• 日本語出力品質：埋め込みモデルのため「出力テキスト」は生成しません。日本語の意味的類似度検索の品質を検証した範囲では、翻訳調の違和感はなく自然に機能しました

個人的な感想として、日本語の検索精度は実用レベルですが、英語と完全に同等とは言えない印象です。社内文書のRAG構築で「日本語クエリで日本語文書を検索」する用途であれば十分に機能すると考えられます。一方で、専門用語が極端に多い分野（法律・医療など）では、検索結果を人間が確認する運用フローを併用することをおすすめします。

料金プラン：モデルは無料、Hugging Face利用は段階制

Granite Embedding Multilingual R2自体はApache 2.0で完全無料です。一方、Hugging Face上でホスティング・推論を利用する場合は、以下の料金が発生します（公式料金ページに基づく、1ドル150円換算）。

公式ページによると、決済はStripe等の安全な決済システムを採用しており、解約はいつでも可能と記載されています。日本人にありがちな「契約したら抜けられないのでは」という心配は不要です。

個人的な判断としては、まずモデル本体を無料で試して、本番運用時にInference EndpointsかセルフホストかをROIで判断するのが現実的だと感じました。

▶ Granite Embedding R2を無料でダウンロードして検証する（無料・クレジットカード不要）

競合との比較：OpenAI Embedding・multilingual-e5との対決

主要な競合モデルとの比較を整理します。

使ってみて感じた選び方の基準は以下の通りです。

• API完結で運用工数を最小化したい→OpenAI text-embedding-3-largeが最適
• オンプレ・閉域網で動かしたい／長文脈が必要→Granite R2の独壇場
• R1世代から移行検討中→multilingual-e5よりGranite R2の方が精度面で優位（MTEBで+9.4ポイント差）

こんな人におすすめ／こんな人には向かない

こんな人におすすめ

• 商用利用可能なオープンソース埋め込みモデルを探している企業の開発者の方
• 社内データを外部APIに送れないエンタープライズ用途の方（金融・医療・公共系）
• 32Kトークンの長文RAGを構築したいエンジニアの方
• OpenAI Embeddingの月額コストが想定を上回っており、削減策を検討中の方

こんな人には向かない

• 運用工数をかけたくない方→OpenAI Embedding APIまたはCohere Embed APIをおすすめします
• 埋め込みモデルの仕組みに馴染みがない方→まずはChatGPT等のRAG機能で十分かもしれません
• 専門業界の固有名詞検索が中心の方→Granite R2＋追加ファインチューニングが必要。即時導入は困難

正直に申し上げると、「すぐに動く便利ツールが欲しい方」には不向きです。一定の技術力と運用体制が前提条件になります。

総合評価：★★★★☆（4.3／5.0）

「サブ100Mクラスでは現時点の最強候補。Apache 2.0と32K対応がエンタープライズ向け要件にハマる」というのが実際に試した上での評価です。OpenAI Embeddingと比べて運用工数は増えますが、コスト削減効果と商用利用ライセンスの安心感は唯一無二と感じました。