Qwen3.8-27B、先進AIモデルをローカル実行に近づける

Alibabaは金曜日、オープンソースライセンスであるApache 2.0の下、Qwen3.8-27BモデルをHugging Faceで公開した。これにより開発者は、その重みをダウンロードし、検証、変更し、クラウドモデルのAPIから離れた環境で実行できる。今回のリリースの重要性は、270億個のパラメーター数だけにあるのではない。画像と動画の理解、262,144トークンに達するコンテキスト、調整可能な推論、コーディング作業およびソフトウェアエージェントのワークフローへの対応を組み合わせている点にある。

情報筋は、このモデルをQwen3.8世代の機能をコンパクトかつ導入しやすくしたバージョンと説明している。16ビット版には約56GBのGPUメモリが必要で、FP8版では約28GBを要する。一方、4ビットに量子化するとモデル自体のサイズは約17GBまで低下し、高性能なゲーム用PCや十分な構成のノートPCなど、先進的な一般消費者向けデバイスで実行可能になる。

より小さいサイズで大きな能力

性能とサイズの両立が、開発者や高度なAIユーザーから幅広い反応を集めた主な理由だった。Alibabaは公開時に複数のベンチマークで強力な数値を示し、SWE-bench Proで61.7、LiveCodeBench v6で90.3、CoWorkBenchで70.7、OSWorld-Verifiedで84.3を記録した。

同社が公開した比較表では、Qwen3.8-27BはSWE-bench ProとLiveCodeBenchの2つのテストで、Claude Opus 4.6 Maxに記載された結果を上回った。一方、Terminal-Bench、GPQA Diamond、Humanity’s Last ExamではClaudeが引き続き優勢だった。ただし、これらの結果だけで総合的な勝者を宣言することはできない。Alibabaの評価の一部は社内評価であり、テストツールや測定方法も、すべてのモデル間で必ずしも一致していないためだ。

その後に発表された独立評価の結果は、今回のリリースにさらなる弾みをつけた。Artificial Analysisは、コーディング、科学、推論、専門業務に関する9つの評価を組み合わせた複合指標であるIntelligence Indexで、同モデルに52点を与えた。この点数は、同指標が現在、推論を最高設定にしたOpenAIのGPT-5.6 Lunaに与えている結果と同じだった。GPT-5.6 Lunaは独自モデルで、クラウド経由でしか利用できない。また、Qwen3.8-27BはAgentic Indexで51点を獲得し、推論を最大限に行う設定のClaude Opus 4.8を上回った。

これらの比較は、モデルが完全に同等であることを意味しないが、開発者が関心を寄せる理由を説明している。オープンソースのソフトウェアエージェントであるClineは、この結果について、ローカルモデルが最上位モデルに近い能力を記録したのは初めてだと述べた。また、Joshua “Xenova” Lochnerは専用のWebGPUカーネルを使ってモデルの実行を試し、さまざまな実行環境に統合できる可能性を示した。

ローカル実行で実際に何ができるのか？

Simon Willisonは、約17GBのQ4_K_M量子化版を、M5 Maxプロセッサーを搭載したMacBook ProとNvidia DGX Sparkでテストした。実験では、モデルはコードの作成、画像の理解、Pi agentフレームワークを介したソフトウェアエージェントのループ実行に成功した。また、コードベース内を移動して認証の仕組みを説明し、エージェントのログをJSONL形式からMarkdownに変換するPythonツールを作成してテストした。

これらの実験は、API経由でしかアクセスできないモデルと、ワークステーションに保持できるファイルとの実用上の違いを示している。開発者はデータを外部プロバイダーに送信する代わりに、自身の環境内でモデルを実行、変更し、保持できる。これにより、プライバシー、情報セキュリティ、ガバナンス、展開の制御に関する選択肢が広がる。ただし、モデルがあらゆる作業に適していることや、実行が高速であることを自動的に意味するわけではない。

利用率にも関心が表れた。Cybernewsによると、モデルはHugging Faceで公開後3日間のうちに300万回を超えるダウンロードを記録し、ローカル推論ツールに対応した量子化版もすぐに登場した。RedditのLocalLLaMAコミュニティは、テスト結果、量子化版、セットアップ手順、比較結果を集める専用スレッドを作成した。

品質には時間的コストが伴う

Qwen3.8-27Bで最も明確な制約は、考えすぎる傾向にあることだ。Artificial Analysisによると、同モデルはIntelligence Indexのテスト中に1億6,000万トークンの出力を生成したのに対し、同程度のオープンウェイトモデルの中央値は4,300万トークンだった。情報筋はこれをデフォルトのxhigh推論設定と結び付けている。Willisonの実験では、自転車に乗る白鳥のSVG画像を作成するのに21分かかり、推論だけで2万2,000トークン以上を消費した。そのため、通常の利用では低い推論設定、または推論なしで始めることを推奨した。

Tomasz Tunguzも、DeepSeek V4 Flashと9つのタスクで比較した小規模テストで、同様のトレードオフを記録した。推論を有効にすると、彼が使用したエージェント環境ではQwenが品質でわずかに上回ったが、約30倍遅く、コストは4.5倍高かった。ただし、9つのタスクでは結果を確定するには不十分だと注意を促している。

推論ソフトウェアによって、この差を縮められる可能性がある。モデルにはMulti-Token Prediction技術が含まれており、Willisonによると、llama.cppでこの機能を有効にした場合、デフォルトのLM Studio設定と比較してDGX Spark上の性能が約72%向上した。それでも、LM Studioでの通常の実行速度は毎秒15～30トークンで、多くのホスト型モデルの応答速度を大きく下回った。

企業にとって何を意味するのか？

企業にとって重要な比較は、270億パラメーターのモデルが1つの表でClaudeやGPTを上回るかどうかではない。コーディング、文書分析、視覚理解、エージェントタスクを十分にローカルで実行し、実務上の業務カテゴリーでAPI呼び出しを置き換えられるかどうかである。Apache 2.0ライセンスにより、重みを検証、変更し、企業の管理下でホスティングできる。また、AlibabaはvLLM、SGLang、TokenSpeedフレームワークとの互換性を文書化している。

Alibabaによると、管理型のQwen Cloud版は後日、デフォルトで100万トークンのコンテキストと組み込みツールを備えて登場する予定だ。しかし、Qwen3.8-27Bの現在の価値は、クラウドインフラへの依存を抑えたローカル展開の選択肢にある。結果については、さらなる独立検証が依然として必要であり、推論の遅さがリアルタイムのやり取りにおける有用性を制限する可能性もある。したがって今回のリリースは、ローカルモデルが最先端モデルと全面的に同等になったことを証明するものではない。それでも、最近まで高価なサービスに結び付いていた能力が、ユーザー所有のハードウェア上で、より小さなファイルから実行可能になったことを示している。