手元のGPUで動く27Bが、Opus 4.6をコーディングで上回った — Alibaba Qwen3.8-27B

Alibabaのここ最近のQwenはMoEの巨艦ばかりだった。2.4兆パラメータのQwen3.8-Max、総125BのFlash-Next。どれも「すごい」のは分かるが、自分のマシンに落として動かせるかというと、話は別だ。

その意味で、今回の27Bはちょっと毛色が違う。

2026年8月14日、Alibabaはオープンウェイトの密（dense）27BモデルQwen3.8-27Bを公開した。ライセンスはApache 2.0。MoEではなく素直な密モデルで、27Bという数字は、量子化すれば手元のGPUでも現実的に回せる領域に収まる。「配布はするけど実質動かせない」巨大モデルとは、狙っている場所が違う。

数字が示す立ち位置

面白いのはベンチマークだ。Alibaba自社評価という前提つきだが、27Bのオープンモデルが、クローズドのフラッグシップと真っ向から数字を並べている。

• SWE-bench Pro: 61.7%（Claude Opus 4.6 Max 53.4%）
• LiveCodeBench v6: 90.3%（88.8%）
• IFBench: 79.5%（62.5%）

コーディングと指示追従で、Opus 4.6 Maxを上回っている。とくにIFBenchの差は大きい。一方で、純粋な推論力ではまだ届いていない。

• GPQA Diamond: 89.2%（91.3%）
• Humanity's Last Exam: 30.8%（40.0%）

HLEの差はそれなりに開いている。ここは正直、27Bという器の限界がにじむ部分だろう。難しい学術的推論を任せるなら、まだ上位モデルに分がある。

ビジョン側はむしろAlibaba優勢で、OSWorld-Verified 84.3%（72.7%）、AndroidWorld 81.9%（62.0%）、MathVision 90.0%（65.5%）と、画面操作系のベンチで大きくリードしている。テキスト・画像・動画を受け付けるマルチモーダル設計が効いている格好だ。

ローカルで動く、が効いてくる場面

このモデルの本当の価値は、ベンチの数字そのものより「その性能がローカルで手に入る」点にある。

262,144トークンのネイティブ文脈（Alibabaは100万トークンまで拡張可能とする）を持つ密27Bが、自分の管理下で動く。これが意味するのは、コードやドキュメントを外部APIに送らずに処理できるということだ。機密性の高いリポジトリを扱う開発チームや、データを社外に出せない業種にとって、「そこそこ賢いモデルがオフラインで回る」のは、クラウドの最強モデルとは別の価値軸になる。

画面操作系のスコアが高いことも組み合わせると、面白い使い方が見えてくる。ローカルで動く画像認識付きモデルは、自分のPC上のUIを見ながら操作を代行するエージェントの土台になりうる。クラウド送信をためらう作業——たとえば社内システムの画面を跨ぐ定型処理——を、手元で完結させる方向だ。API課金を気にせず何ステップでも試行できるのも、ローカルモデルならではの強みになる。

もっとも、27Bを快適に動かすにはそれなりのVRAMがいる。量子化しても、ノートPCで気軽に、とまではいかない。「ローカルで動く」と「誰でも動かせる」の間には、まだハードウェアの壁が残っている点は正直に押さえておきたい。

素直に評価できる一手

ベンチが自社評価である以上、額面どおりには受け取れない。実際のコード生成やエージェント運用で、どこまでこの数字が再現するかは各自の検証待ちだ。とくに推論の弱さは、用途によっては効いてくる。

それでも、フラッグシップをクローズドで温存する各社が増えるなかで、コーディングでトップ級に並ぶ性能を27Bのオープンウェイトで降ろしてきたのは、素直にすごいと思う。「賢いモデルはクラウドの向こう側にあるもの」という前提を、手元に引き寄せる一手だ。重みはQwen公式およびGitHub（QwenLM）から入手できる。