Qwen3.8-27B公開｜16GBのGPUで動く

監修者伊東雄歩

株式会社ウォーカー CEO。東北大学卒。MENSA会員、JDLA認定講師、健全AI教育協会理事。生成AI×教育・学習科学を専門とし、2億円超のシステム開発プロジェクトを統括。

Alibabaが2026年8月15日、270億パラメータのAI「Qwen3.8-27B」のウェイトを無料公開した
SWE-bench Proは61.7点で、Claude Opus 4.6 Maxの53.4点を上回った
4bit量子化なら17〜19GBのメモリで動き、RTX 4090やMac 24GBで自宅実行できる
ライセンスはApache 2.0で、商用利用も改造も自由
ただしベンチマークはすべてQwen自身の計測で、第三者検証はまだない

フロンティア級のAIを使うには、クラウドに毎月お金を払うしかない。そう思っていませんか。8月15日、その前提が少し揺らぎました。デスクトップPC1台で動くサイズのAIが、有料の最上位モデルを一部のテストで追い抜いたのです。この記事では、何がどこまで本当なのかを数字で確かめます。

Qwen3.8-27Bとは？8月15日に公開されたAI

Alibaba（アリババ）のAI開発チーム「Qwen」が、2026年8月15日0時に新しいモデルのウェイトを公開しました。

ウェイトとは、AIの「頭の中身」にあたる数値データのことです。これが公開されると、誰でも自分のパソコンやサーバーにダウンロードして動かせます。

モデル名はQwen3.8-27B。パラメータ数は270億です。パラメータはAIの賢さを決める調整つまみのようなもので、多いほど賢くなる代わりに、動かすのに大きな機械が必要になります。

270億はいまのAIとしてはかなり小さい部類です。同時に発表された上位モデル「Qwen3.8-2.4T-A95B」は2兆4000億パラメータ。約89分の1のサイズということになります。

画像も動画も理解できる

Qwen3.8-27Bは、文章だけを扱うモデルではありません。

画像と動画をそのまま入力できるネイティブなマルチモーダルモデルです。マルチモーダルとは、文字・画像・音声など複数の種類の情報をまとめて扱えるAIを指します。

グラフや図表を含むPDF資料、さらには数時間ある長い動画も読み込めるとされています。

扱える文章の長さ（コンテキスト長）は標準で26万2144トークン。トークンは文章を細かく区切った単位で、日本語ならおおよそ1文字が1トークン前後です。文庫本で数冊分をまとめて読ませられる計算になります。

さらにYaRNという技術を使えば、最大100万トークンまで広げられます。

ベンチマークでOpus 4.6 Maxを上回った項目

今回いちばん話題になったのが、性能テスト（ベンチマーク）の結果です。Qwenの公表値によると、いくつかの項目でAnthropicの最上位モデル「Claude Opus 4.6 Max」を上回りました。

勝った項目・負けた項目

SWE-bench Proは61.7点。Opus 4.6 Maxの53.4点を8.3ポイント上回りました。これは実際のソフトウェアのバグ修正をどれだけ自力で完了できるかを測るテストです。

Qwen独自の評価「QwenSWEBench」では79.0点で、Opus 4.6 Maxの63.8点に大差をつけています。コード生成のLiveCodeBench v6も90.3点でした。

一方で、負けている項目もはっきりしています。

ターミナル操作を測るTerminal-Bench 2.1は73.0点で、Opus 4.6 Maxの78.2点に届きませんでした。大学院レベルの科学知識を問うGPQA Diamondも89.2点で、GPT-5.6 Solの94.6点に及びません。難問集のHumanity’s Last Examでも下回っています。

前世代からの伸びが異常

むしろ驚くべきは、前のバージョンからの伸び幅かもしれません。

パソコン画面を操作させるOSWorld-Verifiedは、前世代のQwen3.6-27Bの63.9点から84.3点へ。20ポイント以上の上昇です。

ほかにもWebArena-Verifiedが48.8→64.8点、AndroidWorldが70.3→81.9点、DeepSWE 1.1に至っては13.3→42.2点と3倍以上に。同じ27Bというサイズのまま、半年ほどでここまで変わりました。

ただし数字は全部「自己申告」

公表されているスコアは、すべてQwen自身が測ったものです。公開当日の時点で、第三者が再現に成功したという報告は見つかっていないと指摘されています。

さらに、QwenSWEBenchのように自社で設計・改変したベンチマークも含まれます。自作のテストで高得点を取るのは、当然ながら有利です。

学習データや訓練手法も非公開で、「テスト問題を先に見ていないか」を外部から検証できません。数字は参考にとどめ、自分の仕事で試すのが確実です。

16GBのGPUで本当に動くのか

「自宅のパソコンで動く」という話は、どこまで本当なのでしょうか。

ポイントになるのが量子化です。AIの数値データをざっくり丸めてファイルサイズを小さくする技術で、写真をJPEGに圧縮するのと似ています。画質は少し落ちますが、扱いがぐっと軽くなります。

必要なメモリは量子化しだい

公開されている目安は次の通りです。

2bit量子化：約11〜13GB（品質はかなり落ちる）
4bit量子化（Q4_K_M）：約16〜19GB（実用の中心）
6bit量子化：約21GB
8bit量子化：約27〜30GB
BF16フル精度：約54〜56GB

推奨されているのはRTX 5080、RTX 4090、RTX 3090といった24GBクラスのGPU、またはメモリ24GBのMacです。

16GBのGPUでも動きますが、余裕はほとんどありません。ぎりぎり乗るという表現が近いでしょう。

長い文章を読ませると重くなる

見落としやすいのがKVキャッシュです。AIが読んだ文章を一時的に覚えておく領域で、これもGPUのメモリを食います。

同じ4bit量子化でも、2000トークン程度なら約11GBで済むのに対し、3万2000トークンでは14GBを超えます。12万8000トークンになるとキャッシュだけで2倍以上に膨らみます。

「26万トークン読める」という公称値をフルに使うには、結局それなりのマシンが要るということです。

動かすための設定

GGUF形式のファイルがHugging Face、ModelScope、Unslothから配布され、llama.cpp、vLLM、SGLang、Unsloth Desktopが対応しています。

推奨設定も公開済みです。じっくり考えさせるthinkingモードはtemperature 1.0・top_p 0.95・top_k 20、素早く答えさせる指示モードはtemperature 0.7・top_p 0.80・top_k 20です。

SNSではRTX 3090やAMD環境での実測報告が相次ぎ、公開直後から盛り上がりを見せています。

Apache 2.0ライセンスが持つ意味

Qwen3.8-27BはApache 2.0で公開されました。ソフトウェアの世界で最も制限がゆるい部類のライセンスです。

商用利用も、改造も、改造したものを自社製品として売ることも認められています。利用者数の上限もありません。

ここが「オープンソース風」を名乗る他モデルとの分かれ目です。競合には、月間利用者数が一定を超えたら別途契約が必要になる条件がついたものもあります。

ある受託開発の会社を想像してみてください。顧客の社内文書を扱うため、データを外に出せません。従来は「クラウドAIは使えないので、AI機能は諦めましょう」と提案するしかありませんでした。Apache 2.0のモデルなら、顧客のサーバーの中だけで完結するAI機能を、追加ライセンス料なしで組み込めます。

他のオープンウェイトモデルとどう違う？

2026年は、業務で使えるオープンウェイトモデルが一気に増えた年です。主な選択肢を整理します。

Qwen3.8-27B：27B・マルチモーダル・Apache 2.0。単一GPUで動く点が強み
DeepSeek-V4：クローズドモデルに迫る推論力を低コストで提供。ただしサイズが大きい
gpt-oss-120b / 20b：OpenAI系。オンプレの汎用・推論基盤として選ばれやすい
Llama 4 / Gemma 4：エコシステムが充実。日本語ベンチではQwen系に一歩譲る
NTT tsuzumi 2 / ELYZA系：国産。日本語特化と国内サポートが利点

2026年6月時点の比較では、日本語ベンチマーク（JGLUE、JCommonsenseQA、日本語MT-Bench）でQwen 3系が総合トップとされています。日本語で使う前提でも、有力な候補ということです。

クラウドAPIとの費用差

上位モデルQwen3.8-MaxのAPI価格は、100万トークンあたり入力2ドル・出力6ドルです。キャッシュ済み入力は0.25ドルまで下がります。

対するClaude Opus 4.6は入力5ドル・出力25ドル。出力側で4倍以上の開きがあります（1ドル150円換算で、100万トークンあたり約900円と約3750円）。

そして27B版は、自分のマシンで動かすかぎりトークン課金がゼロです。電気代とGPU代だけで済みます。

日本のユーザー・企業への影響

個人開発者にとっては朗報

ゲーム用にRTX 4090を積んだPCを持ち、コーディング支援AIに月20ドル前後を払っている人を考えてみましょう。

Qwen3.8-27Bを4bit量子化で入れれば、同じPCでコード補助が動きます。SWE-bench Pro 61.7という数字が実感どおりなら、月額課金を止める判断もあり得ます。通信が発生しないので、飛行機の中でも使えます。

企業導入には法務チェックが要る

一方、企業では慎重さが求められます。地方の病院で、電子カルテの要約にAIを使いたいという話が出たとしましょう。患者情報は院外に出せないため、ローカルで動くモデルは魅力的です。

ただしQwenは中国のアリババグループが開発したモデルです。官公庁や公共性の高いプロジェクトでは、採用に制約が生じる可能性があります。

データの保存場所（データレジデンシー）、輸出管理規制、サプライチェーンリスク。この3点について、法務・セキュリティ部門による事前審査が欠かせません。

ウェイトが手元にありネット接続を切って運用できる点は、逆に説明材料にもなります。実際に通信していないことをネットワークログで示せるからです。

価格競争が加速する

27Bクラスが実用水準に達すると、「その程度の作業なら自前で回せる」という選択肢が現実になります。クラウドAI各社は、より難しい仕事でしか料金を正当化しにくくなります。

実際、Qwen3.8-Maxは主要各社を約4割下回る価格を打ち出したと報じられています。利用者にとっては歓迎すべき流れでしょう。

よくある質問（FAQ）

Q1. 無料で使えますか？

はい。ウェイトはHugging FaceやModelScopeから無料でダウンロードできます。Apache 2.0ライセンスなので商用利用も可能です。ただし動かすためのGPUやパソコンは自分で用意する必要があります。

Q2. 日本語はどのくらい使えますか？

Qwen 3系は日本語ベンチマークで総合トップという評価があり、日本語の指示理解と文章生成に対応しています。ただしQwen3.8-27B単体の日本語スコアは、現時点で公式には示されていません。実際の業務文書で試してから判断するのが安全です。

Q3. ノートPCでも動きますか？

メモリ24GB以上のMacなら4bit量子化で動作します。WindowsノートPCの場合、内蔵GPUのメモリが16GB以上あるかが分かれ目です。多くの一般的なノートPCでは厳しいと考えたほうがよいでしょう。

Q4. Opus 4.6 Maxの代わりになりますか？

用途によります。バグ修正やコード生成のように、Qwen3.8-27Bが上回っているとされる領域なら置き換えを検討できます。一方、ターミナル操作や高度な科学知識が要る場面では差が残っています。まずは自分の頻出タスクで比べるのが確実です。

まとめ

Alibabaが2026年8月15日、270億パラメータのQwen3.8-27Bをオープンウェイト公開した
SWE-bench Pro 61.7点でOpus 4.6 Maxの53.4点を上回る一方、Terminal-Bench 2.1やGPQA Diamondでは下回る
4bit量子化で17〜19GB。RTX 4090やMac 24GBが実用ライン、16GBはぎりぎり
Apache 2.0のため商用利用・改造・再配布が自由
ベンチマークはすべて自社計測で、第三者による再現報告はまだない
企業導入では中国製という点でデータ管理・輸出管理の審査が必要

まずはHugging FaceのGGUF版を落として、自分がふだん投げている質問を3つほど同じように投げてみてください。数字よりも、その体感のほうが判断材料になります。