Qwen 3.8 27Bは巨大モデルに追いつくが、そのために極端な計算能力を消費する

Qwen 3.8 27Bは、Artificial Analysis Intelligence Indexで52スコアを獲得しました。これは大規模モデルのGPT-5.6 Lunaと全く同じスコアであり、7,530億パラメータのGLM-5.2のわずか1ポイント差です。わずか270億パラメータのモデルとしては、これは例外的な結果です。

パラメータだけに依存する時代の終わり

これらの数値は、開発者がモデルの強さを評価する方法を変えます。これまで、回答の質はニューラルネットワークのパラメータに学習されたデータ量に正比例するとされていました。

巨大な脳の代わりとしての推論

Qwenがこれらの結果を達成しているのは、そのコアが競合他社よりも奇跡的に賢いからではありません。ベンチマークで1億6000万トークン（同等モデルの中央値は4,300万）を生成する推論モードを使用しているのです。このモデルは答える前に長く深く考えます。

速度とトークンがローカルハードウェアでの使用を複雑にする

Qwenは紙の上ではローカル実行の理想的な候補に見えますが、その推論モードは不条理なほど長い思考プロセスを生成します。サイズが小さいことは小規模なGPUの所有者を喜ばせますが、最終的な回答の提供速度は著しく低下します。

コードにおける実際の有用性が決定的な要因となる

きれいなベンチマークスコアと、コーディングエージェントとしての実用性が真実を明らかにすることは別物です。もしモデルがスクリプトを書く際に思考の生成に5分を費やし、ループに陥ってしまったら、ベンチマークでの机上の勝利は崩れ去るでしょう。

Lilithの判定

ベンチマークを読むだけではもはや十分ではありません。Qwenは、あらゆる細部について考え過ぎるための無制限の時間が与えられれば、小さなモデルでもトップに立てることを証明しました。