LBS-27B 対 Qwen3.8 27B：27B の基準と、それを読み続けてきたラボ

6週間前LBS-27Bが空のリポジトリとして登場するより前に、inclusionAIは別のモデルを公開しました：inclusionAI/Qwen3.8-27B-singprobe、AlibabaのQwen3.8 27B上に構築された小規模なストリーミング型ガードレール・プローブです。これは言語モデルではなく、競合製品でもありません。これは、Qwen3.8 27Bが生成している間の同モデルの隠れ状態を読み取る安全性分類器であり、その存在は仕様書からは分からないことを教えてくれます。つまり、LBS-27Bという名前をちょうど確保したラボは、同じパラメーター枠を占めるモデルと直接作業してきたのです。

だからこそ、これがこのバッチで最も重要な対決なのだ。Gemma 4 26B A4Bは異なるアーキテクチャであり、異なる価格帯にある。Granite 4.2 30Bはdenseな企業向けモデルであり、LFM2.5 24B A2Bは効率性の実験だ。Qwen3.8 27Bは、本格的な中国のラボによる新しい27Bモデルが最も自然に狙いを定めるであろうモデルである。LBS-27Bがそれへの挑戦なのか、より安価な代替なのか、それともまったく別の何かなのかは、28バイトのライセンスファイルを含むリポジトリからは知り得ない——しかし、Qwenが設定した基準は知り得るし、それは高い。

Qwen3.8 27Bとは実際何なのか

Qwen3.8 27Bは27Bモデルとして販売されており、Hugging FaceではBF16で28Bパラメータとして記載され、標準的なTransformerではなくハイブリッドアテンションスタックに基づいて構築されています。モデルカードには16個の繰り返しブロックが説明されており、各ブロックは3つのGated DeltaNet層とそれに続く1つのGated Attention層を含み、隠れサイズは5,120、64層、24個のアテンションヘッド、4個のキーバリューヘッド、フィードフォワード次元幅は17,408です。語彙は248,320トークンです。

コンテキストウィンドウはネイティブで262,144トークンで、YaRNを使えば約100万トークンまで拡張できます。ネイティブにマルチモーダルであり、テキスト・画像・動画を入力として受け取り、テキストを出力します。思考はデフォルトで有効で、推論エフォートのレベルは xhigh、medium、low があり、デフォルトで有効な preserve-thinking フラグもあります。ライセンスは Apache-2.0 です。重みは2026年8月に公開されました。

アーキテクチャこそ、少し立ち止まって見る価値がある部分だ。Gated DeltaNet層は、フルAttentionよりも系列長に対してスケールしやすい線形Attentionの変種であり、これを少数のフルAttention層と交互に配置することは、各層で二次のコストを払うことなく長いコンテキストでの振る舞いを得る方法だ。これは単純な密なスタックよりも野心的な設計であり、一発目で同等のものを実現するのは難しい類のものだ。

数字で見るバー

以下はすべてQwen自身が報告した結果であり、当社による独立した再現は行っていません。それでもこれらが重要な比較基準となるのは、購入者が比較対象とするのはこれらの結果だからです。

• コーディングとソフトウェアエンジニアリング — LiveCodeBench v6 90.3、QwenSWEBench 79.0、SWE-bench Pro 61.7、DeepSWE 1.1 42.2、NL2Repo-Bench 42.3。

• ターミナルおよびエージェント的作業 — Terminal-Bench 2.1（Terminus）73.0、CoWorkBench 70.7、JobBench 33.4、Agents' Last Exam は pass@1 20.4、スコア 42.9。

• 知識と推論 — GPQA Diamond 89.2、Humanity's Last Exam 30.8、IFBench 79.5。HLEの数値は27Bモデルとしては異例に高く、このカード上で最も際立つ単一の数字である。

• ビジョンとコンピュータ操作 — OSWorld-Verified 84.3、AndroidWorld 81.9、WebArena Verified 64.8、MathVision は思考連鎖統合なしで 90.0、統合ありで 94.6、OmniDocBench 1.5 は 91.1、RealWorldQA 85.9、CharXiv 推論は 83.7、統合ありで 90.2。

• 弱めの行 — SWE-MM 38.6、RecreationBench 47.1、ClawEval-MM 57.4 pass@3。弱い行でさえ、かなりの水準です。

これは単一の軸で勝つモデルではない。コーディング、知識、視覚、コンピュータ操作のすべてに同時に競争力があり、まさにそれが同サイズの挑戦者を位置づけにくくするプロフィールだ。新しい27Bは、一つのことでわずかに優れているだけではこれに勝てない。別の論拠が必要だ。

LBS-27Bが示してきたこと

評価できるものは何もありません。リポジトリは2026年10月26日05:36 UTCに作成され、1,519バイトの.gitattributesと28バイトのREADMEが含まれています。READMEはライセンス宣言であり、ライセンス宣言のみです：license: apache-2.0。重み、設定、トークナイザー、モデルカード、ベンチマーク行はありません。ダウンロード数は追跡されておらず、いいねはゼロで、このモデルに関する告知、論文、公開討論はどこにも見つかりませんでした。

「27B」は名称です。総パラメータ数としてはもちろん、アクティブ数としても確認されておらず、モデルがdenseなのかsparseなのか、あるいはQwenのようなハイブリッドアテンションスタック上に構築されているのかを示す情報もありません。

プローブは最も興味深い手がかりだ

inclusionAIのQwen3.8-27B-singprobeは2026年9月14日に作成され、安全性、ガードレール、ストリーミング、ハルシネーション検出向けにタグ付けされています。Qwen3.8 27Bをベースにしており、Apache-2.0でライセンスされています。ほとんど注目されておらず、執筆時点で219ダウンロード、2件のいいねを獲得しています。

その重要性は人気にあるのではない。これは、inclusionAIがQwen3.8 27Bを隠れ状態レベルで計測してきたことを示しており、つまりこのラボは、モデルの内部表現を十分に理解して、それらに基づく分類器を構築できるということだ。これはベンチマーク比較よりも深い形の熟知を示している。LBS-27BがQwen3.8 27Bから派生したことを証明するものではない——その証拠はなく、両組織は別会社（Ant GroupとAlibaba）である——が、このラボにとって27Bクラスがランダムな対象ではないことを示唆してはいる。

また、これは名付けておく価値のある可能性も示している。安全性プローブをモデルと一緒に提供するラボは、自社の27Bを、生のベンチマークでの首位争いではなく、制御性とガードレールを軸に位置づけるかもしれない。もしそれが売り文句なら、Qwen3.8 27Bとの比較は「どちらが高いスコアを出すか」から「どちらが安全に導入しやすいか」へと変わる——別の問いであり、答えも別だ。

これから起こり得る3つの展開

モデルカードがなければ、一つを選ぶのではなく、もっともらしい形を説明するのが誠実な方法だ。

• より安価な Qwen の代替品。LBS-27B が同等の品質を持ちながら提供コストの低い密な 27B モデルであれば、価格で勝負できる。入力100万トークンあたり0.33ドルのモデルを相手にするのは難しいが、inclusionAI の学習レシピがより効率的である場合や、より少ないアクティブパラメータ数を狙う場合には不可能ではない。

• 効率を狙った一手。LBS-27Bがアクティブ数が少ないスパース構成であれば、Qwenの計算プロファイルを完全に回避できる。Qwen3.8 27Bはdense（密）であるため、長いコンテキストではトークンあたりのコストが高くなる。一部のみがアクティブなスパース27Bは、品質をいくらか犠牲にしつつ、コストでそれを下回る可能性がある。これはLFM2.5の戦略をより大きなサイズで適用したものだ。

• 別のニッチ。LBS-27Bが安全性、多言語対応、長文書処理、または特定のエージェント用ハーネスを前面に押し出しているなら、Qwen3.8 27Bをあらゆる面で打ち負かそうとしているわけではないのかもしれない。singprobeはこれについて弱い証拠にすぎないが、存在する唯一の証拠ではある。

それぞれの形は、異なる設定ファイルを意味している。だからこそ、アーキテクチャの開示がいつか行われたとき、それはどのローンチブログ記事よりも多くの情報をもたらすだろう。

空欄に印を付けた比較

• パラメータ — Qwen3.8 27B は 27B として販売され、BF16 では 28B と記載されています。LBS-27B は未検証の 27B です。

• アーキテクチャ — Qwen向けのGated DeltaNet層とGated Attention層のハイブリッド。LBSについては不明。

• コンテキスト — Qwenはネイティブで262,144、YaRNで約100万。LBSについては不明。

• モダリティ — Qwenではテキスト・画像・動画の入力に対してテキスト出力。LBSについては不明。

• 思考の制御 — Qwen では推論エフォートを xhigh、medium、low に設定可能。LBS では不明。

• ライセンス — Qwen は Apache-2.0、LBS は Apache-2.0 と宣言されています。

• 価格 — OrcaRouter上のQwenでは、入力トークン100万件あたり$0.33、出力トークン100万件あたり$2.40。LBSには価格設定がありません。

• 評価 — Qwen の完全なベンダーカード（コーディング、エージェント型、ビジョンの行を含む）。LBS についてはなし。

価格と「単一API」という論点

Qwen3.8 27B は OrcaRouter でqwen/qwen3.8-27bとして利用可能です。入力100万トークンあたり $0.33、出力100万トークンあたり $2.40、コンテキストは全長 262,144 トークンです。OrcaRouter はプロバイダーの定価を 0% のマークアップでそのまま反映するため、Alibaba またはそのホスティングパートナーが料金を変更すれば、当社側の数字も同日に変わります。また、プラットフォーム上には別のプロバイダー名でより高い料金の Qwen3.8 27B の掲載がもう 1 件あり、見積もりを比較している場合は確認する価値があります。

LBS-27B は OrcaRouter 上にありません。ルーティング先が何もありません。ウェイトが存在するようになったとき、この記事では答えられない問い——新しいモデルは自分のワークロードにとって実際に優れているのか——に実用的に答える方法は、Qwen をフォールバックとして残したまま、同じエンドポイント経由でトラフィックの一部を新モデルへ送ることです。自動フェイルオーバーによって、それは移行ではなく可逆的な実験になり、ルーティング DSL によって、その分割はコード分岐ではなくポリシーとして表現できます。27B の比較においてルーターが果たす有用な役割とは、勝者を選ぶことではなく、自分の入力で一方をもう一方と比較して測れるようにすることです。

これを本当の比較にするには、何が必要でしょうか

最初の成果物は設定ファイルです。これによって dense か sparse かが確定し、アクティブパラメータ数が示されます。それが、LBS-27B が品質で Qwen と競合しているのか、それともコストでかわしているのかを決めます。

2つ目はビジョンタワーです。Qwen3.8 27Bのマルチモーダル能力は副次的な機能ではなく、このモデルが文書、UI、コンピュータ操作タスクで競争力を持つ大きな理由の一つです。テキスト専用のLBS-27Bは、同じ購入者層のより狭い部分を対象とした、より小規模な製品になるでしょう。

第三は、inclusionAIからのポジショニングステートメントです。同ラボはLBS-27Bが何のためのものかを明言しておらず、名称からもそれは分かりません。本記事における意図に関する記述はすべて、プローブ、ライセンス、タイムスタンプからの推測です。

今のところ、擁護できる結論は限定的だ。Qwen3.8 27B は入手可能な 27B モデルの中でも最も強力なものの一つであり、ハイブリッドアーキテクチャ、ネイティブなマルチモーダル性、100万トークンへの拡張経路、そして攻めのホスティング価格を備えている。LBS-27B は、まだモデルになっていないリポジトリだ。両者の隔たりは能力の差ではない。完成した製品と確保された名前との間の距離である。そして興味深い問いは、Qwen の隠れ状態を読んできたラボが、それと競争する準備をしているのか、それとも補完する準備をしているのか、である。