OrcaCyber Nano 1.0：審査員のいないボードで21台中最初の1台

OrcaCyber Nano 1.0 — 27B Mix-13G ビルド、ディスク上 13.0 GB — は、16 GB GPU 向けの21モデルリーダーボードで首位に立ち、スコア 100点満点中89.8、毎秒60トークン（単一の Tesla V100 上）で記録しています。このボードは当社ではなく、第三者の GitHub リポジトリによって運営されています。すべての回答を LLM ジャッジではなくコードで採点します。そして、もう一つ言うべきことは、ベンダーが通常は省くことです：OrcaCyber Nano 1.0はそのボード上で最速のモデルではありません。MiniCPM-V 4.7はそこで毎秒93.4トークンで動作します。Nano が勝っているのは速度ではなく7カテゴリの平均であり、最も近い2つの競合 — Qwen3.8-27B — 異なる2つのコミュニティ量子化で — はそれより1.2点および1.4点下です。

以下は、リポジトリが2026-10-19に公開しているその評価を読み取った内容に、2026-10-19時点でモデル自身が公開しているメタデータを加えたものです。数値が第三者ボードではなくOrcaRouter自身の発表に由来する場合は、その文の中でその旨が明記されています。以下の内容は、私たちによる再実行は一切行われていません。

取締役会と、それを取り仕切るのは誰か

このV100-LLMリポジトリは、Windows上でNVIDIA Tesla V100 16 GBカード1枚を使ってローカルモデルを実行するためのGUI、一連の推論エンジン、スコアリングスイートをパッケージ化しています。モデル、プリセット、エンジンを選び、不足しているものをダウンロードし、画像付きでチャットし、毎秒のトークン数をライブで確認する——これらはすべてそのGUI内で行われます。スコアリングスイートはランキングを生み出した部分であり、リポジトリはスコアと並べてテストハーネス全体を公開しています。これはわざわざ一段落を割く価値があるほど珍しいことです。

ボードの最初のスイートは簡単すぎた。リポジトリにもはっきりそう書かれている。ほとんどのモデルがバージョン1で90～100点を取り、つまりそれらを見分けられなかったのであり、その古い結果も失敗例を見たい人のために今なおリポジトリに残っている。バージョン2 — 難しいスイート — は、16 GBクラスのどのモデルも全問正解できないように設計された。7カテゴリにまたがる72のタスクを収録している。

• コーディング、16タスク — evalを使わない式パーサー、正規表現マッチング、タイブレーク付きダイクストラ法、TTL付きLRUキャッシュ、トポロジカルソート、編集距離、ローマ数字、数独、ナップサック、螺旋行列、JSONミニファイア。生成されたコードに対してサンドボックス内でタイムアウト付きで実行される、隠れたエッジケースの単体テストによって採点されます。

• 推論、20タスク — 多段階の数学、論理、日付、組合せ論、文章題。正確な答えは最終行に記載する必要があります。

• 指示、12タスク — 一度に3～5個のルール：語数、禁止文字、正確な書式、順序、JSONの構造。タスクのルールは大半ではなく、すべてを満たさなければならない。

• ウェブ検索、8タスク — 検索し、結果を読み、見つけた内容で再検索し、場合によっては電卓ツールで計算するマルチホップ質問。正解と、異なる検索の最小回数で採点されます。「ウェブ」は13ページの固定されたオフラインインデックスです。

• エージェント、6つのタスク — ファイルツールを備えた小規模なシミュレーションプロジェクトと run_tests：バグを修正し、関数を追加し、複数ファイルにまたがる名前変更を行い、設定を修正し、CSVレポートを作成します。最終的なファイル状態とプロジェクト自体のテストで採点されます。

• 視覚、8つのタスク — 生成画像：表の列の合計、行の検索、棒グラフの読み取り、点のカウント、小さな文字の読み取り、空間関係、アナログ時計、レシート。

• 長いコンテキスト、2つのタスク — 約14,000トークンのテキストに、互いに遠く離れて隠された3つの事実があり、そのうちの1つは3つの部分に分割された金庫のコードです。正確な回答。

「ノージャッジ」にはどれほどの価値があるのか

この規模のほとんどのリーダーボードは、回答を読んでそれが優れているかどうかを判断する言語モデルによって採点されています。それは安上がりですが、ボードを再現不可能にします。判定者はモデルであり、モデルにはバージョンがあり、同じ回答でも火曜日には月曜日とは異なるスコアになりうるからです。ハードスイートは判定者を取り除き、スコアを再現可能にする5つのルールを明示しています。

• すべてコードによって確認されます。同じ回答には常に同じスコアが与えられます。

• 決定論的かつオフライン。 温度ゼロ、思考無効、インターネットアクセスなし — Web検索カテゴリのWebは13ページの固定インデックスです。

• ユーザーが受け取るのと同じプリセットです。 各モデルは GUI が推奨するプリセットで実行されるため、速度とスコアはインストール後に人が目にするものであり、勝つために調整された構成ではありません。

• すべてのタスクが解決可能であることが証明されています。 リポジトリには、すべてのコーディングタスクとエージェントタスクに対する正しい参照ソリューションが保持されており、2つのセルフテストスクリプトがそれらのソリューションがグレーダーに合格することを確認します。計算された回答（日付、合計、コード）はタスクファイル内でアサートされます。

• 答えは最終行です。 モデルは声に出して考える場合があります。採点者は最終行を読み取ります。ツール呼び出しはOpenAI形式とQwen XML の tool_call テキスト形式で受け付けられます。

採点の算術も同じく流行遅れだ。各カテゴリーは合格したタスクの割合である。総合は7カテゴリーの平均で、すべてのカテゴリーは同じ重み付けだ。速度は、実行中に64トークン以上の応答を対象とした平均生成速度である。各実行はモデルごとのJSONファイルとして保存され、各タスクの回答と合格したかどうかが記録されるため、スコアに関する異議は記録に照らして確認できる。

OrcaCyber Nano 1.0 が実際にどこへ着地するのか

7つのカテゴリのスコア（100点満点）: コーディング 88、推論 95、指示 58、ウェブ検索 100、エージェント 100、視覚 88、長いコンテキスト 100。平均: 89.8。

58が興味深い数字で、マーケティング用のページなら丸めて消してしまう類の数字だ。Instructionsは、モデルが3～5個の制約を同時に保持しなければならないカテゴリだ——語数、禁止文字、正確な出力形式——そこでNanoは12タスクのうち5つを落とす。それ以外はすべて88以上。2つのカテゴリは完璧だ。

最も近い競合はQwen3.8-27Bで、HauhauCSのAggressive IQ3_XS量子化において総合88.6、毎秒42.2トークンです。3位は同じモデルのUnsloth UD-IQ3_Sビルドで、88.4、毎秒52.1トークンです。どちらもコーディングと推論では94～100に達しますが、指示ではどちらも50まで下がります。したがって、指示追従の弱さはこの圧縮レベルにおける27Bクラスの性質であり、Nano固有の欠陥ではありません。1位と3位を分けるのは、薄く広がった1.4ポイントです。カテゴリ内の少数のタスクによるものであり、モデルの異なる階層ではありません。

毎秒60トークン、そしてなぜ最速のモデルは別の場所にあるのか

見出しの速度は32kコンテキストで毎秒60トークンであり、リポジトリはその数値が何を指すかに注意を払っている。それは、深さ3のマルチトークン予測を備えたモデルの調整済みfast-32kプリセットの速度で、コードでは毎秒66.6トークン、チャットでは54.0、平均60.3として測定されている。すべての評価応答にわたる単純平均は56.9である。両方の数値は、都合の良い方だけではなく、表の脚注に記載されている。

コンテキストが増えると速度は低下し、リポジトリはその段階を公開しています。96kで毎秒57トークン、160kで32トークン、20,000トークンが入力された状態の262kで24トークンです。短いプロンプトのプロンプト処理は毎秒501トークンです。19,600トークンまでなら、すべてのプリセットが合格します。

ボード上で最速のモデルは別のモデルだ。 MiniCPM-V 4.7は35B-A3B Q3ミックスビルドで、128kコンテキスト時に毎秒93.4トークンで動作し、そこに到達するのは視覚エンコーダーをCPUへ移して、そのエキスパートをすべてカード上に留めているからだ。総合では87.5で4位にランクインする。リポジトリ自身の位置づけは、一掃ではなくトレードオフだ。そこではNanoが表内で最速のdense 27Bと説明されており、これは最速モデルよりも狭い主張だが、正しい主張だ。

測定環境は一度だけ記載し、表全体に適用されます。Tesla V100-SXM2-16GB 1基、Xeon E5-2660 v4、64 GBのDDR4です。テスト対象のエンジンは、PXA、V100専用パッチを適用したllama.cpp、Prism MLフォーク、Strataで、いずれもMITライセンスです。CUDA DLLはNVIDIAのEULAに従います。モデルの重みは同梱されておらず、それぞれHugging Face上の作者自身のページからダウンロードします。

I don’t have reliable access to my own model metadata in this interface, so I can’t confidently state the exact model name/version. I’m an AI assistant accessed via the API; the precise model identifier isn’t exposed to me here.

Hugging Face リポジトリ orcarouter/OrcaCyber-Nano-1.0は、262,144トークンのコンテキストウィンドウ、image-text-to-textパイプライン（テキストだけでなく画像も受け付けます）、GGUFライブラリ、および英語と中国語に対応すると記載しています。これはゲート付きで、ダウンロードにはサインインが必要です。ライセンスフィールドはotherと表示され、ライセンス名はqwenです。2026年10月19日時点で、このリポジトリには18,606件のダウンロードと151件のいいねが表示されており、ベースモデルフィールドにはOrcaCyber-Nano-1.0-AI-Defenseが、関係quantizedとして記載されています — オープンウェイトのファイルは防衛向けにチューニングされた親モデルの量子化版であり、それがこのフィールドを正直に解釈する方法です。

4つのファイルがあり、そのサイズが次のセクションのデプロイに関する判断の大部分を説明しています：

• Mix-13G — 12,993,304,352 バイト、89.8 を記録した 13.0 GB のビルド。

• Mix-15.7G — 15,695,148,832 バイト。より大きなビルドで、16 GB カードの容量内に収まります。

• DFlash2 Q8_0 — 2,056,414,112 バイト、投機的デコーディング用のドラフトモデルです。

• mmproj F16 — 927,606,848バイト。ビジョンプロジェクターであり、これが8つのビジョンタスクを可能にしています。

エンジンを加えた実際に動作するインストールはディスク上で約14 GBです。内訳は重みが13.0 GB、プロジェクターがおよそ0.9 GB、そしてランタイムです。

13ギガバイトはカードに収まる。26万2000トークンは収まらない。

これは2つの異なる主張であり、報道はそれらを混同しがちだ。13.0 GBの重みファイルは16 GBのVRAMに収まる。そのためモデルはV100上で動作し、32kコンテキストのKVキャッシュの余地も残る。262,144トークンの最大コンテキストはカード上には収まらない。KVキャッシュをシステムメモリに置く必要があり、リポジトリの要件では、262kプリセットには64 GBのシステムRAM、通常使用には32 GBが記載されている。その上限まで押し上げると、速度は上の段階表にある毎秒24トークンになる。

残りのハードウェア要件は控えめで具体的です。Volta 以降の 16 GB の NVIDIA カードであればどれでもこのスタックを実行できます。ドライバーは R576 シリーズ以降である必要があります。TCC モードのままの V100 でも問題ありません。WSL、Docker、CUDA ツールキット、Visual Studio、Python をインストールする必要はありません。というのも、このフォルダーには専用のエンジンと専用のポータブル Python が同梱されているからです。モデルごとに約 20 GB の空きディスク容量が必要です。

ラベル付けされたベンダー番号

OrcaRouterは発表しましたOrcaCyber Nano 1.0を2026年10月18日に緊急リリースとしてオープンウェイトで公開し、3モデルシリーズの一員としてOrcaCyber Zero 1.5およびOrcaCyber Ultra 1.0と並べました。同じ週、同社は侵入対応に当たるチーム向けに、OrcaCyberモデルへの無料優先アクセスを開放しました。翌日の投稿ではリーダーボードの結果を最初に取り上げ、Nanoについて、ベンダー自身の初期評価では16GB未満クラスで最も高性能なローカルモデルだと説明しました。

その最後の文言はベンダーの主張であり、独立に再現されたものではない。発表が繰り返し挙げたベンチマークも同様だ：SWE-bench Verifiedで78.4%、DeepSeekが報告した{{4}}DeepSeek V4 Flash{{/4}}の79.0%と並べられているDeepSeek V4 Flash。これらの数値はいずれも各ベンダーによって報告されたもので、78.4も79.0も本誌が実行したものではない。この比較が興味深いのは主に、27Bモデルがベンダー自身のハーネス上で、はるかに大規模なホスト型モデルから0.6ポイント以内に位置づけられている点にある。これは結果ではなく発表として読むべきだ。

モデルカード自体は、記載されていない内容という点で一考に値する。タグにはサイバーセキュリティ、リバースエンジニアリング、関数呼び出し、視覚が挙げられているが、カードにはサイバー領域固有のベンチマーク数値がない——インシデント対応スコアも、脆弱性検出率も、CTF結果もない。それらは代わりにZeroのページに掲載されている。また、当社のサイバー製品ライン周辺で流布しているCyberGymの数値は、組み合わせ構成——Zero 1.0 + DeepSeek V4 Flash + アダプティブルーティング——に属するものであり、単一モデルの単独実行によるものではない。防衛業務でこのモデルを選ぶなら、証拠の正直な状況はこうだ。コードで採点される汎用スイートでは、16 GBカード上で21モデル中1位になったが、サイバー固有の証拠は別の場所にあり、他のモデルに属している。

ホスト型サイバーモデルと並んで、それがどこに位置するか

OrcaCyber Nano 1.0は、ローカルハードウェア向けのウェイト公開版です。13 GBをダウンロードしてご自身で実行すれば、上記のスコアはお使いのカード上での性能を示します。本日時点では当社のカタログに掲載されているエンドポイントではなく、本記事のいずれの記述もそうであると示唆するものとして読まれるべきではありません。カタログに収録されているのは、シリーズの残り、すなわちOrcaCyber Zero 1.5 と OrcaCyber Ultra 1.0です。これらは200以上の他のモデルと同じキーと同じOpenAI互換エンドポイントで提供されており、以下を含みます：Claude Opus 5.5、GPT-6.1 Sol、Kimi K3、Qwen3.8-Max、DeepSeek V4 Flash、プロバイダーの定価に対するトークンの上乗せはなく、プロバイダー間の自動フェイルオーバーを備えています。

その分け方を頭に入れておくと役に立つ。Nano は自分で所有してオフラインで実行するモデルで、データがマシンの外に出ることはない。これはインシデント対応向けのサイバーモデルにとってまさに要点だ。というのも、最も検査が必要になるマシンは、API に送れないマシンであることが少なくないからだ。Zero 1.5 と Ultra 1.0 は、呼び出して使うモデルだ。エアギャップ作業向けのローカル層と、スループット向けのホスト型層があり、両者の間でモデル名の語彙は一つに統一されている。

89.8をどう扱うかは、それを何のために必要としていたかによって変わります。13 GBの27Bモデルが16 GBカード上で競争力があるという証拠——単に実行可能なだけでなく、すべて実行可能コードで採点されるタスクで21の代替モデルに対して競争力があるという証拠——を待っていたのなら、これがその証拠です。指示追従性の差は58に、速度の上限は毎秒60トークンに表れています。V100で最速のものを必要としていたなら、それは同じボード上の93.4の別モデルで、表の1行下にあります。