Ollama 上の Qwen3.8-27B： ワンコマンド、4つの量子化、そして「無料」の本当のコスト

実行は「ollama run qwen3.8:27b」という1つのコマンドで完了します。それがこのページの質問に対する答えのすべてです。Qwen3.8 27BAlibabaのデンスな270億パラメータモデル（Apache 2.0の下で2026年8月14日に重みが公開）は、今週Ollamaライブラリに登場しました。デフォルトのビルドはすでに妥当な18GB Q4_K_M量子化（17GBの重みと931MBのビジョンエンコーダ）です。通常のコンテキスト長では24GB GPUで完全に動作し、カードが小さい場合はCPUに分割され、トークンごとのコストはかかりません。

ここにあるすべての情報は2026年8月15日時点のものです。スペックはQwen3.8 27Bモデルカード、ダウンロードサイズ・タグ・ダウンロード数はOllamaライブラリのライブページからのものです。ベンチマーク数値はAli​babaが報告したもので、独立した再現検証はまだ行われていません。このモデルは数日前にリリースされたばかりなので、変更される可能性のあるものはすべて暫定情報として扱ってください。

実際に機能するワンライナー

すでにOllamaをインストールしているなら、あとは2語だけです：

ollama run qwen3.8:27b

Ollamaサポートはv0.32.12で追加されました。リリースノートには、簡潔に「このリリースではQwe​n 3.8 27Bのサポートが追加されます」と書かれています。初回実行時にはデフォルトビルド（約18GB、Q4_K_M）がダウンロードされ、その後、思考モードがデフォルトでオンになったチャットREPLに移ります。ライブラリページでは、このビルドが「vision tools thinking 27b」というキャパビリティタグで表示されており、これによってビジョンとツール呼び出しのパスが同じダウンロードに組み込まれていることがわかります。本稿執筆時点で、このページには40,000以上のダウンロード数と、すでに11のバリエーションにわたるタグリストが表示されています。

実際に手に取る2つのバリアント：

• ollama run qwen3.8:27b-mlx — Apple Silicon 向けビルド。同じ 18 GB のフットプリントながら Metal 用にコンパイルされており、Ollama のリリースノートが「反復的なタスクやコーディングエージェントに適した最大のパフォーマンスと出力品質」のために特別に最適化しているものです。

ollama run qwen3.8:27b-q8_0 — 30GBの8ビット量子化モデル。VRAMに余裕があり、重みをフル精度に近づけたい場合に最適です。

実際にダウンロードしているもの

名前は27Bとあるが、実際の総パラメータ数は28Bである。27.3Bの高密度言語モデルに加え、画像と動画のネイティブ入力を可能にする461Mのビジョンエンコーダを備えている。残りの主要スペックは、モデルカードからの引用となる：

• 64層、隠れサイズ 5,120、語彙 248,320。

• ハイブリッド・アテンション：フルGated Attentionレイヤー16層と、線形Gated DeltaNetレイヤー48層の構成 — 3：1のリーンな線形比率であり、これにより27Bモデルが262,144トークンのネイティブコンテキスト（100万トークンまで拡張可能）を、KVキャッシュがデータセンター全体を消費することなく保持できる理由となっています。

• 画像と動画のネイティブ理解 —「STEMの図表やドキュメントから数時間規模の動画まで」はAli​babaの表現です。

• Apache 2.0。ダウンロードし、修正し、それを製品として販売することができます。そのライセンスは、この記事の残りの経済的議論が依存している法的根拠です。

フル精度のリファレンスはBF16であり、それが56 GBタグが存在する理由です。より小さい各タグは、精度と引き換えにフットプリントを削減するものであり、モデルカード自身のベンチマークが、あなたが引き換えに失うものの基準となります。

量子化を選んでからVRAMを確認しろ。逆にするな。

Ollamaは11個のタグを提供しますが、選択は結局3つのサイズに絞られます。

• 18 GB — Q4_K_M（デフォルト）。通常のコンテキストでは24 GBカード（RTX 4090 / 5090クラス）に完全に収まり、16 GBカードでは部分的なCPUオフロードで動作します — 遅くなりますが、動作します。これが「とりあえず動かす」ためのビルドです。

• 30 GB — Q8_0.重みはほぼ完全精度で、完全にGPU上に保持するには約40GBのVRAMが必要です。27Bの場合、追加の忠実度にコストを払う前に、それを望む理由をすでに理解しているはずです。

• 56 GB — BF16.リファレンスビルド。H100クラスまたは96GBのハードウェアが必要。コンシューマーGPUでこれを実行している人はいないが、それで問題ない。

人々がつまずく数字はKVキャッシュです。18GBのダウンロードは、262Kコンテキストのセッションに18GBのVRAMで足りるという意味ではありません。長いコンテキストでは、キャッシュが重みに加えて数GBを消費するため、24GBのカードなら8K〜32Kコンテキストではこのモデルを余裕で保持できますが、262Kでは無理です。ギリギリのカードでは、量子化を下げるのではなく、コンテキストを下げてください。

Apple Silicon はここでは第一級のターゲットです

Ollamaのv0.32.12リリースノートは、macOSを特に取り上げています。具体的には、ollama run qwen3.8:27b-mlxには約18GBのユニファイドメモリが必要なため、24GB以上のMacであればコンテキスト用の余裕を残しつつ、完全にGPU上で実行できます。また、64〜128GBのマシン向けには、32GBのmxfp8 MLXタグと56GBのmlx-bf16タグもあります。MシリーズMacでデスクトップモデルのニュースを見守ってきた方には、これこそ待望のビルドです。

スペックシートでは262K、体感はそれ以下

モデルカードにはネイティブトークン数として262,144が記載され、100万まで拡張可能とあります。Ollamaのライブラリページも同じウィンドウを256Kと報告しています。どちらも正しい——262,144は256K×1024です——しかし、どちらも24GBのカードでその数字を--num-ctxに入力すべきという意味ではありません。KVキャッシュはコンテキストにほぼ比例して増えるため、コンシューマー向けハードウェアでは16K〜64Kで運用することになり、262Kにはなりません。Ollamaのデフォルトから始め、タスクが実際に必要とする場合にのみ--num-ctxを上げ、さらに100万という数値には拡張機構とそれを支えるVRAMが必要であることを忘れないでください。

まだ不安定なもの — それに賭ける前に、これを読んでください

• 独立したベンチマークはまだ存在しない。 モデルカード上のすべての数値は、8月15日時点でのAlibabaの自己申告である。Qwen3.6-27Bに対する改善の主張は大きい — SWE-bench Pro 61.7 vs 53.5、Terminal Bench 2.1 73.0 vs 63.4、LiveCodeBench v6 90.3 vs 83.9、GPQA Diamond 89.2 vs 87.8 — であり、いずれも妥当に思えるが、外部のハーネスによる再現はまだ一つもない。本番環境の意思決定をこれらだけで行ってはならない。

• ビジョンスタックは登場して間もない。初期のバグ報告（ollama issue #17753）では、Q4ビルドがビジョン入力をQwen3.5パーサーにルーティングし、画像で失敗することが示されていた。これはPR #17755で数日以内に修正されたが、登場から1週間しか経っていないモデルのマルチモーダル経路は、本番で依存する前にテストすべきまさにその箇所である。

• デフォルトのビルドにはMTPが含まれています。 q4_K_Mタグはマルチトークン予測ビルドでもあります — デコードが高速で、「18 GB」と「27B」が矛盾なく共存できる理由です。

• 量子化ラベルはApple上で誤解を招くことがあります。18 GBの「mlx」タグと「nvfp4」タグは量子化方式が異なります — NVFP4はNVIDIAのFP4フォーマットです — そのため、Blackwell GPU用のFP8/FP4バリアントが特に必要でない限り、Macでは通常の-mlxビルドを推奨します。

「Free」という言葉は、その見出しでかなり大きな働きをしている。

27Bをセルフホスティングするのはトークンあたり無料ですが、無料ではありません。正直な枠組みは、異なる通貨がかかる3つの選択肢です：

• 自分で実行する（Ollama）。 トークンあたり$0、オフライン、無制限、プライベート — そしてハードウェアはあなたのもの。24GBのGPUや18GB以上のMacは実際に買う必要があり、電気代やセットアップ時間も同様にかかります。Qwen3.8 27Bが日常的に使うものになったとき、これが正しい選択です。

• $0のレート制限付きAPIを呼び出す。OrcaRouterは自社インフラ上でQwen3.8 27Bをゼロコストで提供しています（モデルID: qwen/qwen3.8-27b-free、リクエストあたり$0、レート制限付き）。ウェイトがオープンであるため、転嫁すべきトークンごとのベンダーコストはありません。これは、1週間前のリリースをテストするためにハードウェアを購入せずにモデルを試したい場合に適切な選択です。

• 無制限のAPIを呼び出せます。レート制限のない同じモデルは、OrcaRouter (qwen/qwen3.8-27b、262Kコンテキスト、テキスト・画像・動画入力) で、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です。本番スケールが必要でGPUの管理をしたくない場合、これが最適な選択です。

どちらを選ぶかを決める計算：たまに使うだけなら、GPUの価格を支払うよりも、$0または$0.33/$2.40の方が元が取れます。毎日の対話的な利用はローカルの方が安く、継続的な本番処理量は、自分で稼働させ続ける必要のないAPIとして使うのが最も安いです。プライバシーとオフラインの要件があれば、計算がどうであれ、最初の列に移動することになります。

この推奨が誤っている場合

• 本当に100K以上のコンテキストが必要です。 モデルはそれを処理できますが、あなたの24GBのカードでは処理できません。実際の長いコンテキストでは、40GB以上のGPUや、より長いコンテキストに対応したAPIは贅沢品ではありません。

• 今日の本番にはビデオが必要だ。 ビジョンパスのパーサーバグが修正されたばかりだが、1週間前のマルチモーダルモデルで本番ビデオを扱うのは、フォールバックなしには賭けるべきではない。

• 並行処理が必要です。 1つのコンシューマーGPUは一度に1つか2つの生成をストリームします。27Bはサービングボックスではありません。

• あなたはCPU専用のハードウェア上にいます。 CPU上で4ビットの27Bは遅いデモであり、ツールではありません。GPUを手に入れるまでは、APIが正直な選択です。

結論

Ollama上のQwen3.8 27Bは、これまでに誰もがリリースした最新世代の27Bを実行する最も簡単な方法です。コマンド1つで、24GBカードに収まる18GBのデフォルト設定、ファーストクラスのApple Siliconビルド、Apache 2.0の自由度が手に入ります。選ぶべき量子化バージョンは、ほぼ常にデフォルトのQ4_K_Mです。差を測定できる場合にのみq8_0に移行してください。そして「無料」は条件付きです。モデルをたまに触るだけなら、レート制限付きの$0 APIの方がハードウェアを購入するより自由です。毎日使うメインの存在になるなら、ローカルコピーはあなたが所有する中で最も安価なものです。その上に構築する前に数値を検証してください。この記事の内容はすべて2026年8月15日時点のものであり、このモデルは日々変化しています。