Qwen3.8-27B レビュー: 「家のOpus」と呼ばれるオープンウェイトの27B — 誇大広告と照らし合わせて検証

Qwen3.8 27Bは、現在セルフホスト可能なオープンウェイトの27Bモデルの中で最も優れており、他を大きく引き離しています。Apache 2.0ライセンスの下、2026年8月14日にウェイトが公開されました。ネイティブコンテキスト262K、ネイティブの画像・動画入力を備えたDense 27Bモデル（ビジョンエンコーダを含めると28B）で、ベンダー報告によるエージェント型コーディングスコアはCla​ude Opus 4.6 Maxと同等かそれ以上です — SWE-bench Pro 61.7、DeepSWE 1.1 42.2、LiveCodeBench v6 90.3。最大の売りは価格がゼロであること。55.6 GBをダウンロードすれば、すぐに実行できます。ただし、注意点もまた現実に存在します。独立したテストでは、前モデルより約3倍遅く、トークン消費もはるかに多いことが判明しています。カード上のすべてのベンチマークは依然としてAli​babaの報告値であり、1Mコンテキストはホスティングサービス限定の機能です。結論：24 GB以上のGPUをお持ちで、従量課金なしでフロンティアに迫る性能を求めるなら、セルフホストすべきです。ただし、数値のどこが不確かなのかを正確に理解した上で臨んでください。

まず結論から：Qwen3.8 27Bは使うべきでしょうか？

短い答え — ローカルおよびプライベートなワークロードにはイエス。調達判断の前に、第三者による数値を待つこと。 Qwen3.8 27Bは、オープンウェイトが製品であり、APIが利便性であるという珍しいモデルです。ライセンスがApache 2.0であるため、ハードウェアを用意すれば、トークンあたりの価格は恒久的にゼロとなり、その上に構築したものは再ライセンスされることも、遡って請求されることもありません。あなたが犠牲にするのは、速度、検証、そして利便性です。

すでにQwen3.6-27Bを実行していて満足しているなら、アップグレードは確かに実質的ですが、実時間の面では無料ではありません。Qwen3.8-Maxの発表からここにたどり着いたなら、これは同じ世代の、より小型でセルフホスト可能なメンバーです——異なる仕事のための異なるツールです。

重要な事実、2026年8月15日確認済み

• リリース — 重みは2026年8月14日にQwen/Qwen3.8-27BとしてHugging Faceで公開され、ModelScopeにもミラーリングされました。タイムゾーンによっては8月13日と報じる報道もあり、このリリースはQwen3.8世代が発表されてから約1週間後に行われました。

• ライセンス — Apache 2.0：ダウンロード、改変、再配布、商用利用が可能で、明示的な特許許諾を含みます。永続的です。

• パラメータ — 27Bのdense（視覚エンコーダを含めると28B）、64層、隠れサイズ5,120、語彙数248,320。

• アーキテクチャ — ハイブリッド・アテンション：48層のGated DeltaNet線形アテンション層と16層の完全なGated Attention層（3:1の割合）。これが、27Bの高密度モデルが262Kトークンのネイティブ・コンテキストを保持できる理由です。

• コンテキスト — 標準で262,144トークン。ホスト版ではYaRNにより1,000,000まで拡張可能。

• 入力 — テキストに加えて、画像と動画をネイティブに入力として受け付け、テキストを返します。パラメータ数が28Bと表示されるのは、ビジョンエンコーダーを搭載しているためです。

• 思考 — デフォルトではオンの推論モードで、リクエストごとに無効化可能です。reasoning_effort（低/中/高）およびpreserve_thinkingは長時間のエージェント実行向けです。

• ウェイト — 55.6 GBのBF16 safetensorsが18シャードに分割されており、FP8およびコミュニティ製のGGUFも提供されています。

上記のスペックは、Hugging Faceのモデルカードとコンフィグから取得したQwen3.8 27Bのものであり、本日確認したものです。ベンチマークの主張はAli​babaが報告したものであり、本日時点では独立した研究所による再現はありません。

Qwen3.8 27Bが本当に得意とするもの

最も有力なケースはエージェンティックソフトウェアエンジニアリングです。Ali​babaは、DeepSWE 1.1で従来の27Bに対して3倍の向上(42.2対13.3)を報告し、SWE-bench ProではCla​ude Opus 4.6 Maxを上回るスコア(61.7対53.4)を記録しています。こうした数字が「自宅のOpus」というニックネームを生んだのです——個人が実際に所有できるハードウェア上で、フロンティアに迫るコーディング作業をこなす高密度な27Bモデルです。

生の数字以外にも、買いを正当化できる三つの点がある：

• ネイティブなマルチモーダル。画像と動画を入力し、テキストを出力する — 図解入りのドキュメントやビデオウォークスルーは、別モデルではありません。視覚推論スコア（チェーン・オブ・ソート機能を有効にした場合は85.6、ビジュアル数学は94.6、いずれもベンダー報告値）は、ビジョンエンコーダーが真価を発揮する部分です。

• 262Kネイティブコンテキスト。長期的なエージェントタスク、大規模なコードベース、数時間にわたるトランスクリプトが1つのウィンドウに収まります。ハイブリッド線形アテンション設計により、そのコンテキストのKVコストは、同じサイズの純粋なフルアテンションモデルよりも低く抑えられます。

• 無料で永続的な重み。 これがこのカテゴリの要点です。クローズドAPIモデルはレンタルであり、 Qwen3.8 27B は所有物です。4ビットでは24GBのカード（RTX 3090/4090クラス）で動作し、AMDはDay-0サポートを提供しました（AMD自身のブログによると、Ryzen AI Max+ 395で最大24.5トークン/秒、Radeon AI PRO R9700で51.8トークン/秒）。

レビューが厄介になるところ：速度、トークン、検証

これまでの独立テストは、研究所ではなく、一人のテスターによるハーネスだ。しかし、それが私たちが持つ最良のシグナルだ。実行されたのはQwen3.8 27BとQwen3.6-27Bを10の実世界タスク（llmcompareハーネスを介してGPT-5.5が判定）で比較したものだ。3.8は10タスク中9つで勝利し、平均スコアは8.838対6.862だった。「テスターがこれまで見た中で最も印象的な知能向上の一つ」と評された。また、使用トークン数はほぼ3倍で、実行もかなり遅く、あるタスクは約600%長くかかった。品質の飛躍は本物であり、実行時間というコストも本物だ。

それに対してさらに4つの不満点：

• サードパーティによるベンチマークはまだありません。この記事のすべての主要な数値は、8月15日時点でAlibabaが報告したものです。ベンダーカードは詳細ですが、独立した研究所による再現は行われていません。もしあなたの意思決定が検証済みの数値に依存しているなら、それらを待ってください — 重みはまだそこにあります。

• VRAMの下限は現実だ。BF16は80GBクラスのGPUを必要とする。24GBのカードに収めるには4ビットで実行する必要があり、コミュニティの報告（dev.toのコメントスレッド、リリースから数日後）によると、量子化ビルドは「長いコンテキストの後で焦点を失う」とのこと。VRAMがあるなら公式ウェイトを、ないなら量子化版を使用する。

• 1Mコンテキストはホスト専用です。オープンウェイトは262Kに制限されています。1Mに拡張可能という数字はQwe​n Cloudのホスト機能であり、ローカルコピーがそのまま実行できるものではありません。

• "Beats Opus"には但し書きが必要だ。エージェント型ベンチマークはハーネス固有の振る舞いを評価するものであり、dev.toのローンチ記事へのトップコメントも「実際の使用ではopusに勝てない」と率直に指摘している。スコアボードは良い日の上限と考えるべきで、約束ではない。

Qwe​n 3.8ファミリーでの位置づけ

• vs Qwen3.6-27B — 同じハードウェアクラスで262Kコンテキストを備えながらも、速度とトークン効率を犠牲にした大幅な性能向上です。すでに3.6を運用していてスループットがボトルネックになっているなら、現状維持も理にかなっています。

• vs Qwen3-Coder-30B-A3B — Coderは約3.3Bのアクティブパラメータを持つMoEで、はるかに高速（約90〜110トークン/秒）で動作します。dense 27Bはトークンあたりの速度は遅いですが、この世代のエージェント的利点を受け継いでいます。27Bのソフトウェアエンジニアリングのスコアが独立したテストで維持されるなら、Coder-30Bの役割は縮小します。

• vs Qwen3.8-Max — 2.4T MoEのフラッグシップはデータセンター向けモデル（APIのみ、公開情報ではトークン100万あたり約$2/$6）で、100万トークンのコンテキストと動画に対応しています。27Bの方がデプロイ可能なモデルです。両者は異なる問いに応えます。

コスト：ローカル対APIの問い、決着済み

クローズドモデルでは、トークン単位の価格を比較します。一方、Qwen3.8 27Bでは、限界トークンコストは自前のハードウェアでは無料です。本当のコストは、先行投資となるGPUとあなたの時間です。4ビット量子化なら24GBのGPUカード、BF16なら80GBクラスのマシンです。モデルを評価するだけでよい場合や、ハードウェアがない場合は、ホスト型のルートもあります。OrcaRouterは現在Qwen3.8 27Bを掲載しており、無料でレート制限付きのティアは$0で、上限を超えるとHTTP 429を返します。また、有料ティアは入力100万トークンあたり$0.33、出力100万トークンあたり$2.40です（8月15日確認）。Qwen Cloudのホスト型バージョン（1Mコンテキスト対応）は「近日公開」となっています。

正直な言い方をすれば、オープンウェイトモデルにとってプロバイダーは便利な存在であって、依存先ではありません。無料ティアは、55.6GBのダウンロードに価値があるかを判断するための、最も安価な方法です。しかし一度決断してしまえば、重要なのはウェイトそのもの——そしてそれは無料なのです。

実際に試す方法

• 最速の評価 — 無料のレート制限付きホステッド層を試す。必要な答えが得られれば、それで完了で、費用はかからない。

• 実際のハードウェアでのテスト — コミュニティのGGUFをダウンロードし（Q4_K_Mビルドは約17GBで24GBのカードに収まります）、llama.cppまたはOllamaで実行してください。Jinjaのチャットテンプレートを渡すか、モデルは思考タグで回答します。GGUFからビジョンを使用する場合は、別途mmprojファイルも必要です。実行についての私たちのランブックは、Qwen3.8 27Bのローカル実行を説明しています。

• 完全精度 — huggingface-cli download で Qwen/Qwen3.8-27B を 80GB クラスの GPU にダウンロードします。

• ダウンロードしたものを確認する — 発行元がQwen orgであることを確認し、crc32.txtと照合してシャードを検証してください。リリース前に類似リポジトリが出現していました。

このレビューが間違っている場合（そしてQwen3.8 27Bをスキップすべき人）

• GPUを持っておらず、レンタルするつもりもない場合。 無料プランはレート制限があり、有料プランは100万あたり$0.33/$2.40です。小さなAPIモデルの方が、より安く確実に利用できるかもしれません。このモデルは、推論を自前で持ちたい人向けです。

• SLAが必要です。ホステッド層は稼働から数日しか経っていません。本日確認したOrcaRouterモデルのページには、過去7日間のエラー率が33.3%、p50の初回トークン遅延が225msと表示されています。これは、まだ初期負荷段階にある新しいモデルであり、本番契約としては扱えません。セルフホスターは、ダウンロードするコミットを固定し、フォールバックを用意しておくべきです。

• 購入判断には検証済みのベンチマークが必要です。ベンダー報告の数値は方向性の参考にはなりますが、調達判断に使える水準ではありません。独立した再現結果を待ちましょう。

• オープンウェイト版の262Kコンテキストでは不十分です。1M拡張は、現時点ではホスト版のみです。

• スループットがボトルネックです。 一括要約や大量バッチは不利になります。これはデンスな27Bモデルであり、前モデルの約3倍のトークンを消費します。低コストの一括処理には、より小さいか高速なモデルが適しています。

• あなたは12 GBのカードを使っています。 2ビットのGGUFは品質低下が目立ちますが、なんとか収まります。このモデルはあなた向けではありません。

結論

Qwen3.8 27Bは、現在入手可能なオープンウェイトの27Bモデルの中で最強であり、Apache 2.0の下で永久に無料です。24GB以上のGPUをお持ちで、エージェント型コーディング、262Kコンテキスト、従量課金なしのネイティブな画像・動画入力を求めるなら、これが買いです。購入を見送るべき理由も同じくらい具体的です。独立したベンチマークによる確認、SLA、262Kを超えるオープンウェイトのコンテキスト、あるいはdense 27Bが提供する以上のスループットが必要ならば。モデルは公開され、ウェイトは本物で、数値も良好です。ただ、その数値が誰のものかを忘れないでください。