なぜいま30Bクラスのオープンモデルが“熱い”のか 「27BパラメータでOpus 4.6超え」も
米Metaの「Muse Glimmer」、米NVIDIAの「Nemotron 3.5 Lightning」、中国Alibaba Cloudの「Qwen3.8-27B」──8月10日からの9日間で、海外大手3社がパラメータ数30B(300億)クラスのオープンウェイトモデルを相次ぎ公開した。18日には国立情報学研究所(NII)も約332億パラメータの「LLM-jp-4 33B」を投入し「国産モデル」の選択肢も増えた。フロンティアモデルの陰で“脇役”だったこのサイズに、なぜいま各社の開発資源が集中するのか。
27Bで「Opus 4.6超え」うたうまでに
象徴的なのはQwen3.8-27Bだ。量子化モデルであればVRAM 24GBのゲーミングPCなどでも動かせるサイズながら、ソフトウェア開発能力を測る「SWE-bench Pro」や競技プログラミング向けの「LiveCodeBench v6」では、米Anthropicの数世代前のフロンティアモデル「Claude Opus 4.6」の推論エフォート最大設定を上回るスコアをうたう。
AIモデルの性能を評価する米Artificial Analysisも知能指標「Artificial Analysis Intelligence Index」(以下、Intelligence Index)でQwen3.8-27Bを52ポイントと評価。2840億パラメータの「DeepSeek V4 Flash 0731」に並び、概算値ではあるが「Claude Opus 4.6」や「GPT-5.2」を上回った。
Muse GlimmerとNemotron 3.5 Lightningは、知能の絶対値より稼働効率に軸足を置く。Muse Glimmerは上位モデル「Muse Spark」からの蒸留によりIntelligence Indexで35ポイントを確保しつつ、量子化で24GBのVRAMに収まる設計とした。Nemotron 3.5 Lightningは推論時に動くパラメータを3Bに絞ったMoE構成で、約4倍の規模を持つ米OpenAIの「gpt-oss-120b」と同等の24点を達成。「小規模モデル並みのコストで、大規模モデル並みの処理能力」をうたう。
追い風は「常時稼働エージェント」とコスト圧力
MetaとNVIDIAの2社がそろってうたう用途が、「OpenClaw」に代表される常時稼働型のAIエージェントだ。Qwen3.8-27Bに明示的な言及はないが、PC操作を伴うタスクを測る「OSWorld-Verified」で前世代から20ポイント以上スコアを伸ばすなど、エージェント適性を打ち出す点は共通する。
エージェントの処理は、ツール呼び出しなどの定型作業が大半を占める。その全てをフロンティアモデルに任せればコストと遅延が膨らむため、日常処理は軽量モデルが受け持ち、難所だけ上位モデルへ回す“分業”が現実解になりつつある。
利用者側のコスト圧力もある。決済プラットフォームの米Rampが6月に公開した調査では、米国企業が高額なフロンティアモデルから安価な中国製モデルへ“乗り換え”ている実態が示された。ローカルで完結する30Bクラスなら、API課金の削減に加え、データを外部に出せない用途にも道が開ける。
米国政府を中心にオープンウェイトモデルの規制を促す動きもあるが、7月にはNVIDIAやMicrosoft、OpenAIなどがオープンモデル規制への反対声明を発表しており、開発競争と政策論争の両面でオープン路線が勢いづいている。
ただし比較値の多くは「自社測定」
一方、Qwen3.8-27Bの「Opus 4.6超え」は一部ベンチマークに限られ、依然差が残る分野も多い。各社が示す比較値の多くは自社測定でもある。
それでも、単一の巨大モデルに全てを頼る使い方から、タスクに応じたモデルの使い分けへの移行は既定路線に見える。その受け皿として、性能と運用しやすさのバランスに優れた30Bクラスは当面の主戦場であり続けるだろう。
個人向けPCで動く選択肢がこの数カ月で一気に増えたいま「どの30Bモデルを選ぶか」が、個人においても企業においてもAI活用の新たな論点になりそうだ。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
こんなメディアも見られています
ITmedia AI+に関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
アクセスランキング
-
1
AIモデリングもできる無償3D CAD「SolidCraft」を試してみた!
-
2
Anthropicの数学者、「Claude」と共同で「リーマン予想」を証明したと主張 Leanコミュニティが「正しい」と認定
-
3
京大がAI依存チェックリスト公開 「当てはまるものあれば、しばらくAI触らないで」
-
4
伊藤忠が月1.3万時間削減、数千件の「二重業務」解消へ AI推進で経営陣を動かした「定量の匂い」とは?
-
5
なぜ中国はヒューマノイドを量産するのか 突き動かす「焦り」と足踏みの正体
-
6
日立が「フィジカルAI」で狙う“5年で事業規模2倍”の勝算 3.5万人の新会社トップが語る「戦略の2本柱」とは?
-
7
「オントロジー」とは結局何なのか Palantir、Databricks、Snowflake、NVIDIAで中身が違う理由
-
8
ベテランPMが辞めても失いたくない「暗黙知」を“生成AI面談”で残す 東京ガス系が実践したノウハウ継承術
-
9
さよなら「Claude Code」 人気AIに愛想を尽かしたエンジニアの意外な移行先:906th Lap
-
10
AIで成果を出す企業ほど「人を増やす」? “通説”を否定する調査結果をIDCが発表
SpecialPR
ITmedia AI+ SNS
インフォメーション
注目情報をチェック
ITmedia AI+をフォロー
あなたにおすすめの記事PR