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

公開 2026年08月24日 16時30分

[ITmedia]

印刷する Googleで優先するソースとして追加

　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。

直近で発表された主な30B級オープンモデルのIntelligence Index。比較対象として幾つかのクローズドモデルも表示させた｜Artificial Analysis

　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。