Alibabaが公開したラップトップ級の高密度モデル「Qwen3.8-27B」（27Bパラメータ）が、Artificial AnalysisのIntelligence Indexで、Z.ai製のオープンソース最高水準モデルとされる「GLM-5.2」（753Bパラメータ）を1点上回り、135モデル中1位に立った。パラメータ数の差は約28倍にのぼる。この結果について、個人ブログでこの比較を報じた著者は、大型モデルが知識を多く暗記しているため答えに直行できる一方、小型モデルは記憶量が少ない分「推論に頼らざるを得ない」という設計上の違いで説明している。
モデル選定を総パラメータ数やクラウド/ローカルの区分だけで判断している開発者にとって、この結果は実務的な意味を持つ。タスクの性質次第では、ラップトップ上で動く小型モデルが指標次第でクラウドの大型モデルに並びうるということであり、コスト・レイテンシ・プライバシーの観点でローカル実行という選択肢を再検討する材料になる。より大きな流れで見れば、単一GPU・ラップトップで動く高密度オープンモデルが、指標次第でクラウド専用の巨大モデルに伍する事例が積み重なりつつあるという潮流の一角に、この結果も位置づけられる。
ただし、この「1位」はIntelligence Indexという単一指標での僅差（52点 対 51点相当）にすぎない。著者自身が実施した25タスクの実測比較にGLM-5.2は登場せず、そこでのQwen3.8-27Bは他の小型モデルと「品質はほぼ同点」という結果にとどまっている。単一指標での僅差の首位と、実タスクでの互角という2つの結果は、区別して読む必要がある。
何が起きたか
Tomasz Tunguz氏（本人執筆と見られる個人ブログ tomtunguz.com、2026年8月18日付記事）は、Alibabaのオープンウェイトモデル「Qwen3.8-27B」が、Artificial AnalysisのIntelligence Indexで135モデル中1位を記録し、Z.aiの「GLM-5.2」（753Bパラメータ）を1点上回ったと報じた。原文は「This little Qwen model ranks #1 of 135 models, scoring 52 on Artificial Analysis's Intelligence Index, a point above GLM-5.2, the state-of-the-art open-source model from Z.ai, at 753b parameters.」と記している。
Qwen3.8-27Bは27Bパラメータで、GLM-5.2の約28分の1のサイズにあたる（"a laptop model beats a recognizable, frontier-class cloud peer roughly 28 times its size"）。著者は自身のエージェントにQwen3.8-27Bを組み込んで動作させたとし、「ノートパソコンでもクラウドのほぼあらゆるモデルに匹敵する性能を持つモデルを動かせるようになった」と述べている。
仕組み・詳細
著者が提示する説明はこうだ——大型モデルはより多くの知識を記憶できるため、専門家のように答えに直行できる。一方、小型モデルは記憶している量が少ない分、より多く「推論」しなければならない("Bigger models can store more knowledge, so they can skip straight to an answer, like an expert in many different fields. Smaller models don't have as much memorized, so they must reason more.")。
これは著者自身の解釈であり、Qwen3.8-27Bの性能を独立に裏付ける工学的な検証結果として示されたものではない。ただし、要約されている記事の中心的な論旨そのものであり、この一点については記事内で一貫して展開されている主張である。
数字で見る
| 項目 | 内容 |
|---|---|
| Qwen3.8-27B の Intelligence Index 順位 | 135モデル中1位（52点相当） |
| GLM-5.2 の同指標スコア | 51点相当（1点差） |
| パラメータ数の比較 | 27B 対 753B（約28倍） |
| 著者独自の25タスク実測比較 | Qwen3.8-27B: 品質8.0/9・応答7.2秒／DeepSeek-v4-flash: 品質8.0/9・応答1.1秒／Qwen3.6-35B-A3B: 品質7.9/9・応答10.0秒——GLM-5.2は不参加、著者は3モデルの品質を「ほぼ同点」と評価 |
なぜ重要か
Intelligence Indexでの「1位」だけを切り取れば、27Bのローカルモデルが753Bのクラウド級モデルを打ち負かしたという劇的な話に見える。だが著者自身が実施した実タスク比較にGLM-5.2は登場せず、そこでのQwen3.8-27Bは他の小型モデルと「同点」にとどまっている。単一指標でのわずか1点差の首位は、全タスク・全指標での圧勝を意味しない——ベンチマークの「順位」と実タスクでの「実力伯仲」は、分けて評価する必要がある。
その上でなお動かないのは、27Bというラップトップで動くサイズのモデルが、少なくとも1つの独立指標において753Bのモデルと肩を並べる水準に達しているという事実そのものだ。モデルの優劣を総パラメータ数だけで判断する見方に対し、実測データに基づく反証が積み上がりつつある。