続・Qwen追跡:推論の予算調整と思考モード統合という新段階

AIモデルに「考える時間の予算」を自分で設定できる——Qwen3の技術報告が、そんな使い方を提示しています。前回は推論トークンを減らして効率を上げる動きを追いました。今回はその延長線上にある「1つのモデルで役割をまとめる」という、もう一つの大きな流れを追いかけてみます。

Qwen3は、Qwenシリーズ最新バージョンの技術報告として公開された大規模言語モデル(LLM)群です。性能・効率・多言語対応の3つを伸ばすことを目標に掲げています[1]。構成はdense型(すべてのパラメータを使う従来型)とMoE型(計算を複数の「専門家」に振り分ける仕組み)の両方をカバーし、規模は6億から2350億パラメータまでと幅広いのが特徴です[1]。小さなモデルから巨大モデルまで、同じシリーズの中で選べるラインナップです。報告の本文はarXivで読めるほか、GitHubの公式リポジトリにもPDFが置かれています[2]。

いちばんの目玉は、思考モードと非思考モードの統合です。思考モードは複雑な多段階の推論を担い、非思考モードは文脈に即した素早い応答を担います[1]。これまでLLMは、応答の速さを優先するチャット最適化モデル(GPT-4oなど)と、じっくり推論する専門モデル(QwQ-32Bなど)に分かれており、利用者は用途ごとにモデルを切り替える必要がありました。Qwen3はこの2つを1つのフレームワークにまとめ、利用者の質問やチャットテンプレートに応じて動的にモードを切り替えます[1]。チャット向けと推論向けという「2種類を1セットにする」発想の転換です。利用者から見れば、「速さが欲しいとき」と「精度が欲しいとき」で別のモデルを用意しなくてよくなる、ということになります。

そこに重なるのが「思考バジェット」という仕組みです。推論(モデルが答えを組み立てる処理)の途中で、計算資源をどれだけ割り当てるかを利用者が調整できます。タスクの難しさに応じて、応答の速さ(レイテンシ)と性能のバランスを取るためのものです[1]。難しい問題には予算を厚く、単純な質問には薄く、といった使い分けが1つのモデルの中でできるようになります。トークン削減による効率化と合わせて考えると、Qwenは「効率の調整つまみを利用者側に渡す」方向へ進んでいるようです。

性能面の報告も具体的です。コード生成、数学的推論、エージェント作業などの多様なベンチマークで最先端の結果を達成し、より大規模なMoEモデルや非公開の専有モデルにも競争力があるとされています[1]。小規模モデルの作り方も工夫されています。旗艦モデルの知識を小さいモデルに注ぎ込むことで、構築に必要な計算資源を大幅に減らしながら、競争力のある性能を保つのです[1]。小さいモデルでも大きなモデルに引けを取らない、という主張は、エッジ側での活用を考えると重要なポイントです。

多言語対応も大きく広がりました。前世代Qwen2.5の29言語・方言から、119まで一気に拡大しています[1]。言語間の理解と生成そのものを高め、世界中で使いやすくする狙いです。さらに、再現性とコミュニティ主導の研究開発というカルチャーを後押しするため、全モデルがApache 2.0ライセンスで公開されています[1]。ここまで大規模なシリーズがそろった形でのオープン公開は、コミュニティにとって大きな材料と言えそうです。

シリーズの動きも止まっていません。GitHubには「Qwen3.8-Flash-Next」の技術報告PDFが置かれており、Flash系の軽量モデルの開発も続いているようです[6]。周辺の比較素材も複数見つかりました。モデルファミリーを整理した資料[3]、ベンチマークデータでAlibabaモデルを順位付けしたサイト[4]、DeepSeek・GLM・Kimiなど中国系AIモデルを横並びで比べる2026年のまとめ[5]、そして「どのQwenをローカルで動かすか」をランキング形式で解説するガイド[6]です。比較系の情報がこれだけ並ぶこと自体、注目度の高さを物語っています。

しかし、ここで正直にお伝えしたいことがあります。今回集めた素材の範囲では、これら比較サイトの具体的な数値や順位の中身を確認できませんでした。ローカル実行の実測速度(TPSなど)や、GPU構成・量子化の詳細も素材には記載がありません。「どのサイズをどの環境で動かすと快適か」を判断するには、各ガイドを直接確認する必要がありそうです。また、思考バジェットは便利な半面、予算の決め手を利用者が考える負担も発生します。モード切り替えと予算調整を1つのモデルに任せた分、チューニングの裁量がユーザー側に移ったとも言えそうです。

それでも方向性ははっきりしています。モデルを使い分ける時代から、その場で推論の深さを調整する時代へ——Qwen3が示したのはこの転換です。119言語への対応とApache 2.0での公開が相まって、多言語・オープンな推論基盤としての存在感は、今後も強まっていくと思われます。次に確認したいのは、Flash系の新モデル[6]や各比較サイトの実数値です。そこまで追えば、Qwenの実力はより立体的に見えてくるはずです。