AlibabaのQwenチームは、Qwen3.5 Mediumシリーズをリリースしました。これは、AI業界の中核的な前提の1つである「最先端のパフォーマンスにはクラウドデータセンターが必要」という考えに挑む、3つのオープンソースモデルです。このフラッグシップモデルは、32GBのVRAMを持つ単一のコンシューマーGPU上で動作し、100万トークン以上のコンテキストを処理しながら、主要なベンチマークで数倍のサイズのモデルを上回ります。
3つのモデルすべてが寛容なApache 2.0ライセンスの下で提供されており、スタートアップ、代理店、個人開発者を問わず、誰でもダウンロード、実行、微調整、商業的に展開することが可能です。このローカルファーストのパフォーマンスとオープンライセンスの組み合わせこそが重要なポイントであり、AIがブランドに関する回答を提供する場所を静かに再定義しています。
主なポイント
- Qwen3.5-35B-A3B（フラッグシップモデル）は、32GB VRAMのコンシューマーGPU上で100万トークン以上のコンテキストを処理可能で、ほぼロスレスな4ビット量子化によって実現されています。これらの機能は以前はサーバーグレードのハードウェアを必要としていました。 - ベンチマークでは、GPT-5-miniを複数のテストで上回り、知識（MMMLU）と視覚的推論（MMMU-Pro）においてClaude Sonnet 4.5を超え、Qwenの235B前世代モデルをアクティブパラメータのごく一部で凌駕します。 - 教訓はアーキテクチャにあります。Gated DeltaNetとMixture-of-Experts（MoE）のハイブリッドにより、効率的な設計が単純なスケールを凌駕できることを示しています。 - GEOにとって：安価でローカルかつオープンなモデルは、ブランドに関する質問に答えるAIの表面を増やします。可視性はもはやChatGPTやGeminiだけの問題ではなく、広がるエンジンや市場に分散し、それに応じた追跡が必要です。
Alibabaが提供したもの
Qwen3.5 Mediumシリーズは、異なる展開環境に合わせて調整された3つのモデルです。
Qwen3.5-35B-A3Bはフラッグシップモデルです。総パラメータ数は35Bですが、1トークンあたり3Bのみをアクティブ化し、100万トークン以上のコンテキストをサポートし、32GBのVRAMを持つコンシューマーGPUで動作するように設計されています。
Qwen3.5-122B-A10Bはヘビー級モデルです。総パラメータ数は122B、アクティブパラメータは10B、100万トークン以上のコンテキストをサポートし、80GBのVRAMを持つサーバーグレードのGPUを対象としています。
Qwen3.5-27Bは効率性を重視したモデルです。密な27Bモデルで、80万トークン以上のコンテキストをサポートし、高スループットで低オーバーヘッドの展開を目的としています。
注目すべき点は、フラッグシップモデルのコンテキスト長です。100万トークン以上を処理するには、これまで高価なサーバーハードウェアを借りる必要がありました。Qwen3.5-35B-A3Bは、ほぼロスレスな4ビット量子化によってメモリフットプリントを縮小しながら品質を損なうことなく、ワークステーションに設置可能なGPUでそれを実現しています。
より大きなモデルを凌駕する
Qwenは単に他のモデルと肩を並べただけでなく、いくつかの面でそれを凌駕しました。35B-A3Bモデルは、複数のベンチマークでGPT-5-miniを上回りました。特に知識（MMMLU）と視覚的推論（MMMU-Pro）においてClaude Sonnet 4.5を超えています。さらに重要なのは、Qwenの前世代235Bモデルを凌駕しながら、アクティブパラメータはごく一部である点です。
そのメカニズムは、Gated DeltaNetとMixture-of-Experts設計を組み合わせたハイブリッドアーキテクチャにあります。この設計により、モデルは特定のタスクに必要なサブネットワークのみを作動させます。業界にとっての教訓は、インテリジェントなアーキテクチャと効率性が、単純なスケールを凌駕できるという点であり、これがこれらのモデルをローカルで実行可能にしている理由です。
GEOにとっての意味
過去2年間、AIにおけるブランドの可視性は、限られた目的地リストの問題として扱われてきました。ChatGPTが推奨しているか、Geminiが言及しているか、Perplexityが存在を認識しているか、などです。オープンでローカルな最先端モデルは、この状況を一変させます。
能力のあるモデルが汎用ハードウェア上で寛容なライセンスの下で動作する場合、次の3つのことが起こります。より多くの企業が、大規模なクラウドAPIを通じてすべてを処理する代わりに、自社のアシスタントを構築します。より多くのAI機能がアプリ、ストアフロント、デバイスに直接組み込まれます。そして、より多くの回答が、見えないモデル上で行われるようになります。特にQwenは、中国やアジア全体で多くのアシスタントを支えています。そのため、これらの市場に商品を販売するブランドにとって、「AIが私をどう説明するか」は「Qwenベースのモデルが私をどう説明するか」を意味するようになり、ChatGPTだけではなくなります。
その実際的な結果として、1つまたは2つのエンジンでAIの可視性を測定するだけでは不十分になります。買い手の認識を形作る表面のセットは拡大しており、それは地域や言語によって異なります。どのブランドが名前を挙げられ、どの製品カードや価格が表示され、どの情報源が引用されるかなど、さまざまなエンジンや市場でカテゴリがどのように見えるかを知る必要があります。なぜなら、その風景こそがAI時代の需要が決定される場所だからです。
これが[GEOly](/blog/what-is-geoly-ai)が構築されたレイヤーです。GEOデータプラットフォームは、ChatGPT、Gemini、Perplexity、Copilot、Grok、Google AI Modeなど、200以上の市場で英語と中国語を対象に、カテゴリ全体がどのように表示されるかをマッピングします。モデルの風景が分散する中で、1つのエンジンでブランドを確認するだけでは十分ではなくなり、全体像を見ることでどこにチャンスがあるかを把握できます。
