このモデルの強みは何ですか？

高度な推論能力の提供膨大なコンテキスト処理大規模なパラメータ構成

このモデルの弱みは何ですか？

クローズドなライセンス大きなモデルファイル容量高い動作リソース要求

どんな用途に最適ですか？

複雑な論理推論タスク超長文ドキュメント解析高度な知識抽出処理

モデル一覧に戻る

アリババプロプライエタリ

Qwen3.5-27B

Name: Qwen3.5-27B
Author: アリババ

Qwen3.5-27Bは、阿里巴巴によって開発された推論モデルです。約270Bのパラメータ規模を持ち、1010Kという極めて長いコンテキストウィンドウに対応しています。

パラメータ

270.0B

コンテキスト長

1010K

ライセンス

https://huggingface.co/Qwen/Qwen2.5-72B/blob/main/LICENSE

リリース日

2026-02-25

API料金

このモデルのAPI料金情報は現在未公開です

強み

・高度な推論能力の提供
・膨大なコンテキスト処理
・大規模なパラメータ構成

弱み

・クローズドなライセンス
・大きなモデルファイル容量
・高い動作リソース要求

活用例

・複雑な論理推論タスク
・超長文ドキュメント解析
・高度な知識抽出処理

深度分析

リリース日

February 24, 2026

パラメータ数

27B

Dense model — all parameters active

アーキテクチャ

Hybrid: Gated DeltaNet + Gated Attention (dense)

コンテキストウィンドウ

262,144 tokens (native)

モダリティ

Text, Image, Video

VRAM（Q4）

~16 GB

VRAM（BF16）

~54 GB

推論速度

~35 tok/s on RTX 3090 at Q4

ライセンス

Apache 2.0

MMLU-Pro

86.1

強み

・Qwen3.5ファミリーで最高のクリエイティブライティング品質 — 高密度な計算により一貫性のある文章を生成
・強力な推論性能：GPQA Diamond 85.5、MMLU-Pro 86.1、IFEval 95.0
・Q4量子化で単一の24GB GPUに収まる（VRAM約16GB）
・デンスアーキテクチャによりデプロイがシンプル — MoEルーティングの複雑さなし
・ビジョンとビデオ対応のネイティブマルチモーダル

弱み

・35B-A3B MoEモデル（196 tok/s）と比較して推論速度が遅い（~35 tok/s）
・バッチ処理やリアルタイムエージェントワークフローに必要な高速処理能力を欠いている
・アクティブパラメータは多いものの、スループット重視のタスクでは35B-A3Bに遅れを取る
・主要プロバイダーが提供するAPIモデルとしては利用不可（主にセルフホスト向け）
・Q4での量子化が、繊細な創造性を要するタスクの品質に影響を及ぼす可能性がある

競合比較

Model	Arena	SWE	GPQA	Price
Qwen3.5-35B-A3B	~1390	~65	~83	Open-source
Qwen3.5-9B	~1370	~60	81.7	Open-source
Llama 4 Scout	~1380	~65	~80	Open-source
Qwen3.5-27B	~1400	~68	85.5	Open-source
Mistral Large 2	~1370	~64	~78	Open-source

概要

モデル: qwen3-5-27b 分野: summary Qwen3.5-27Bは、Qwen3.5ファミリーのミッドレンジにおける唯一のデンスモデルであり、27Bのパラメータすべてがすべてのトークンでアクティブに機能します。2026年2月24日にApache 2.0ライセンスの下でリリースされ、すべてのパラメータが出力品質に貢献するクリエイティブライティングや複雑な推論で優れた性能を発揮します。単一のRTX 3090でQ4量子化時に約35トークン/秒で動作し、16GB VRAMに余裕を持って収まります。

ベンチマーク＆性能

全般的に強力：MMLU-Pro 86.1、GPQA Diamond 85.5、IFEval 95.0、C-Eval 92.0。ビジョンタスクでは：MMMU 82.3、MathVision 86.0、MathVista 87.8。デンスアーキテクチャは、類似のVRAM要件を持つMoEモデルと比較して、ニュアンスのあるタスクにおいてより一貫した品質を提供する。IFEval 95.0は優れた指示追従を示しており、Qwen3.5オープンモデルの中で最高値である。

詳細比較

すべてのベンチマークで9Bモデルを上回る（MMLU-Pro 86.1対82.5、GPQA 85.5対81.7）が、VRAM消費量の増加と速度低下という代償を伴う。35B-A3Bとの比較では速度は遅いが、より高品質な創作ライティングとより一貫性のある推論を生成する。Llama 4 ScoutおよびMistral Large 2との比較では、ベンチマークで競合可能であり、ネイティブなマルチモーダル対応と201言語のカバレッジという利点がある。

コミュニティ評価

27Bはコミュニティ内で特定のニッチを占めています：創作執筆や複雑な推論において、速度より品質を優先するユーザー向けです。小説執筆、詳細な分析、およびスループットよりも出力の一貫性が重要なタスクにおいては、35B-A3Bより推奨されています。コミュニティでは、MoEの代替モデルより「より一貫性のある散文」を生成していると評されています。

ユースケース

クリエイティブライター、研究者、および生の速度ではなく高品質で繊細な出力を必要とするユーザーに最適です。長文コンテンツ生成、詳細な分析、複雑な推論チェーン、および全27Bのアクティブパラメータが質的な違いをもたらすタスクに優れています。Q4量子化で単一のRTX 3090/4090または24GB GPUに収まります。バッチ処理、リアルタイムエージェント、または速度が重要なアプリケーションには理想的ではありません。