
普通のMacBookでQwen3.8 27Bを試す
2026年8月に発表されたQwen3.8-27Bが、高性能なローカルLLMとして話題になっています。
📢Meet Qwen3.8-Max — our most capable model to date.
— Qwen (@Alibaba_Qwen) August 3, 2026
Next week, the open weights of Qwen3.8-Max will be released, and Qwen3.8-27B is also going open-weights to meet you all!🎉
Qwen3.8-Max, a new bar for coding and cowork at 2.4T parameters:
- Autonomous coding: 10+ days of… pic.twitter.com/e3YFj2hqcT
このQwen3.8-27Bは、一部の公開ベンチマークでClaude Opus 4.6に近い数値を記録しています。(評価条件の異なる項目を含むため、モデル全体の能力が同等という意味ではありません)量子化されたOllama版は表示容量約18GBで、24GB級のメモリを搭載したMacでも動作圏内とされています。
そこで今回は、手元にある普通のMacBook Air(M4 24GBユニファイドメモリ 10コアGPU)を使って、動作検証したいと思います。
環境
ローカルLLMのテストにはOllamaを使用します。Ollamaは、モデルを取得してPC上で実行し、アプリやAPIから利用できるツールです。
このPCとOllamaには、以前検証したGoogleのGemma 4もインストールされています。Gemma 4はGoogleが公開しているオープンウェイトモデルで、推論、コーディング、ツール利用などに対応しています。今回はMac向けの gemma4:12b-mlx を使用しました。ちょうど良いので、こちらを比較対象とします。
ちなみに今回は、環境構築からテストの設計、実行まで、すべてCodexリモートを使ってスマホから実施しました。実はMacBook自体は一度も見ていません(笑)。すごい時代になりましたね!
テスト
テストは、日本語の指示やコード修正、推論、決められた形式での出力など12問を用意して、同じ条件で3回ずつ実行しました。これは公開ベンチマークを再現したものではなく、普段の作業で起こりそうなものをCodexに設計してもらっています。

差が出たのは計算と出力形式でした。値引き後に消費税を加える計算ではQwenが3回とも正解、Gemmaは3回とも不正解でした。また、情報が存在しない項目を null にしたJSONを求める課題でも回答に差異が生まれました。
小さなJavaScriptやTypeScriptの修正は、どちらもすべて正解でした。日付や文字列検索などのローカルツール呼び出しも、検証の範囲では問題がありませんでした。
速度
短い課題に対するQwenの生成速度は、平均約10.7トークン/secでした。Gemmaは約12.0トークン/secで、36回のリクエストにかかった平均時間はQwenが約9.4秒、Gemmaは約7.0秒でした。短いやりとりでは大きな差はないのですが、長い文章やコードを使用するテストでは大きな差が生まれました。

Qwenの方が正確さは上だったのですが、回答速度に100秒以上の差がついてしまいました。メモリの余裕も少なく、Qwenのピーク推論メモリは長文で約21.2GiB、コードで約22.5GiBと、24GBのMacBook Airではほぼ上限に近くなります。これだと、他の作業を並行して進めることはほとんどできません。
所感
普通のMacBookで27BのQwenが動き、Gemmaより難しい課題を正確に処理できたことは、ローカルLLMの進歩を実感できる結果ではありました。数年前の高性能なクラウドモデルに近い仕事の一部を、手元のPCへ任せられるようになりつつあります。
今ローカルLLMを選ぶメリットは?
しかし一方で、先日発表されたGPT-5.6 Lunaは、高い性能を持ちながら非常に安価に提供されています。2026年7月30日の価格改定後は、API料金が100万トークンあたり入力0.20ドル、出力1.20ドルになりました。また、サーバー上で実行されるので、Codexが動くPCならスペックが低くても、手元のメモリを圧迫せずに動作させることができます。今回のローカル環境との同条件比較ではありませんが、普段の利用では応答もクラウドの方が速く感じられる状況です。
そうなると、現時点でローカルLLMを選択する理由は、金額よりも「情報を流出させないクローズドな環境が必要か」の方が重要になってくるのでないでしょうか。
今回は、あくまで「家庭用PCでのローカルLLM利用」についての簡単な検証とさせていただきました。引き続き、検証を進めていきたいと思います。