クラウドのAIは便利だが、社外秘の資料や顧客の個人情報を入力欄に貼るとき、指が一瞬止まる。この一文はどこまで学習に使われるのか、ログはどこに残るのか、来月の請求はいくらか。中小企業でAIを本格的に業務へ入れようとすると、性能より先にこの不安が壁になる。

2026年8月、Alibaba（Qwenチーム）が公開したQwen3.8-27Bは、その壁の一角を崩す種類のモデルだ。重み（ウェイト）がApache 2.0ライセンスで丸ごと配られていて、自社の手元のGPUで動かせる。設定を詰めればデータを手元に留めたまま、画面操作やターミナル作業まで任せられる方向に振ってある。何が確かで何がまだ確かめられていないのかを、公式の一次情報だけで整理する。

Qwen3.8-27Bで公開されたもの

1台のデスクトップワークステーションの筐体の上に、開いた南京錠のアイコンとAIを表す抽象的な回路模様が乗っている概念図。筐体の内側でデータを表す小さな粒が閉じた輪を描いて循環している。グラスグリーンを基調とした線画。文字や数字は一切入れない。

Hugging Faceの公式リポジトリ（Qwen/Qwen3.8-27B）で確認できる事実を並べる。

  • ライセンスはApache 2.0。改変・商用利用・自社サーバーでの運用（セルフホスト）が正式に許される。
  • コンテキスト長は262,144トークンがネイティブで、最大1,000,000トークンまで拡張できるとされる。長い仕様書や過去ログをまとめて読ませられる。
  • ネイティブのvision-language（視覚言語）モデル。テキストだけでなく画像や動画も入力として理解する。27Bの密（dense）モデルで、64層構成。
  • FP8版（Qwen/Qwen3.8-27B-FP8）も同時に配布されている。

このQwen3.8-27Bは、同時期に公開された総パラメータ2.4兆規模の上位版Qwen3.8-2.4T-A95Bの弟分にあたる。巨大な旗艦ではなく、手元で動かせる側のモデルだという位置づけを押さえておきたい。

「手元で動く」が中小企業に効く理由

会社の建物のシンプルなアイコンの内側で、データを表す複数の粒が閉じた円環を描いて循環している概念図。建物の外周が壁のように囲い、外側に描かれた雲（クラウド）とは太い境界線で隔てられ、データが外へ流れ出ていない構図。グラスグリーンを基調とした線画。文字や数字は一切入れない。

クラウドAPIのモデルは、性能が高くても入力した文章が一度は社外のサーバーを通る。オープンウェイトのモデルは、重みを自社の機材にダウンロードして動かせる。だから、扱う文章を手元に留められる余地が生まれる。

ただしこれは自動では成立しない。推論サーバーがどこと通信するか、外部ツール連携やWeb検索を有効にしていないか、ログやバックアップの保存先が社外のクラウドになっていないか。この設定を締めて、はじめて「データが外に出ない」状態になる。逆に言えば、設定を詰めれば手元で完結させられる余地がある、というのがクラウドAPIとの違いだ。顧客名簿、見積書、契約書のドラフト、社内の議事録。こうした「外に出したくないが、AIに読ませたい」情報を、自社の管理下で扱う道が開ける。

費用の構造も変わる。使うほど月額が膨らむクラウドAPIと違い、リクエスト単位の従量課金は避けやすい。ただし「電気代だけで回る」わけではない。ハードウェアの購入と償却に加え、保守・監視、ストレージやネットワーク、ソフトウェアの更新、運用する人の手間がかかる。小さく試すうちは軽いが、常時稼働させて業務に組み込むなら、これらを含めた総コストでクラウドAPIと並べて判断する。改変も許されているので、自社の用語や書式に合わせて追加学習する道も開ける。

海外ではこれを「データ主権（自分のデータを自分の管理下に置く）」と呼ぶ。群馬の中小企業がAIを使うとき、性能の1〜2ポイントより、この「情報を手元に留めたまま試せる」ことのほうが導入判断を左右する場面は多い。

ハードウェアの現実だけは正直に書く。27Bという規模は、4bit級の量子化（モデルを圧縮して軽くする処理）を使えば24GBクラスのGPU1枚やハイエンドのMacで動かせる範囲に入る。ただしフル精度やFP8のままでは同じ機材に載らない場合もあり、必要なメモリは量子化の方式と扱う文脈の長さで変わる。自社の機材で走らせる前に、想定する使い方での必要VRAMを確認しておく。

ベンチマークの数字は誰が測ったか

Qwen3.8-27Bの訴求点は、画面やターミナルを操作させる「エージェント」寄りの性能だ。モデルカードには次の数字が載っている。

OSWorld-Verified（実際のOS上でアプリを操作させる評価）が84.3。Terminal-Bench 2.1（Terminus／ターミナル作業の評価）が73.0。いずれも前世代のQwen3.6-27Bから大きく伸びたとされる。

ここで一度立ち止まる。これらのスコアはすべてQwen（Alibaba）自身が計測して公表した数字で、第三者による独立評価は公開時点（2026年8月中旬）ではまだ出そろっていない。ベンチの伸びは方向性の目安として読み、性能の裏づけとしては扱わない。自社で判定するなら、実際に任せたい作業――たとえば「請求書PDFから項目を抜き出す」「社内システムの画面を順に操作する」――を10件ほど用意して、成功率を自分の目で測る。他社の数字を鵜呑みにせず、自社のタスクで前後を比べるのが唯一の判断材料になる。

PC操作を任せる前に決めること

AIを表すロボットアームがパソコンの画面を操作しようと伸びる手前に、3枚の仕切りゲートが縦に並んでいる概念図。1枚目は権限を絞る門、2枚目は作業環境を囲う箱（環境隔離）、3枚目は人の手による確認を表すチェックの手。ロボットアームはこの3つのゲートを順に通らないと画面に届かない構図。グラスグリーンを基調とした線画。文字や数字は一切入れない。

画面操作やターミナル作業を任せられる、というのは魅力であると同時にリスクでもある。AIがファイルを消す、本番環境のコマンドを叩く、意図しない画面を操作する。この可能性は、性能が上がるほど現実味を増す。ククルデザインが導入を伴走するとき、能力を試すより先に線引きを決める。

  • 権限を絞る。AIに渡すアカウントは、必要な操作だけができる最小権限にする。顧客データベースや会計システムの書き込み権限は最初は渡さない。
  • 環境を隔離する。本番のPCではなく、壊れても影響が閉じる実験用の環境（仮想マシンやコンテナ）で先に走らせる。
  • 人が最後に確認する。不可逆な操作――送信、削除、決済、外部への公開――は、AIの実行前に人が承認する一段を必ず挟む。

手元で動くモデルはデータを手元に留めやすい利点があるが、モデルを動かすPCやサーバー自体のセキュリティは別の話だ。社内ネットワークに置くなら、アクセス制御とバックアップは通常のサーバーと同じ基準でそろえる。

中小企業での落とし込み手順

「オープンウェイトが出た」で終わらせず、自社の業務に落とすなら順番がある。

  1. 手元で完結させたい業務を1つ選ぶ。社外秘を扱う作業ほど、このモデルを試す価値が高い。
  2. その業務を任せたときの合格ラインを先に決める（成功率・所要時間・確認にかかる手間）。
  3. 実験用の環境にQwen3.8-27Bを量子化して置き、10件前後の実データで走らせて成功率を測る。あわせて外部通信とログの保存先を点検し、データが社外へ出ていないか確認する。
  4. 権限・環境隔離・人の確認の3点を決めてから、限定的に本番へ寄せる。
  5. クラウドAPIと総コスト・精度・情報の扱いを並べて、業務ごとにどちらで回すか決める。全部を手元に寄せる必要はない。

まとめ

  • Qwen3.8-27BはApache 2.0で配られた27Bのvision-languageモデル。手元のGPUで動かせて、設定を詰めればデータを手元に留めたままPC操作まで任せる方向に振ってある。
  • 公開されているOSWorld 84.3・Terminal-Bench 73.0はQwen自身の計測で第三者評価はこれから。数字は方向性の目安にとどめ、自社タスクで測る。
  • PC操作を任せるなら、権限の最小化・環境の隔離・人の最終確認を導入より先に決める。自前運用の総コストと外部通信の設定も併せて確認する。

「社外秘を扱う業務だけ手元のAIで回したい」「クラウドと自前をどう使い分けるか整理したい」。この入口の1業務を一緒に選ぶところから、ククルデザインが伴走します。自社のPCで何がどこまでできるか、まず1件試すところからご相談ください。