Qwen 4 はベンチマークと価格表を同時に出しました。重みは 12 月 20 日まで待つことになります

11 月 11 日、アリババは Qwen 4 と Qwen 4 Flash の API を公開しました。
その知らせが中国国内に届いたのは当日の午後です。B 站に上がった「Qwen 4 正式リリース!オープンモデルが Claude Fable 5.2 と正面からぶつかる」という実測動画は、13 日の時点で再生回数が七千を超えていました。タイトルにある「オープンモデル」という四文字が、この発表でいちばん微妙なところです。
まず、何が出たのか
価格は $1 / $4 で、入力と出力それぞれ 100 万 token あたりです。今年のフラッグシップ帯では目を引く数字で、上位 5 モデルのどれもこの価格ではありません。Artificial Analysis の基準で計算した人がいて、高推論モードで索引タスクを一通り回すと約 $2.94、同じ設定の Fable 5.2 はその 9 倍ほどかかります。
スコアは 58 で、Intelligence Index v5 の 3 位です。上にいるのは、まだ完全には開放されていない Google の Gemini 4 Carbon(63)と Fable 5.2(65)で、すぐ後ろに Kimi K3.1 Pro が持つオープンウェイトの記録が続きます。項目別では Frontier Code 2.0 が 47.9%、Frontier SWE v2 が 66.8% で、エージェント型コーディングの 2 つのボードでは Opus 5.5 と Fable 5.2 の間に挟まれています。AA-Briefcase の知識作業ボードは 1792 Elo で、Fable 5.2 の 1785 より少し上、Sonnet 5.5 の 1813 にはまだ届きません。
API 設計では、アリババは Anthropic と逆を行きました。temperature、top_p、top_k はすべて開放され、強制ツール選択も使え、ハイブリッド思考はリクエスト単位で切り替えられ、思考予算も直接渡せます。Fable 5.2 のほうは適応型思考が常時オンで、これらのフィールドは一つも受け付けません。プロダクトを作るチームにとって、この差はベンチマークの 2 点や 3 点よりずっと現実的です。思考を切れるということは、請求額を予測できるということですから。
マルチモーダルは 1 つのエンドポイントで扱います。テキスト、画像、音声、動画をすべて受け取り、Omni という別 SKU はありません。公開デモは 19 言語の同時通訳で、音声の遅延は 400 ミリ秒以内に収めていました。この数字が再現に耐えるなら、ワークステーション級の同時通訳に別のサービスを契約する必要はなくなります。
中国圏で広まっているスコアには括弧が要ります
国内でいちばん広まったのは別のボードです。GameFeel Bench。
流出したテストレポートによると、Qwen4-Flash は 49.9 で、Opus 5.5 xHigh の 47.2 を上回ります。Qwen4-27B は 44.6 で、Sonnet 5.5 の 45 にほぼ並びます。同じタスクのコストは $0.4 と $0.16 で、Opus 5.5 の $2.6 に対応します。27B のモデルが本当に 4090 1 枚、あるいは Mac Studio 1 台でこの水準に届くなら、中小チームの自社運用の計算は作り直しになります。
問題はこのボードそのものです。GameFeel Bench は Qwen チームが自前で作った評価で、出題は「自然言語のゲーム企画を渡して、物理衝突、状態機械、経済数値、インタラクションのフィードバックを備えたシステムをそのまま出せるか」というものです。問題は動的生成で、人手による暗黙のクロスチェックも入れており、暗記対策になると謳っています。設計の考え方は私も賛成です。システムを端から端まで動かすほうが、選択問題に答えるより実際のエンジニアリングに近い。ただテストセットは公開されておらず、第三者の再現もまだなので、このスコアは今のところベンダーの自己申告として見るしかありません。誰かが自分のプロジェクトで一度ぶつけてから、どこまで信じるか決めればいい。
ウェイトは日程であって、納品ではありません
開発者がざわつくのはここです。11 月 11 日に出たのは API だけで、ダウンロードも、Hugging Face のリポジトリも、GGUF もありません。
アリババの約束は、12 月 20 日までに Qwen 4(総パラメータ 1.2T、アクティブ 56B)と Qwen 4 Flash(総パラメータ 30B、アクティブ 3.3B)を Apache 2.0 で公開するというものです。約束は明確で日付も具体的ですが、それはスケジュール表の 1 マスであって、ディスク上のファイルではありません。
公開ウェイトを持つ最新の Qwen は、今も Qwen3.8-Flash-Next です。つまりこの価格表でいちばん費用対効果の高いモデルは、まだ自分では動かせません。
前向きな先例もあります。Moonshot が前回約束したウェイトの日付は、1 日も遅れませんでした。逆向きの例もあります。コミュニティがリズム表から推測した 10 月末のリリースは、実際には 11 日遅れました。だからこの約束はカレンダーに書く価値はあっても、発注書に書く価値はありません。
買うかどうかは、自分で動かすかで決まります
3 つを並べれば見えてきます。
安く、安定していて、今日から繋ぎたいなら、Qwen 4 の API は今年いちばん費用対効果のよい選択肢の一つです。思考を切って予算内で回すバッチ処理では特にそうです。
コンプライアンス、オフライン、自社のデータセンターにモデルを置く、という条件なら今は契約できません。12 月 20 日を待つことになりますし、待って出てくるのは 1.2T のウェイトです。この規模は「落としてすぐ動く」ものではありません。VRAM を揃えて推論スタックを組むだけで、チームは 2 週間つぶれます。
49.9 という数字については、検証待ちのシグナルとして扱うのがいいと思います。中国のモデルがいちばん高い帯で本当に追いついてきたのは事実ですし、価格も低く抑えています。ただ「Opus 5.5 を逆転した」という言い方は、第三者が自分の問題で一度回してからでないと成立しません。
見落とされがちなコストがもう一つあります。移行です。マルチモーダルを 1 つのエンドポイントにまとめるということは、これまで 3 本の経路に分かれていた仕事、画像理解は視覚モデル、音声は ASR と TTS、動画はフレーム抽出して画像に戻す、が 1 回の呼び出しで済むということです。経路が 1 本減れば、認証も 1 つ減り、レート制限の設定も 1 つ減り、エラーを見張る人も 1 人減ります。こういう勘定は決算書には出ませんが、3 人のチームが 4 つのプロダクトを同時に維持できるかどうかを決めます。

次に見るべきもの
12 月 20 日が最初の関門です。その日に本当にウェイトが出たら、見るべきはダウンロード数ではありません。量子化版がいつ追いつくか、1 枚のカードでどのコンテキスト長まで動くか、推論フレームワークの対応にどれだけかかるか、この 3 つです。1.2T のモデルを自社のデータセンターに入れるのは、これまで一度も 1 コマンドで済んだことがありません。
2 つ目の関門は第三者の再現です。GameFeel Bench の「端から端まで動くシステムを出す」という課題を、他のラボが自分のモデルの測定に使ってくれれば、このボードには信頼性が生まれます。1 年後に 1 社だけがスコアを報告しているなら、それは発表会の素材でしかありません。
3 つ目の関門がいちばん現実的です。価格が保てるかどうか。$1/$4 は顧客を取るための価格で、シェアが固まったあとに戻さないか、過去 2 年の記録を見るかぎり楽観はできません。今この価格で予算モデルを固定すると、来年書き換えることになります。
もう一つ。今回の中国メーカーの発表には共通点があります。API と価格表を先に出して顧客を取り、ウェイトは後から第 2 波として出す。使う側から見ると、「オープンソース」という言葉は一度の納品ではなく分割払いの計画に近づいています。嘘ではありませんが、発表を読む習慣のほうを変える必要はあります。