2026年8月中旬、オープンソース・ローカルLLMの勢力図が一気に動いた。DeepSeekが「V4-Pro」の正式版でエージェント性能を大幅に引き上げ、AlibabaのQwenチームはノートPCで動く「Qwen3.8-27B」をApache 2.0で公開、Mistral AIは単体GPUで動く軽量セーフティモデル「Shieldstral」を投入した。加えてローカル推論エンジンOllamaも量子化・推論の最適化を進めている。今週の主要トピックを出典付きでまとめる。
DeepSeek「V4-Pro-0813」が正式版に、エージェント性能が急伸
DeepSeekは4月からプレビュー提供していた「V4-Pro」を、8月13日付で正式版「DeepSeek-V4-Pro-0813」として一般提供した。オープンウェイトのモデルで、ツール利用・コード実行・複数ステップのタスクを人手を介さずにこなすエージェント能力に重点を置いている。
- コーディング系ベンチマーク「Terminal Bench 2.1」でプレビュー版の72.1点から87.9点へ15.8点上昇し、Kimi K3(88.3点)に肉薄する水準になった。
- 同時期に公開された高速版「V4-Flash」も正式版へ移行し、投機的デコード機構「DSpark」を追加して推論速度を高めている。
- API価格は8月16日16:00(UTC)から改定され、ピーク時間帯とオフピーク時間帯で料金を分ける仕組みが導入された。
出典: Hugging Face: deepseek-ai/DeepSeek-V4-Pro-0813、DeepSeek公式ブログ
Qwen3.8-27B、ノートPCで動く「小型フラッグシップ」をApache 2.0で公開
AlibabaのQwenチームは8月14日、270億パラメータの密モデル「Qwen3.8-27B」の重みをApache 2.0ライセンスでHugging Faceに公開した。8月3日に発表した2.4兆パラメータのMoEモデル「Qwen3.8-Max」の技術基盤を継承しつつ、コンシューマー向けGPU1枚で動く規模に落とし込んだのが特徴だ。
- ネイティブで26万2144トークン、YaRNにより最大100万トークンまでコンテキストを拡張可能。テキストに加え画像・動画(図表・文書・長時間動画)も扱えるマルチモーダル対応。
- 公開から24時間以内にGGUF版がHugging Faceのトレンド3位に入り、累計ダウンロード数は100万件超と報じられている。
- 比較対象として名前が挙がったMetaの30Bオープンモデル「Muse Glimmer」に対し、Terminal Bench 2.1・SWE-bench Pro・IFBench・GPQA Diamondの4指標すべてで上回ったとQwen側は主張している。
出典: Hugging Face: Qwen/Qwen3.8-27B、VentureBeat
主要オープンウェイトモデルの比較
| モデル | 提供元 | パラメータ | ライセンス | 想定用途 |
|---|---|---|---|---|
| DeepSeek-V4-Pro-0813 | DeepSeek | 大規模MoE(非公開) | オープンウェイト | エージェント・コーディング |
| Qwen3.8-27B | Alibaba | 270億(密) | Apache 2.0 | ノートPC・エッジ推論 |
| Shieldstral 1.0 | Mistral AI | 30億 | Apache 2.0 | 安全性・モデレーション |
Mistral「Shieldstral」、16GB GPU1枚で動く方針適応型セーフティモデル
Mistral AIは8月4日、30億パラメータのオープンウェイト安全性分類モデル「Shieldstral」を公開した。固定の有害カテゴリで判定する従来型のガードレールモデルと異なり、推論時に自然言語で書いたポリシーをそのまま質問として与え、テキストと画像を単一のインターフェースで評価できる点が特徴。
- 単体の16GB GPUで動作し、12言語に対応。重みはApache 2.0でHugging Faceから入手できる。
- Mistral側は、パラメータ数が7倍のモデル群を上回る精度を実現したと説明している。
- NVIDIAなどが参加する「Open Secure AI Alliance」の発足メンバーとしての位置づけも兼ねる。
出典: Mistral AI公式発表
Ollama v0.32.6、量子化チェックポイントの推論を高速化
ローカルLLM実行環境のOllamaは8月4日リリースのv0.32.6で、推論エンジン側の最適化を継続している。
- Appleシリコン向けMLXエンジンで、Qwen3.5モデルのMTP(マルチトークン予測)ヘッドを使った投機的デコードを自動的に有効化し、プリフィル速度を改善。
- 「ModelOpt」形式の量子化チェックポイントについて、グローバルスケールの乗算とキャストを1つのカーネルに融合し、オーバーヘッドを削減。M5 Max環境ではQwen3.6:27bで約7.9%、Muse Glimmer:30bで約6.7%のプリフィル高速化が確認されている。
/v1/chat/completionsのストリーミング応答形式をOpenAI互換に合わせるなど、周辺ツールとの相互運用性も向上した。
出典: Ollama v0.32.6 リリースノート(GitHub)
まとめ
クラウドAPI経由で使う大規模モデル(DeepSeek V4-Pro)、手元のノートPCで動く中規模モデル(Qwen3.8-27B)、そして安全性チェックに特化した小型モデル(Shieldstral)と、用途に応じてオープンウェイトモデルを使い分ける動きが鮮明になっている。それを支える実行基盤側でも、Ollamaのような推論エンジンが量子化・投機的デコードの改善を続けており、ローカルLLMの実用性は着実に高まっている。
主な情報源
- Hugging Face: DeepSeek-V4-Pro-0813
- DeepSeek公式ブログ
- Hugging Face: Qwen/Qwen3.8-27B
- VentureBeat: Qwen3.8-27B report
- Mistral AI: Introducing Shieldstral
- Ollama v0.32.6 Release Notes
各サービスは提供元の規約に従ってご利用ください。情報は各情報源の公開時点のものです。収集・要約はAI、公開判断は人。