AIモデル競争において、長らくデフォルトの仮定が存在した：パラメータが多い = 能力が高い。しかしIntelligence Indexの最新データはこの仮定を打ち破ろうとしている。
コアデータ
Qwen3.6 27BがGDPval-AAテストで1414 Eloを記録。この数字の意義：
| モデル | パラメータ | GDPval-AA Elo |
|---|---|---|
| Qwen3.6 27B | 27B | 1414 |
| DeepSeek V4 Flash | 284B (1.6T MoE) | 1414 |
| Meta Muse Spark | 未公開 | 1414 |
| Qwen3.5 27B | 27B | 1157 |
核心結論：Qwen3.6 27BはDeepSeek V4 Flashの10分の1未満のパラメータで全く同じスコアを達成。Qwen3.5 27Bと比較して257 Elo急増。
257 Eloの意味
Intelligence Index评价体系において、257ポイントの上昇は1世代のモデル迭代を跨越することに相当：
- GPT-4 → GPT-4o：約150-200 Elo
- Claude 3 Haiku → Sonnet：約100-150 Elo
- Qwen3.5 → Qwen3.6：257 Elo = 1世代の改善を超える
しかもこれはパラメータ不変（引き続き27B）で達成された。改善は完全に訓練方法、データ品質、アーキテクチャ最適化による——パラメータの積み上げではない。
なぜ重要なのか
1. 推論コスト革命
27Bモデルの推論コストは284Bモデルの約1/10。能力が同等なら：
- 自部署の閾値が大幅に低下（コンシューマーGPUで実行可能）
- API呼び出しコストが1桁低下
- エッジデプロイメントが「不可能」から「可能」に
2. オープンソースエコシステムの転換点
27Bのオープンウェイトモデルが数百億パラメータのクローズドモデルに匹敵するとき、「大企業しか良いモデルを訓練できない」という叙事が崩れ始める。
アクションアイテム
- モデル選定中の方へ：極端なパフォーマンス要件がない場合、Qwen3.6 27Bは現在最高のコストパフォーマンス選択肢の可能性
- エッジデプロイメント：27Bは現在RTX 4090（24GB）1枚でINT4量子化で実行可能な最大「トップクラス」モデル
- オープンソース動向追跡：Qwen3.6の訓練方法論は深入研究の価値あり——「より多くのパラメータなしでより良くする」技術方向を代表
パラメータ競争の次の段階は「誰が大きいか」ではなく**「誰がより効率的か」**。Qwen3.6 27Bはすでに答えを出した。