【ローカルLLM検証_モデル編#1】Qwen3.8:27Bを入れて、Qwen3.6:27Bと比較してみた

ローカルLLM

　Xで最新ポストのキーワードとして出てきていたので、早速軽く使ってみました

インストール

　いつものようにOllamaに入れます

ollama run qwen3.8:27B

入りましたね

psとshowで中身を確認

psの結果
　SIZEが17GBなのでVRAM32GBにはさほど重たくなさそうです

PS C:\Windows\system32> ollama ps
NAME           ID              SIZE     PROCESSOR    CONTEXT    UNTIL
qwen3.8:27B    22130167c4c2    17 GB    100% GPU     32768      3 minutes from now

showの結果
　私がまだ勉強中なのです詳細はわからないのですが、が量子化4Bitであることは確認できますね
　あとQwen3:32Bよりコンテキスト長が大きい・・・？

　PS C:\Windows\system32> ollama show qwen3.8:27B
  Model
    architecture        qwen35
    parameters          27.3B
    context length      262144
    embedding length    5120
    quantization        Q4_K_M
    requires            0.32.12

  Capabilities
    completion
    vision
    tools
    thinking

  Projector
    architecture        clip
    parameters          460.73M
    embedding length    1152
    dimensions          5120

  Parameters
    temperature          1
    top_k                20
    top_p                0.95
    draft_num_predict    4
    min_p                0
    presence_penalty     0
    repeat_penalty       1

  License
    Apache License
    Version 2.0, January 2004
    ...

WebUIで動かしてみる

＞私

面白い雑学を教えてください！

＞Qwen3.8:27B

面白い雑学をいくつかご紹介します！

---

### 🦎 トカゲは「自分の尾」を食べる
トカゲが敵に追われたとき、尾を捨てて逃げるのは有名ですが、実は**脱げた尾を自分で食べて栄養を補給する**ことがあります。

### 🧠 蜂蜜は「腐らない」
紀元前のエジプトの墓から**3,000年以上前の蜂蜜**が掘り出されて、それでもまだ食べられる状態だったという記録があります。水気が少なく、酸性が高いため細菌が繁殖できないからです。

### 🌍 月は地球から「遠ざかっている」
月は毎年約**3.8cm**地球から遠ざかっています。1億年前には、月がもっと大きそうに見えていたんですね。

### 🐄 牛には「親友」がいる
牛は集団の中で特定の牛を「親友」として選び、その牛がそばにいないと**不安になって心拍数が上がる**ことが研究で確認されています。

### 🍌 バナナは「ちょっと放射性」がある
バナナにはカリウム（カリウム40という放射性同位体）を含んでいます。ただし、その量はごくわずかなので全く心配はいりません！

---

もっと気になるテーマ（動物、宇宙、歴史など）があれば、そこからさらに探してよかったですよ 😄

　レスポンスはかなり良好です。下記のとおり1秒未満の思考。初回のモデルの読み込みも遅くはなかったです。

AIエージェントとは何か聞いてみる

＞私

AIエージェントとは何でしょうか？

＞Qwen3.8:27B

# AIエージェントとは？

AIエージェント（AI Agent）とは、**人間の指示を一度与えたら、それ以降は自律的に目標に向かって判断・行動できるAIシステム**です。

## 基本的な仕組み

1. **目標の理解** – ユーザーの意図やタスクを把握する
2. **計画の立案** – 達成のために必要なステップを自分で組み立てる
3. **ツール・情報の利用** – 検索、コード実行、API呼び出し、ファイル操作などを使う
4. **結果の評価と反復** – 出力を確認し、不十分なら修正・再実行する

## 従来のAIとの違い

| | 従来のAI（例: 単純なチャット） | AIエージェント |
|---|---|---|
| 行動範囲 | 1回の質問→1回の回答 | 複数ステップを自律的に実行 |
| 外部操作 | なし（テキスト出力のみ） | ツール呼び出し・コード実行・ファイル操作 |
| 自己判断 | 少ない | 結果に応じて次の行動を自分で決める |

## 身近な例

- **コーディングエージェント**：「このバグを直して」→ 原因調査・修正・テスト実行まで自動
- **リサーチエージェント**：「競合の価格調査して」→ Web検索・比較表作成
- **スケジュールエージェント**：「来月の会議を調整して」→ カレンダー確認・空き時間提案・招待作成
- **RPA＋AI**：請求書処理、データ入力の自動化

## 一言でまとめると

> AIエージェント = **「目的を与えれば、自分で考えて・動いて・結果を出す」AI**

従来のAIが「聞いて→答える」の対話型だったのに対し、エージェントは「やらせて→勝手に完遂する」実行型です。

---

特定の分野（プログラミング、業務自動化、研究用途など）について、より詳しく知りたい点はありますか？

　結構ちゃんと答えてくれてるみたいです。思考時間も1秒未満

💻 ローカルLLMでは容量が大きいグラフィックボードが必須です！

Qwen3.6:27Bと比較（ゼロショット）

　同じ質問を最近使っているQwen3.6:27Bにしてみました。
　3.6は18GBなので表示上は1GB程度3.8が軽くなっていますね

＞私

AIエージェントとは何でしょうか？

＞Qwen3.6:27B

AIエージェント（Artificial Intelligence Agent）とは、単に指示を待つのではなく、**「自分の目で見て・耳で聞いて（状況認識）、頭で考えて（判断）、自ら動いて目標を達成しようとする（行動）」**自律性の高いソフトウェアやシステムのことです。

通常のAIが「質問されたら答える」受動的な役割であるのに対し、エージェントは「何をしていいか自分で判断して動く能動的な存在」に近いと言えます。

具体的には、以下のような特徴があります。

### 1. AIエージェントの3つの核心要素
*   **認知（Perception）**: センサーやカメラ、あるいはテキスト入力を通じて、外部環境や自身の状態を把握します。
*   **判断（Reasoning）**: 現在地と目標を比較し、「次にどうすればいいか」を考えます。
*   **行動（Action）**: 考えて得た結果を実行します（例：メールを送る、検索する、ロボットアームを動かすなど）。

### 2. 具体的な例
*   **自律型ドローンや掃除ロボット**: 障害物を感知して進路を変え、部屋全体を掃除します。
*   **チャットボット（高度なもの）**: 単に「いいよ」と答えるだけでなく、「明日の天気は雨だね。傘を持ってくる必要がある？」と判断し、ユーザーの予定を確認したり、リマインダーを設定したりします。
*   **自動運転車**: 周りの車や歩行者を認識し、停止・発進・方向転換などをリアルタイムで判断して行います。

### 3. なぜ今注目されているのか？
従来のAIは「指示されたタスクを正確にこなす」ことが得意でしたが、エージェントは**「目標だけを伝えれば、細かい手順や計画も自分で立ててゴールまで到達する」**ことを目指しています。これにより、人間が複雑な手続きを行っていた部分を代行してくれる存在として期待されています。

　3秒の思考になっています。3.8のほうが早い・・・？

レスポンスの比較

　レスポンスの違いがあるのか？同じ質問を連続で5回ずつしてみました。
質問：「AIエージェントとは何でしょうか？」

結果が下記なのですがQwen3.8:27Bがかなり早いです

Qwen3.6:27BQwen3.8:27B
1回目3秒1秒未満
2回目13秒1秒未満
3回目14秒1秒未満
4回目12秒1秒未満
5回目28秒1秒未満

結果の簡易比較

　事細かには見れませんが、Qwen3.8:27Bの出力結果が図表を表現して工夫しているように見えます（下図）
Qwen3.6:27Bではこの傾向は見られませんでした。精度というより創造性が上がっているのでしょうか？

　さらにチャットの文章量を見ると明らかにQwen3.8:27Bの方が多いので、より詳しい回答をしてくれているようです
各モデルの最後の回答を載せておきます

Qwen3.6:27B

「AIエージェント」という言葉を一言で言い換えるなら、**「思考」＋「行動」ができるAI**です。

それまでの説明と違う切り口で、**「脳（頭）」と「手足」**の例えを使って説明します。

### 1. 「頭のいい辞書」 vs 「動き回るロボット」
これまでのChatGPTなどのAIは、どんなに賢くても**「瓶の中で思考する脳」**のような状態でした。知識は豊富でも、外部の世界には干渉できません（メールを送ったり、Webを検索したりすることは本来できません）。

これに対し、**AIエージェント**はその脳に**「手足（ツール）」をつけたロボットのような存在**です。
*   **目・耳（認識）**: 画面の表示やデータを読み取る。
*   **手・足（行動）**: キーボードを打つ、マウスをクリックする、検索ボタンを押す、ファイルを保存するなど、具体的な操作を行う。

### 2. 具体的には何が違うのか？
「明日の旅行でホテルを予約して」と頼んだ場合：

*   **従来のAI（脳のみ）**: 「おすすめのホテルはAとBです。予約するにはこのウェブサイトに行ってください」と**情報だけを伝える**。
*   **AIエージェント（脳＋手足）**: 検索エンジンを使って情報を集め、ブラウザを開いて予約サイトに入り、日時を選択し、決済画面まで進めて**実際に行動を起こす**。

### まとめ
つまり、AIエージェントとは、**「指示された仕事を『教えて』くれるだけでなく、『やっちまえ』と頼めるようになったAI」**のことです。

Qwen3.8:27B

## AIエージェントとは

**「目的を渡すと、自分で考えて・調べて・実行して、成果物まで持ち帰ってくれるAI」** です。

---

### 従来のAIとの違い（一言で）

| | 従来のAI（チャットbot） | AIエージェント |
|---|---|---|
| 役割 | 質問に**答える** | 目標を**達成する** |
| 行動範囲 | テキスト生成のみ | 外部ツール・API・環境と**やり取りする** |
| 失敗時 | その場で止まる | 結果を見て**再計画→再実行** |

---

### 4ステップのループで動く

```
  ① 感知 ──→ ② 計画 ──→ ③ 実行 ──→ ④ 反省
    ↑                                      │
    └─────────── 失敗ならもう一度 ──────────┘
```

1. **感知（Perceive）**：ユーザーの指示・環境情報を取り込む
2. **計画（Plan）**：大目標を小タスクに分解し、順序を決める
3. **実行（Act）**：ブラウザ操作、コード実行、API呼び出し等を自分でやる
4. **反省（Reflect）**：結果が目的に合ってるか検証。ダメなら②に戻る

---

### 身近な例

> **「来週木曜にチーム会議を予定して、全員にメールを送って」**

- **チャットAI** → 「件名は何にしますか？」（止まる）
- **AIエージェント** → カレンダー確認 → 空き時間特定 → 日程作成 → メール送信 →「14:00〜14:30で設定しました」（**全部自分で完結**）

---

### 技術的な骨格

```
┌──────────────────────────────────┐
│  LLM（推論の「脳」）             │
├──────────────────────────────────┤
│  Planner（タスク分解）            │
│  Tool Use（ツール・API操作）      │
│  Memory（短期/長期の記憶）        │
│  Reflection（自己評価・修正）     │
└──────────────────────────────────┘
```

- **LLM** = 脳（判断・推論）
- **外部ツール** = 手足（ブラウザ、シェル、API等）
- **メモリ** = 記憶（文脈や過去の学習を保持）

---

### 人間との関係

- **完全自律型**：人間の介在なしで完結（例：夜間のデータ処理）
- **Human-in-the-loop**：重要な操作の前に「これで進めていい？」と確認（例：メール送信、決済、DB変更）

---

### 一言で

> **「"何を"を教えるのではなく、"何をしてほしいか"（目的）を渡せば、どうやるかを自分で決めて、手を動かし、結果まで届けてくれるAI」**

---

特定の用途（開発、業務自動化、研究、ゲーム等）での活用について、さらに詳しく知りたい場合はお気軽にどうぞ！

まとめ

　今回はQwen3.8:27BとQwen3.6:27Bを比較しました
下記が簡単に使ってみた私の感触です

  • 速度　　Qwen3.8:27B　＞　　Qwen3.6:27B
  • 創造性　Qwen3.8:27B　＞　　Qwen3.6:27B
  • 精度　　Qwen3.8:27B　＞＝　Qwen3.6:27B　

新しいモデルが出たらとりあえず入れて試すのがよさそうですね～

📒 noteでローカルLLM実装マップを公開しています

【ローカルLLM実装マップ】～自分のPCでAIを動かす仕組みを4層で解説～｜ぼの＠一番やさしい図解
🎯導入 この記事では、「自分のPCでLLM（大規模言語モデル）を動かす」ための全体像を、4つの層に分けて図解します。ChatGPTやClaudeに慣れた人でも、ローカルLLMの実装が「どんなパーツで構成されているのか」を一目で理解できるよう…
note.com

おまけ

　ついでにこの記事のメタディスクリプション（説明文）を作成してもらいました。単純に前章までの文章とメタディスクリプションを作ってください・・・のみを渡します。

結果　
速度は5秒、早いっす。そして提案の仕方もよい？

## メタディスクリプション（候補）

**推奨（約120文字）**

> Ollamaで話題のQwen3.8:27Bを実際に使ってみたレビュー。Qwen3.6:27Bと比較すると速度が大幅向上（1秒未満）、出力の創造性も高い。17GB・262KコンテキストでVRAM 32GBに快適動作。実出力例と速度比較表付き。

**やや短め（約95文字）**

> Xで話題のQwen3.8:27BをOllamaで試してみた。Qwen3.6:27Bと速度・創造性・精度を比較。1秒未満のレスポンスと図表活用した出力が魅力の実機レビュー。

**SEO寄りでキーワード多め（約130文字）**

> Qwen3.8:27Bレビュー｜Ollamaインストール手順・ollama ps/showで仕様確認・WebUIでの出力テスト・Qwen3.6:27Bとの速度比較（1秒未満 vs 最大28秒）・創造性・精度の違いをまとめました。

---

### 選び方の目安

| 用途 | 候補 |
|---|---|
| 自ブログの `<meta>` タグ（Google 検索 snippet 想定） | **推奨** |
| SNS 投稿の概要・X のスレッド本文 | やや短め |
| 技術系ブログで検索流入を狙う | SEO寄りでキーワード多め |

---

### 補足ポイント

- 記事の「まとめ」の結論（速度＞、創造性＞、精度＝）を前半に置くと、検索結果でクリックされる率が上がります。
- 「Qwen3.6:27Bとの比較」は記事の核なので、どの候補にも入れています。
- 文字数は日本語 120〜160 文字前後が Google での表示切れになりにくい幅です。

そのまま `<meta name="description" content="...">` に貼って使える形でご用意しました。微調整（固有名詞の書き方、語尾のトーンなど）があれば言ってください。

　推奨を使ってみますｗ

コメント

タイトルとURLをコピーしました