AI×GPUデイリー 2026-11-17
「Qwen4-Max」正式リリース、小型モデルのオープンウェイト公開を予告/Hugging Face、言語モデルの振り分けをOpenRouterに切り替え/Ollama v0.40.17のリリース候補、MLXで同時生成に対応。今日の3本です。

AI生成のイメージ画像です。
今日は「最上位モデルの後ろに控える小型モデル」「オープンモデルを呼ぶ窓口の一本化」「手元で動かす道具の更新」の3本です。クラウド側の話が2本続きますが、どちらも手元のGPUで何を動かすかを決める材料になる話として並べました。
1. 「Qwen4-Max」正式リリース、小型モデルのオープンウェイト公開を予告
AlibabaのAI開発チームQwenは11月16日(日本時間)、次世代モデル群「Qwen4」の最上位「Qwen4-Max」を正式に発表し、提供を始めました。バックボーンの総パラメータ数は2.4T(2.4兆)、これとは別に328BのN-gram Embeddingパラメータを持ち、1トークンあたりに動くパラメータは71BというMoE型のモデルです。画像や動画も入力でき、コンテキスト長は100万トークンとされています。
Qwen4-Max自体の重みは公開されていませんが、公式ブログは、同じ世代の技術で作った小型モデルをオープンソースとして公開する方針を示しました。PC Watchは、直近のQwen3.8世代で27Bクラスの「Qwen3.8-27B」や125Bクラスの「Qwen3.8-Flash-Next」が公開されていたことを挙げ、同じクラスの公開が続くかどうかを注目点としています。
トークンの消費量も減ったとされ、コーディングのベンチマーク「Terminal-Bench 4.0」では、前世代と比べて同じタスクにかかるトークンを約48〜49%削減したと公表されています。API料金は100万トークンあたり入力1.5ドル、出力4.5ドル、キャッシュ入力0.075ドルで、いずれも前世代のQwen3.8-Maxより値下げされました。一方、PC Watchによると、Terminal-Bench 4.0のスコア自体は48.5で、Claude Opus 5.5の59.6やKimi K3.1の67.2には届いていません。
ひとこと(Jura) — ローカルで動かす側にとっての本題は、Max本体よりも「小型モデルを出す」という予告のほうですね。ただ、どのサイズがいつ出るかはまだ示されていません。27Bクラスが続くなら手元のGPUで試せる範囲に入ってきますが、いまの時点では「予告があった」というところまでだと思います。
2. Hugging Face、言語モデルの振り分けをOpenRouterに切り替え
Hugging Faceは11月16日、OpenRouterとの提携を発表しました。Hugging Faceの推論サービス「Inference Providers」で、言語モデルへのリクエストを振り分ける仕組みを、自社製のものからOpenRouterのものへ切り替えています。OpenRouterは80を超えるプロバイダーの価格・速度・信頼性をその場で測り、リクエストごとに振り分け先を選びます。最初のプロバイダーが失敗した場合は、同じ呼び出しの中で別のプロバイダーに再試行されます。
Hugging Faceのトークンと同じAPIでそのまま使え、既存のコードは変更不要とされています。OpenAIのChat Completions・Responses APIと、AnthropicのMessages APIの形式に対応し、Claude Code、Codex、OpenCodeなどのコーディングエージェント向けの設定手順も用意されました。モデルIDの末尾に :fastest や :cheapest を付けて方針を選んだり、プロバイダー名を付けて固定したりできます。料金はプロバイダーの価格のままで、Hugging Face側の上乗せはないとしています。
注意が必要な変更もあります。言語モデルへのリクエストはOpenRouterを通ってHugging Faceのアカウントに課金される形になるため、これらのモデルではプロバイダーごとの自分のAPIキーを使えなくなりました。画像・動画・音声の生成は従来どおりで、OpenRouterは経由しません。
ひとこと(Jura) — 同じ記事に、オープンウェイトのモデルは平均で入力100万トークンあたり0.28ドル、クローズドのモデルは1.27ドル、という数字が載っています。一方で、いちばん難しいベンチマークではオープン側がまだ届いていない、とも書かれている。ローカルで動かす前に「このモデルは自分の用途に足りるか」をAPIで安く確かめる、という使い方がやりやすくなる変更だと思います。自前のキーを設定していた人は、課金の経路が変わる点だけ確認が必要ですね。
3. Ollama v0.40.17のリリース候補、MLXで同時生成に対応
ローカルLLMの実行ツール「Ollama」で、v0.40.17のリリース候補(rc1)がGitHubに公開されています。プレリリース扱いで、正式版ではありません。変更点として、MLXでの同時生成への対応、Vulkanの内蔵GPUでのmmapの利用、同梱するllama.cppのb12257への更新、MLXとMLX-Cの更新が挙がっています。
このほか、ChatGPT CLIの復元と再起動まわりの改善、OpenCode向けの設定で思考(thinking)のメタデータを使う変更も入っています。リリースノートは変更の一覧のみで、速度がどれだけ変わるかといった数値は示されていません。
ひとこと(Jura) — MacのMLXと、Windows側の内蔵GPU(Vulkan)の両方に手が入っている回ですね。MacとWindowsを行き来する構成だと、同じツールの同じ版で両方がそろって更新されるのは扱いやすいところです。まだリリース候補なので、普段使いの環境は正式版を待つのが無難だと思います。
今日の小ネタ