Qwen 3.5 27B Dense＆35B-A3B MoE完全ガイド — DFlash高速化で24GB GPUの限界を突破【2026年版】

Qwen 3.5 27B DenseおよびQwen 3.5-35B-A3B MoEは、Alibaba Qwenチームが2025年後半に公開したQwen 3.5シリーズの上位モデルです。Apache 2.0ライセンスで商用利用も無制限に可能。27B Denseは全27Bパラメータが推論時に常時アクティブとなる密なアーキテクチャで、翻訳・ストーリーテリング・複雑な推論において安定した高品質な出力が特徴です。一方の35B-A3B MoEは総パラメータ35Bながら推論時にアクティブなのは3Bのみのスパース設計で、5倍超の推論速度を実現します。どちらもRTX 3090/4090（24GB VRAM）で快適に動作する、現時点でローカル実行可能な最大級のオープンLLMです。

Ollamaを使えば数コマンドでQwen 3.5の27B/35B-A3Bを実行できます。まずOllama公式サイト（ollama.com）からインストーラーをダウンロードし、セットアップ後に以下のコマンドを実行してください。

# 27B Dense
ollama run qwen3.5:27b

# 35B-A3B MoE
ollama run qwen3.5:35b-a3b

# 量子化レベル指定（VRAMが限られる場合）
ollama run qwen3.5:27b-q4_K_M

モデルのダウンロードには27Bで約16GB、35B-A3Bで約20GBのディスク容量が必要です。初回起動時はダウンロードに10〜30分程度かかります。

24GB VRAMユーザーは27BならQ4_K_M、35B-A3BもQ4_K_Mを選ぶのが定番の選択です。品質と速度のバランスが最も優れています。

DFlashはブロック拡散ベースの投機的デコーディング（Speculative Decoding）です。従来のLLMは1トークンずつ逐次生成（自己回帰）するのに対し、DFlashは軽量な拡散モデルが複数トークンを並列で生成し、本体モデルが検証・採用するアーキテクチャを採用します。この手法により、従来最強とされていたEAGLE-3を2.5倍上回る高速化性能を実現。特にMoEモデルとの組み合わせでその効果が顕著で、Qwen 3.5-35B-A3BにDFlashを適用すると通常150 tok/sから最大420 tok/sに達するケースも報告されています。

DFlashはモデルが軽いほど（アクティブパラメータが少ないほど）効果が大きく、9Bで最大3.5倍、35B-A3Bでも2〜2.8倍の高速化が期待できます。

現時点でDFlashはvLLMおよびSGLangから利用可能です。llama.cppでは導入に向けた議論が進んでいますが（GitHub Issue #21569）、まだ実装には至っていません。OllamaはllLama.cppを内部で使用しているため、llama.cpp対応が完了するまでOllamaからのDFlash利用は待機が必要な状況です。vLLMを使う場合は以下の手順で導入できます：vLLMをインストール後、`--speculative-model`フラグにDFlash拡散モデルを指定して起動するだけで有効化されます。サーバー用途やバッチ処理では今すぐ恩恵を受けられます。

全パラメータが常時アクティブなDenseアーキテクチャは、推論の「安定感」と「一貫性」において依然として優位性があります。翻訳・ストーリーテリング・複雑な多段推論といったタスクでは、MoEに比べて出力のばらつきが少なく、特に業務文書・技術文書の作成で顕著な差が出ます。速度よりも1回の出力の精度を重視するユーザーや、応答品質のブレを嫌うプロダクション用途では27B Denseが今も最有力候補です。

3Bアクティブパラメータで実現する約5倍の推論速度は、チャットボット・リアルタイム応答・大量バッチ処理において圧倒的なアドバンテージです。同じ24GB GPUで27B Denseが30〜50 tok/sなのに対し、35B-A3Bは150 tok/s以上を達成。DFlashを適用すれば最大420 tok/sも視野に入り、クラウドAPIに匹敵するスループットをローカルで実現できます。速さが競争力に直結するプロダクトや、複数ユーザーへの同時対応が必要な場面では35B-A3Bが最適解です。

Qwen 3.5シリーズは201言語に対応しており、日本語のサポートは特に充実しています。27B Denseは日本語翻訳・ビジネス文書・技術文書の作成で9Bを大幅に上回る品質を発揮し、実務投入が十分可能なレベルに達しています。社内ドキュメントの自動作成・英日翻訳・メールドラフト生成などのユースケースでは、クラウドAPIと遜色ない出力品質が得られます。データをクラウドに送りたくない企業にとって、オンプレミスで27Bが動作することは大きな意義を持ちます。

1つでも右列に該当するなら、27Bまたは35B-A3Bへのアップグレードを検討する価値があります。

APIに月3万円以上支払っている場合、RTX 4090一枚（約25万円）の投資は3ヶ月以内に回収できる計算です。機密データ保護の観点でもローカル運用は強力な選択肢です。

DFlashのllama.cpp統合が実現すれば、Ollama経由で誰でも簡単に2〜3倍の高速化を享受できるようになります。GitHub上の議論は活発で、2026年中の実装が期待されています。また、AlibaaのQwen 3.6についてはオープンウェイト版の計画が示されており、27B/35Bクラスの次世代モデルがリリースされれば、ローカルLLMの品質はさらに向上します。現時点でのQwen 3.5 27B/35B-A3Bは、オープンモデルの最前線に位置しており、今後も注目すべきシリーズです。

Q1: 27Bと35B-A3B、どちらを選べばよいですか？ 品質・安定性を重視するなら27B Dense、速度・スループットを重視するなら35B-A3B MoEを選んでください。翻訳や業務文書には27B、チャットボットやバッチ処理には35B-A3Bが向いています。 Q2: RTX 3060（12GB）で動きますか？ 27BはQ4_K_Mでも約16.1GBのVRAMが必要なため、12GBのRTX 3060では動作しません。9B（Q4: 約5.1GB）を推奨します。 Q3: Mac mini M4（16GB）で動きますか？ 27BはQ4_K_Mで約16.1GB必要なため、16GBモデルではほぼVRAMが限界になり非常に動作が遅くなります。9Bの方が快適です。M4 Pro（24GB）以上であれば27Bも実用的に動作します。 Q4: DFlashは今すぐ使えますか？ vLLMまたはSGLangを使っている場合は今すぐ利用可能です。OllamaやCLIのllama.cppはまだ未対応です。 Q5: 9Bから27Bにすると品質はどれくらい上がりますか？ 翻訳・複雑な推論・文書生成で体感20〜30%の改善が見込めます。特に日本語の長文翻訳や業務文書では差が顕著です。 Q6: 商用利用は可能ですか？ Apache 2.0ライセンスのため完全に自由な商用利用が可能です。プロダクトへの組み込みや社内ツールへの適用に制限はありません。 Q7: Qwen 3.6のオープンウェイト版はいつ出ますか？ Alibaba側からはオープンウェイト版の計画中という発表がありましたが、具体的なリリース時期は2026年4月現在まだ未定です。

Qwen 3.5 27B/35B-A3BのローカルRAG構築・社内AI基盤の設計・DFlashを活用した高速推論環境の整備など、AIインフラの導入・運用でお困りの場合はOflightのAIコンサルティングサービスにご相談ください。品川区・港区・渋谷区を中心に、全国対応でご支援しています。→ AIコンサルティングサービスを見る