Qwen 3.5コーディング支援ベンチマーク — 9B/27B/35B MoEを実務タスクで比較した結果

はじめに

Qwen 3.5シリーズには、9B Dense、27B Dense、35B A3B（MoE）の3つのモデルがある。ローカルLLMとしてコーディング支援に使う場合、どのモデルが最適なのか？MacBook Pro（M1/M2 Max 64GB）でmlx-lm.serverを使い、実際にTodoアプリのコード生成タスクで比較検証した。

テスト環境

比較したモデル

速度ベンチマーク結果

まず、思考モードOFFでの速度を比較した。

MoEアーキテクチャの35B A3Bが圧倒的に速い。35Bという名前だが、実際に活性化されるのは3Bのみ。これにより、9B Denseより高速に動作する。

思考モードON/OFFの比較

Qwen 3.5は「思考モード」を持ち、回答前に推論プロセスを実行できる。思考ON/OFFでコード品質がどう変わるか検証した。

発見1: MoE（35B A3B）は思考ONで品質向上

35B A3Bは思考ONにすると品質が88点→93点に向上。しかも速度は68.6 tok/sを維持し、9B思考ONより速い。MoEの真価がここで発揮された。35Bの知識を持ちながら、3B活性化で高速処理できる。

発見2: Denseモデル（9B）は思考ONで劣化

9B Denseは思考OFFで93点だが、思考ONにすると85点に低下。思考が冗長になりすぎ、本来の回答品質を損なう結果となった。Denseモデルは思考OFFで使うべきという結論に至った。

発見3: 27Bは過大評価だった

当初27Bを95点と評価していたが、再評価で78点に下方修正。「教科書的にきれいなコード」ではあるが、削除確認ダイアログや空リスト表示など、実務で必要な配慮が欠けていた。

コード品質の詳細評価

100点満点で各項目を採点した。

27Bは「コメントが丁寧」「関数分離が明確」という点で高評価だったが、削除確認がない（-10点）、空リスト表示がない（-5点）という実務上重要な機能が欠けていた。

35B A3B思考ONのコード例

35B A3B思考ONが生成したTodoアプリの特徴的な部分を抜粋する。

CSS変数による保守性

:root {
    --primary-color: #4a90e2;
    --bg-color: #f4f4f9;
    --danger-color: #e74c3c;
}

削除確認ダイアログ

function deleteTodo(id) {
    if(confirm('このタスクを削除しますか？')) {
        todos = todos.filter(todo => todo.id !== id);
        saveTodos();
    }
}

イミュータブルな状態更新

function toggleTodo(id) {
    todos = todos.map(todo => {
        if (todo.id === id) {
            return { ...todo, completed: !todo.completed };
        }
        return todo;
    });
    saveTodos();
}

用途別おすすめモデル

推奨構成

MacBook Pro 64GBでの最適な構成は以下の通り。

27B Denseは削除して14GB節約。MoEの35B A3Bがあれば27B Denseの出番はない。

まとめ

• 35B A3B（MoE）が総合最強：35Bの知識を持ちながら3B活性化で高速。思考ONで品質も向上
• 9Bは思考OFF専用：思考ONにすると劣化。Denseモデルの特性
• 27Bは不要：速度が遅く、品質も35B A3Bに劣る。削除して14GB節約

MoEアーキテクチャの真価を実感した検証だった。「大きなモデルの知識」と「小さなモデルの速度」を両立できるMoEは、ローカルLLMの実用性を大きく高める技術といえる。