アリババのQwenモデルがOpenAIやGoogleと互角に。音声＆コーディングで世界トップ5入りした理由

「3冠」とは、以下の3つの主要評価トラック全てで中国勢トップを獲得したことを指します。

• ASR（音声認識）：音声をテキストに変換する精度
• Chat（音声対話）：音声によるエンドツーエンドの理解と自然な会話能力
• TTS（音声合成）：テキストから自然な音声を生成する品質

この成果は、突如として現れたものではありません。同ラボが以前に発表した「Fun-Realtime-ASR」と「Fun-Realtime-AudioChat」も、既に同一プラットフォームで世界トップの評価を獲得しており、アリババの音声AI技術の地力の高さを示しています 。

特に注目すべきは、複雑な中国語の方言や地域訛り（なまり）への対応力です。アリババの音声モデルは、これらの分野に特化したベンチマークにおいて、OpenAIやxAIといった欧米の競合を凌駕していると報告されています 。

また、2026年3月にリリースされたマルチモーダルモデルQwen3.5-Omni-Plusは、音声と映像の理解タスクにおいて215のベンチマークで最先端（SOTA）の結果を達成。特に一般的な音声理解、推論、翻訳においてGoogleのGemini 3.1 Proを上回ったと報告されています 。一方で、AIエージェントとしての複雑なタスク実行能力を測る「OmniGAIA」ベンチマークでは、Geminiに約12ポイントの差をつけられているなど、課題も残されています 。

コーディング分野：Qwen3.7-MaxがCode Arenaで世界4位に

2026年5月19日に発表されたQwen3.7-Maxは、リリースからわずか1週間で、コーディング能力を評価する主要ベンチマーク「Code Arena」のWeb開発（WebDev）部門において、Eloスコア1,541で世界第4位にデビューしました。これは、Anthropicの「Claude Opus 4.6 Thinking」にわずか1ポイント差に迫るスコアであり、OpenAIやGoogleの全てのモデルを上回る結果です 。

Reactを用いたフロントエンド開発タスクに特化したReactトラックでは、さらに順位を上げ、世界第3位（Elo 1,536）を記録しています 。一部のサブリーダーボードでは、瞬間的に2位に浮上したとの報道もあります 。

Code Arenaの総合ランキング上位を独占するのはAnthropicの「Claude Opus」シリーズであり、Qwen3.7-MaxはAnthropic以外で唯一、そして米国企業以外で唯一、トップ5に食い込んだモデルとなりました 。この成果は、複数ステップの推論とツール利用を必要とする「エージェンティックな」コーディングタスクにおいて、QwenがGPT-5.5やGemini 3.5 Flashといったモデルよりも高い実用的価値を人間の評価者から認められたことを意味します 。

その他の主要コーディング・推論ベンチマークでも、Qwenモデルは存在感を示しています。

• LiveBench: Qwen3 235B A22Bが**80.4%**を記録。OpenAIのo4 Mini High（87.3%）とDeepSeekのR1 0528（84.4%）に次ぐ世界3位です 。
• MMLU-Pro / GPQA-AA: Qwen3.5 397B A17BがMMLU-Proで87.8%、GPQA-AAでElo 1,495を記録。いずれも中国発のモデルとして最高スコアです 。

全体的なAI性能マップ：トップ集団が団子状態に

スタンフォード大学の2026年AI指標報告書が2026年3月時点でまとめた総合チャット性能（Arena Elo）のスナップショットは、上位ラボの実力が極めて接近していることを示しています 。

アリババは総合5位につけており、トップのAnthropicとの差は約50〜55ポイントです。報告書の執筆者たちは、この僅差の状況を指して、「企業間の競争圧力は、もはや純粋な性能競争から、コスト、信頼性、そして特定領域（ドメイン）での専門性能へとシフトしている」と分析しています 。

米中AI競争における本当の意味

これらのベンチマーク結果が突きつける現実は明確です。米中のトップAIモデル間の性能差は、もはや「ほぼ消滅した」と言ってよいレベルにあります。スタンフォードの報告書によれば、その差は2023年5月時点の17.5～31.6ポイントから、2026年3月には**わずか2.7%**にまで縮小。両国のモデルは「ベンチマークの首位を常に入れ替わりながら競っている」状態であり、2024年まで続いた「米国一強」時代とは明確に異なるフェーズに入っています 。

このキャッチアップが起きた背景は、非常にドラマチックです。同期間における米国のAIへの民間投資額は約2,859億ドルに対し、中国は約124億ドル。つまり、米国が約23倍の資金を投じながら、性能面でのリードをほぼ失ったことになります 。

アナリストたちは、この逆転現象の要因として、いくつかの構造的な強みを指摘しています。

• 中国発オープンソースの強力なエコシステム：QwenやDeepSeekのRシリーズのような高性能モデルがオープンソースとして公開されることで、世界中の開発者コミュニティが活発化し、それらのモデルを基盤とした実用的なツールが急速に生まれています。一部の戦略家は、安価な電力、積極的な設備投資、そしてオープンソース開発者の群れによって、中国がAIの「社会実装」において「大きな勝者」になる可能性を指摘しています 。
• 米国製半導体への依存脱却：DeepSeekがファーウェイ（Huawei）製の国産チップ上で動作する事実が示すように、中国のAI開発は、ワシントンによる先端半導体の輸出規制の影響を徐々に受けにくくなっている可能性があります。これは「ハードウェアの独立」とも呼ばれ、長期的な競争力を左右する要素です 。
• ドメイン特化の時代へ：アリババが音声・方言処理で優位に立ち、Anthropicがコーディングで支配的であるという構図は、AIの「最先端能力」がゼネラルパーパスな性能から、より専門的な領域での卓越性へとシフトしていることを示しています 。

ただし、認識を一つにすることはできません。例えば2026年のブルッキングス研究所の分析は、米国の最先端モデルは依然として「数カ月以上」のリードを保っており、特に大規模計算と長期的なエージェントタスクにおいて優位性が続いていると論じています 。米国議会での証言でも同様の見解が示されています 。

とはいえ、企業や開発者にとっての実用的な意味は明快です。AI市場は今、より多くの競争、より速い進化、より低価格な選択肢が生まれる、健全な方向へと向かっています。最先端のAIを活用したい場合、もはや選択肢は米国の一部企業だけに限られないのです 。