DeepSeek と Qwen の実力検証 — 中国オープンソース AI を日本の実運用で使う指針

社内の長文バッチ処理を Claude Sonnet で回していたら API 請求が月数十万円に伸びていた、という場面を想像してください。同じ処理を 10 分の 1 のコストで、しかも必要ならローカルで動かす選択肢が、2025 年以降は本当に現実的になりました。中国系のオープンウェイト大規模言語モデルがそれを可能にしています。

2025 年 1 月、DeepSeek V3 と R1 が公開されたとき、米系 AI 業界に衝撃が走りました。

性能は GPT-4 / Claude 3.5 Sonnet と同等
学習コストは公称 557 万ドル（GPT-4 の 1/100 とも言われる）
モデルの重みを MIT ライセンスで公開するオープンソース
API 価格が OpenAI の 1/10 という推論コスト

Nasdaq が 1 日で 1 兆ドル下落し、Nvidia の時価総額が 6000 億ドル蒸発する騒ぎになりました。「中国の AI は 2 年遅れ」という常識が、たった 1 本のモデル公開で崩れた瞬間でした。

あれから 1 年半、本稿では 2026 年 10 月時点での中国系モデルの実力、Alibaba の Qwen を含めた位置づけ、米系との実運用での差、日本から使うときの選択肢と注意点を整理します。

DeepSeek — 2025-2026 年の軌跡

DeepSeek V3 / R1（2025 年 1 月）

V3 は一般汎用モデルで、GPT-4 相当の性能を出した
R1 は推論特化で、OpenAI の o1 に匹敵する「考える」挙動を見せる
両方ともモデル重みを公開しており、ローカルで動かせる（ただし 671B パラメータなので GPU クラスタが必要）

ここで衝撃だったのは、GPT-4 や Claude 3 のような閉じたフロンティアモデルと、ほぼ同性能のオープンウェイトモデルが無料で手に入ったことです。「数億円かけて fine-tune するなら、DeepSeek を蒸留する」という流れが生まれました。

DeepSeek V3.5 / R2（2025 年中盤〜後半）

画像入力に対応するマルチモーダル化
コンテキスト窓を 128K から 256K へ拡張
推論速度の改善

GPT-5 や Claude Opus 5 が出てからはトップ性能に差がついたものの、性能と価格の比では依然として最強クラスを維持しています。

DeepSeek R2（2026 年前半、噂）

ベンチマークで GPT-5 / Claude Opus 5 に肉薄するとされますが、公開は執筆時点では未定です。

Qwen（Alibaba）— もう一つの中国系モデル

DeepSeek ほど派手な話題にはなっていませんが、Alibaba の Qwen シリーズも 2024-2026 年に大きく伸びました。

Qwen3 シリーズ（2025 年）

Qwen3-72B は一般汎用
Qwen3-Coder はコーディング特化
Qwen3-VL はマルチモーダル（vision-language）
Qwen3-Omni は音声・動画を含むオムニモーダル

モデルサイズのバリエーションの広さが特徴です。0.5B から 235B までが全てオープンウェイトで、ローカル実行の選択肢が広く取れます。

Qwen3 のコーディング性能

HumanEval / SWE-Bench で、Qwen3-Coder（235B）は Claude Sonnet 3.5 相当のスコアを出しています。しかもローカルで動かせます。GPU メモリ 48GB 程度の環境なら量子化版が動きます。

2026 年現在、「個人の M3 Max MacBook で Qwen3-Coder を動かし、Claude Code の代わりに使う」エンジニアも増えています。

米系モデルとの実運用での差

ベンチマークではなく、日本語の実運用で比べたときの体感を書きます。

日本語の自然さ

	日本語の読み書き
Claude Opus 5 / Sonnet 5	◎ 自然、慣用句も OK
GPT-5	◎ 自然
Gemini 3 Pro	○ 自然だが時々翻訳調
DeepSeek V3.5	○ 以前より改善、ネイティブに近い
Qwen3	△ 文脈は取るが、文体が若干中国語寄り

日本語の商用クオリティでは、まだ米系が優勢です。ただし DeepSeek は 2025 年中に大きく改善しました。

コーディング性能

	Python / TypeScript	SWE-Bench
Claude Opus 5	◎	70% 超
GPT-5	◎	65% 超
DeepSeek V3.5	○	55%
Qwen3-Coder	○	50%

シンプルなタスクなら中国系モデルで十分です。複雑な複数ファイル修正や、既存アーキテクチャに沿った実装では米系が依然リードしています。

推論コスト（API）

	入力（$/M）	出力（$/M）
Claude Sonnet 5	$3	$15
GPT-5	$5	$20
DeepSeek V3.5	$0.3	$1.5
Qwen3-Max	$0.5	$2

価格には 10 倍の差がついています。長文の処理やバッチジョブでは、中国系モデルの経済性が決定的になります。

オープンウェイトであることの意味

1. ローカル実行できる

GPU さえあれば、API に依存せず動かせます。

DeepSeek V3（671B）は A100/H100 × 8 枚程度
Qwen3-32B は RTX 4090 × 2 枚程度
Qwen3-7B は Mac M3 Max 1 台

2. ファインチューニングできる

企業の独自データで追加学習できます。GPT-5 や Claude には（API 経由で限定的な）fine-tune しか提供されていません。

3. データが外に出ない

ローカル実行なら、プロンプトも応答もネットワークに出ません。機密性の高い用途で選ばれます。

4. ベンダーロックインが弱い

Hugging Face からダウンロードした重みは、プロバイダに縛られません。API ベースのクローズドモデルとは根本的に違います。

日本から使うときの選択肢

1. API 経由で使う

DeepSeek の公式 API は platform.deepseek.com でクレカ登録して利用できます
Alibaba Cloud の Qwen API は dashscope.aliyun.com から契約でき、日本からの契約も通ります
Together AI / Fireworks / Replicate を経由すれば、米国のホスティング越しに DeepSeek や Qwen を呼べます。データが中国に出ないので企業向きです

2. ローカルで動かす

Ollama（ollama.com）は 1 行コマンドで Qwen / DeepSeek / Llama を落として実行できます
LM Studio は GUI でモデルを選んで実行できます
vLLM / TGI は GPU サーバ上での高性能ホスティングに向きます

Mac で手軽に試すなら:

brew install ollama
ollama run qwen3:7b

これで Qwen3 7B が動きます。コンテキスト 32K、普通の対話なら十分使えます。

3. Claude Code / Codex で中国モデルを呼ぶ

Claude Code や MulmoTerminal は、OpenAI 互換 API エンドポイントを設定することで、DeepSeek や Qwen の API を使えます。

// ~/.claude/providers.json
{
  "deepseek": {
    "apiEndpoint": "https://api.deepseek.com/v1",
    "apiKey": "sk-...",
    "models": ["deepseek-chat", "deepseek-coder"]
  }
}

これで Claude Code のインタフェースから DeepSeek を呼べます。安く長文を書かせたい用途で便利です。

セキュリティ・コンプライアンス上の注意

企業で中国 AI を使う前に、以下を検討すべきです。

1. データの越境

DeepSeek や Qwen の公式 API を使うと、プロンプトは中国国内のサーバに送られます。

個人データ保護法（PIPL、2021 年施行）の対象になる
日本の個人情報保護法との整合性を取る必要がある
顧客との契約で「データを中国に送らない」条件がある場合、公式 API は使えない

対策としては、Together AI など米国系ホスティング経由で使うか、ローカル実行に切り替えます。

2. モデルの政治的バイアス

DeepSeek や Qwen は、天安門事件・台湾問題などに関して意図的に回答を避ける挙動があります。業務用途で問題になることは少ないものの、社会・政治を扱うコンテンツ生成では注意が必要です。

3. ライセンス

DeepSeek は MIT ライセンスで、商用利用も問題ありません
Qwen3 は Apache 2.0 ライセンスで、商用利用も問題ありません（サイズによって追加条項あり）

ライセンス自体は寛容ですが、モデルの出力に対する責任はユーザー側にあります。

4. 米国の輸出規制・規制のリスク

米国の AI 規制（EO 14110 や州法）との整合性、企業の輸出コンプライアンスとの関係もあります。特に金融・防衛・医療の企業では慎重に判断すべきです。

2026 年、どう付き合うか

個人エンジニアの立場

試してみる価値は十分あり、Ollama で qwen3:7b を 10 分で起動できる
本番は Claude / GPT を軸にしつつ、コスト重視の用途で DeepSeek / Qwen をバッチ処理に混ぜる
ローカル実行の経験は、企業導入の場面で価値になる

企業の立場

本番でなくても、技術検証のレベルで触る検証プロジェクトを 1 本持つ
データ越境のリスク分析を先にやる
米系との並行採用が現実的で、1 本に賭ける必要はない

日本の立場

日本発の LLM（ELYZA、Preferred、サイバーエージェントなど）もオープンウェイトを公開する動きが出てきているが、性能で中国系モデルに追いついていない
「中国系モデルを日本語で fine-tune する」路線が現実味を持つ
政策レベルでは、米中競争の中で日本がどう立ち位置を取るかが課題として残る

まとめ

DeepSeek V3 / R1 ショック（2025 年 1 月）以降、中国系モデルは実運用レベルに到達した
Qwen（Alibaba）もサイズのバリエーションで広く使われている
米系との差は、日本語の自然さは若干劣り、コーディング性能はほぼ互角から若干劣り、推論コストは 10 分の 1 に収まる
オープンウェイトであることが米系に対する強みで、ローカル実行や fine-tune、ベンダー非依存を可能にしている
日本から使うときはデータ越境・政治的バイアス・ライセンス・輸出規制に注意する
2026 年の実践としては、米系を軸にコスト重視用途で中国系モデルを混ぜる

AI の勢力図は今後 2-3 年でさらに変わります。1 社に賭けず、複数プロバイダに触れておく習慣が重要です。