Qwen 3.7 Flash: スペック、価格、そして実際にできること

Qwen 3.7 Flashの実際の姿

私はeeselの内部でエージェントの開発に取り組んでいるため、1週間の大半をモデルと実際のユーザーの間に位置するレイヤーに費やしており、どんなローンチでも最初にやることはメカニズムを探すことだ。Qwen 3.7 Flashについては、その調査に約4分かかった。公開されているメカニズムはほとんどない。

このモデルについてのQwenの研究記事は存在しない。qwen.aiの背後にある記事フィードにはQwen 3.7 MaxとQwen 3.7 Plusのローンチ記事があるが、「Flash」という言葉はどちらにも登場しない。

唯一の一次情報としての発表は、QwenCloudのチェンジログにある2026年7月25日付の一段落のみだ。OpenRouterはこのリリースをqwen/qwen3.7-flash-20260727というスラッグのもとで2026年7月27日としており、両方の日付が記録に残っており、2日の差がある。

以下はAlibaba Cloudのモデルカードからの、完全に一言一句そのままの宣伝文句だ。

"The Qwen3.7 native vision-language series Flash models comprehensively enhance multimodal understanding and Agent execution capabilities compared to 3.6-Flash. Key improvements include strengthened foundational multimodal abilities, enhanced object recognition, improved real-world perception and spatial intelligence."

この比較の対象が誰であるかに注目してほしい。GeminiでもGPTでもClaudeでもない。自分自身の前世代モデルだ。これは企業がフラッグシップではなく、段階的なプラットフォーム更新として位置づけているということであり、ローンチの残りの部分も同様の振る舞いをした。イベントとしてではなく、単なる掲載として現れたのだ。

機械的な事実の部分が興味深くなってくる。

これらはModel Studioのカードから直接引用したものであり、思考モードの行はこのページが思考モードの存在を認めている唯一の箇所だ。ドキュメント化されたenable_thinkingパラメータはなく、ストリーミングフラグもなく、モデルがどのように訓練されたかについてはまったく何もない。パラメータ数もなく、DenseかMoEかの記述もなく、訓練トークン数の記載もない。記録されている唯一の構造的事実はトークナイザーのファミリーだけだ。まともなモデルカードを読み慣れている人にとっては、これはほとんど空白のスペースだ。

Qwenが主張したこと、そして慎重に主張しなかったこと

これは、何かをその上に構築する前に二度読むべきセクションだ。なぜなら、このモデルができることについてインターネットが言っていることと、Alibabaが言っていることのギャップが大きいからだ。

Qwen自身の言葉で主張されているもの: より強力な汎用オブジェクト認識、改善された実世界の知覚と空間認識、検索とコードインタープリターのシナリオ向けにアップグレードされたマルチモーダルエージェントの振る舞い、そして最適化されたマルチモーダルコーディング。これらのそれぞれは、その裏に数字のない一文だ。

どこでも一度も主張されていないもの: OCR。この言葉は一次情報のどのサーフェスにも登場しない。文書解析についても同様だ。請求書を読むための安価なモデルを探しているなら、Qwenはこれがそのモデルだとは決して言っていないし、OCRを測定した唯一の独立評価では23位中最下位にランクされている。

同じく一度も主張されていないもの: GUIおよびコンピュータ操作。これはQwen 3.7 Plusに属するものであり、そのチェンジログの項目では画面の読み取りとGUIの操作をエンドツーエンドで行うことについて語られている。OpenRouterの編集文には、Flashは「computer interaction」に適していると書かれているが、これはOpenRouterの言い回しであり、Alibabaのものではない。これはベンダーの主張のように広く繰り返されてきた。

実際にドキュメント化されているもの: 関数呼び出しと構造化出力はどちらも対応済みとマークされており、Responses APIを通じてアクセスできる組み込みサーバーツール群は実に有用で、code_interpreter、web_search、web_extractor、さらに画像検索とテキスト検索をカバーしている。プレフィックス補完もすべてのリージョンで動作し、暗黙的な形式と明示的な形式の両方でコンテキストキャッシングも同様だ。

コードを移行する人にとってのパラメータレベルの落とし穴が一つある。OpenRouterのFlash用サポートパラメータリストにはtop_kもfrequency_penaltyもstopもなく、これら3つはいずれも旧世代のQwen 3.6 Flashでは受け付けられている。単純な置き換えアップグレードはこれらのいずれかで破綻する。

Flash、Plus、Max: モデルが何を見られるかで選ぶ

Qwen 3.7のラダーは期待するような並び方をしていないため、思い込みで判断せずに一通り確認する価値がある。下からモデルを選ぶとカードが表示される。

指摘に値する奇妙な点: 最も安価なモデルが動画を見ることができる唯一のモデルであり、フラッグシップは何も見ることができない。Flashは計測されたスループットでも3モデル中最速で、毎秒59トークン、Plusの12トークンに対してだ。通常は低価格帯のモデルこそ機能が削られているものだ。ここでは知覚がラダーの底にあり、推論が頂点にあり、つまり多くの実際のビルドは結局この2つを両方呼び出すことになる。

価格帯を簡単に

$0.03という数字は本物だ。ただしそれは3つのケースのうち最良のものでもあり、価格はプロンプトがどれだけ長く実行されるかによって段階的に設定されているからだ。

つまり、このモデルが有名になった2つのこと、$0.03のレートと100万のウィンドウは、同じリクエストの中では両方同時に成立しない。コンテキストを使えば、予算していた入力レートの6.7倍を支払うことになる。Alibaba自身のカードはCNYで同一の3段階構造を印刷しているため、2つのストアフロントの間に矛盾はなく、単に通貨が2つあるだけだ。

実際のトラフィックはすでに表示価格を上回っている。OpenRouterの過去30日間のローリング平均によると、顧客が実際に支払っているのは入力$0.044、出力$0.149で、キャッシュヒット率は51%だ。完全な段階計算、キャッシュの経済性、そして安価な階層の他モデルとの比較についてはQwen 3.7 Flashレビューで取り上げており、ファミリー全体の料金はQwen料金の記事にある。

実際に使える場所

これは誰も言及しない部分であり、私が実際に見てきた出荷済みのビルドを実際に壊してきた部分だ。このモデルはすべてのリージョンで同じ製品ではない。

データ居住地の要件でフランクフルトや東京に配置する必要がある場合、エージェントデモの半分が依存している組み込みのウェブ検索は単純に存在せず、代わりに自前の検索レイヤーを構築する必要がある。画像アーカイブに対する安価なバッチジョブとして実行する計画だったなら、バッチ推論は北京にのみ存在し、他のどこにもない。そしてファインチューニングはどこにも利用できない、どのリージョンでもだ。これにより、安価なモデルに自社のドメインを教え込むという通常の逃げ道が排除される。プロンプティングと検索が唯一利用できるレバーであり、これによってRAGとファインチューニングの問いはここでは自明の答えを持つことになる。

そこへの入口は3つある。QwenCloud、Alibaba CloudのModel Studio、そしてOpenRouterだ。指摘に値するのは、OpenRouterの背後にいるプロバイダーはAlibaba Cloud Internationalの正確に一つだけであり、すべてのリクエストを直接そこに転送しているという点だ。ルーティングのフォールバックもなく、フェイルオーバーする2つ目のホストもない。これは価格を競う5つのプロバイダーを持つモデルとはまったく異なるリスクプロファイルだ。

計測されたこと、そして計測されていないこと

非常に少なく、存在する少しの情報も注意深く読む価値がある。

Qwenからは何もない。 スコア表も、評価名も、パーセンテージも、いかなるサーフェスにも存在しない。チェンジログは文章だ。モデルカードには評価セクションがない。2つのQwen 3.7の研究記事はMaxとPlusのベンチマーク表を公開しているが、Flashについては一度も言及していない。

通常の評価機関からも何もない。 Artificial Analysisはこのモデルに対して完全な404を返す一方、そのPlusのページは200を返すため、この欠落はスクレイピングの見落としではなく本物だ。LMArenaのリーダーボードには7つのQwen 3.7の項目が掲載されているが、そのどれもFlashではない。Hugging Faceにはリポジトリがなく、それは重みが存在しないからだ。

独立した評価が1つだけ存在する。 Roboflow Vision Evalsがこのモデルを評価しており、その結果の形はこのモデルを縮図のように表している。全体で23位中22位で61.7%、コストでは23位中1位でサンプルあたりおよそ$0.0001、識別では23位中10位で84.4%、そしてOCR転写では最下位。1つの評価機関だけでは判定にはならず、これも汎用のものではなくビジョンに特化したハーネスだ。それでも、これが存在する唯一の第三者による品質信号だ。

プロバイダーのテレメトリが最も豊富な情報源だ。 OpenRouterはP50で毎秒59トークン、中央値レイテンシー1.20秒、稼働率99.99%、そしてツール呼び出しエラー率8.88%を測定している。私がスライドに載せたい数字はテールだ。P99のエンドツーエンドレイテンシーは90.19秒。エージェントループの中では、100回に1回の呼び出しが1分半にわたって停止するのは丸め誤差ではなく、それは待ち行列だ。

コミュニティ側の状況も同じくらい薄い。Hacker Newsの全文検索はこのモデルについてゼロ件を返し、ローンチのストーリーが投稿されたこともない。7月31日、出荷から4日後、HNはあるライバルのリリースについてのスレッドで、その存在を知らずにこのモデルが埋めるまさそのギャップについて議論していた。

"You have to remember DeepSeek v4 flash even though a bit cheaper, does not have vision abilities, which is a big draw for agentic tasks."

nickandbro on "DeepSeek-V4-Flash Update", Hacker News

同じスレッドの別のコメント投稿者は、どんな分析よりも見事にこの静けさを説明している。Qwenがオープンな重みのリリースをやめたため、通常Qwenのリリースを盛り上げる層が見なくなったのだ。

"Qwen/Alibaba have stopped doing open weights releases for a while."

dannyw on "DeepSeek-V4-Flash Update", Hacker News

このモデルが向いている相手

これまでのすべてを踏まえると、正直な分類はわかりやすい。

次のような場合は活用しよう。 一つの誤答が安価で回復可能な、大量のマルチモーダル作業をしている場合だ。商品画像のタグ付け、一次チケット分類、動画フレームのスクリーニング、どうせ人間が出力を確認する大量抽出などがそれだ。利用データもこの見方を裏付けている。OpenRouterでの上位消費者はエージェントハーネスであって、チャット製品ではない。コストで23位中1位という点では、ビジョン階層の他のどのモデルも価格面で近づけない。

次のような場合は見送ろう。 OCR、GUI制御、擁護可能な品質数値、自分でホストできる重み、ファインチューニング、1秒未満のテールレイテンシー、あるいはフェイルオーバー先となる2つ目のプロバイダーが必要な場合だ。これらのどれか一つだけでも、それ単独で失格の理由になる。

重みが欲しいのであれば、オープンソースエージェントの選択肢を見てほしい。スコアとベンチマークが付いた安価なモデルを探しているのなら、Gemini 3.5 Flash-Liteが実際の数字を公開している。

Gemini 3.6 Flashも、Mistralも同様であり、この3つのどれもが何を買っているのかを教えてくれる。

次のような場合はより深く考えよう。 顧客向けの製品を構築するためのモデルを選んでいる場合だ。それが次のセクションであり、そこには私自身の傷跡が本当に残っている。

これがサポートキューに近づくのであれば

私はeeselでエージェントを構築しており、私たちは何年もかけて実際のサポートキュー上で数千件の本物のチケットを対象にAIを稼働させてきた。私が最も頻繁に目撃してきた失敗は、モデルが馬鹿だということではない。モデルが自信満々におおむね正しいということだ。

私たちが一緒に仕事をしたあるB2Bのテクニカルサポートチームは、Zendeskを通じて車両テレマティクスを運用しており、まさにこれに直面した。彼らのボットは、ヘルプセンターの記事に会社がすべてのモデルをサポートしていると書かれていたことから、データベースに存在しないブランドの顧客に対して「yes, we support your car model」と言い始めた。このモデルは何ら奇妙な意味でハルシネーションを起こしていたわけではない。文書を読み、一般化し、完全な確信を持って回答したのだ。彼らのリードはその立ち上げ期を「trial and error in the beginning,」と表現しており、これは本番環境でこれを発見したことを表す非常に丁寧な言い方だ。

ここでQwen 3.7 Flashをそれと並べてみよう。ツール呼び出しエラー率8.88%。P99は90秒近く。OCRでは23位中最下位でありながら、それでも平均で84.1%の割合でグラウンドトゥルースと一致しており、これはまさに正しく見える形で間違うモデルのプロファイルそのものだ。議論の対象になる公開された品質スコアもない。これらは100万枚の画像をタグ付けするには良い数字だ。しかし、ブランドと苛立った顧客の間に立たせたい数字ではない。

より深い罠は、$0.03という価格タグが仕掛けるものだ。それはモデルを製品のように見せてしまう。決してそうではなかった。高くつく部分は、自己矛盾するヘルプセンターに対する検索、チケットを正しい場所に届けるルーティング、文の途中で顧客を放り出さないエスカレーション、そして何も言うべきでないときを知ることだ。これらのいずれもトークンとともにやってくるわけではない。チケットあたりのコスト比較はスプレッドシート上では素晴らしく見えるが、それは足場の価格をつけるまでの話だ。

自信満々のボットが自信満々に間違った回答をするのを目にしてきたことが、私たちが今行うすべてのロールアウトが本番のキューに触れる前に過去のチケットに対してシミュレートされる理由だ。これによって、本物の顧客から知る前に、それが実際の顧客に対して何を答えていたかを見ることができる。これは品質保証の問題であり、モデル選定の問題ではなく、トークンが安くなったところで簡単にはならない。

それでも自作の道を進むのであれば、そして多くのチームが合理的にそうしているのだが、私が実際に推奨する読み物はサポート向けLLMの選び方から始まり、次にナレッジベースでのトレーニングに進む。

その後、ハルシネーション防止と人間へのハンドオフに本当の時間を割いてほしい。これら4つの問題こそが本当の仕事だ。モデルは簡単な部分にすぎない。

eeselを試す

サポート用のAIの価格を検討していて、100万トークンあたり$0.03が答えのように見えたためにここに来たのであれば、正直なところ、トークンのコストはこれを決定する数字では決してなかった。eeselは数分でZendesk、Freshdesk、Gorgias、その他に接続し、既存のヘルプセンターと過去のチケットでトレーニングを行い、そして誰かに回答する前に、あなたの過去のチケットの数千件に対して自らを再現することで、実際に送信していたであろう回答と、達成していたであろう解決率を確認できるようにする。どのチケットに触れることを許可するかは正確にあなたが管理し続ける。試すのは無料で、シミュレーションは何かに踏み出す前に実行される。

周辺の意思決定についてさらに知りたい場合、チケットデフレクションガイドはボリュームが実際にどこへ向かうのかを取り上げ、トップカスタマーサポートツールは他に何があるのかを取り上げている。

今まさにキューを前にしているなら、バックログの解消に関するノートがより急を要する読み物であり、AIを活用したカスタマーサービスはより広い視点を提供する。そして市場の逆側からの安価なモデルのロジックが欲しいなら、Claude Opus 5の比較が同じ論点を逆方向から示している。