重要なポイント
- Qwen 3.6 27Bがリード：92.1% HumanEval、77.2% SWE-bench、84.3% MBPP — 3つのベンチマーク全てでローカル最高スコア。
- DeepSeek Coderがクラウドコスト最安：$0.14/1Mトークン、HumanEvalでQwenに0.5ポイント差。
- Mistral Devstralはエージェント型タスクで優秀：マルチステップツール使用とマルチファイルリファクタリングで優位。
- ディスパッチ戦略：プライベート/GDPR対象のコーディングタスク → ローカルQwen 3.6、非機密の大量生成 → DeepSeek Coder API。
よくある質問
ローカルコーディングにはQwen 3.6 27BのほうがDeepSeek Coderより優れていますか？
ローカル展開の場合：Qwen 3.6 27Bは77.2% SWE-bench（検証済み）を達成し、16 GB VRAMで完全にローカル実行できるため、EUチームにとってGDPR準拠となります。DeepSeek Coderは入力トークン約$0.14/1Mのクラウドapiで、ローカルハードウェアが利用できない非機密の大量コード生成に適しています。トレードオフはデータの機密性と予算次第であり、単一の勝者は存在しません。
Mistral Devstralとは何ですか、なぜここで取り上げられていますか？
Mistral Devstral Small 24Bは、2026年5月にリリースされたMistral AIによるコーディング特化モデルで、マルチファイルのリファクタリング、ツール使用、反復的なコード生成といったエージェント型コーディングタスク向けに設計されています。90.1% HumanEvalを達成し、14 GB VRAMで動作します。複数の連続したコード操作を必要とするタスクで特に強く、エージェント型トレーニングによりQwen 3.6 27Bの純粋なベンチマークスコアに対して優位性を持ちます。
Qwen 3.6 27BとDevstral 24Bを同時に実行できますか？
単一のRTX 4090（24 GB VRAM）では不可能です。Qwen 3.6 27B Q4_K_Mは約15.8 GB、Devstral 24B Q4_K_Mは約14.2 GBを使用し、合計約30 GBとなります。デュアルGPU構成（RTX 3090を2枚またはRTX 4090を2枚）、または96 GB以上のユニファイドメモリを搭載したApple Siliconが必要です。実用的な解決策は、一度に1つのモデルを使用し、Ollamaで切り替えることで、RTX 4090ではモデル切り替えに約5秒かかります。
EU企業のコードにDeepSeek Coderを使用しても安全ですか？
DeepSeek Coderは、中国で法人登記されている企業DeepSeek AIのサーバー上でデータを処理します。EU委員会は中国に対する十分性認定を発行していません。個人データを含むEUの個人データや専有ソースコードでDeepSeek Coderを使用する場合、GDPR第44条への準拠について法的分析が必要です。個人データを含まない専有コードについては法務チームに相談してください。個人データ処理の場合、ローカルのQwen 3.6 27Bが準拠する代替手段です。
SWE-benchとは何であり、なぜ重視されるのですか？
SWE-bench（ソフトウェアエンジニアリングベンチマーク）は、LLMがDjango、Flask、NumPyなどのオープンソースコードベースにおける実際のGitHub issueを解決できるかをテストします。孤立した関数レベルのコーディングではなく、実践的なソフトウェアエンジニアリング能力を測定します。Qwen 3.6 27BはSWE-bench Verifiedで77.2%を達成しており、これは現時点で最も信頼性の高い実世界コーディング指標です。