Opinion：Qwen 3.6 27B が Feature Planning で Sonnet 4.6 を上回る

大規模モデルは、高レベルの計画やタスクのオーケストレーションにおいて優れている、という主張をよく聞きます。判断を下すときに使える一般的な知識が多いからだ、という理屈です。ですが、私はリリース以降かなりの頻度でQwen 3.6 27b（Unsloth Q5_K_M）をテストしていて、細部への注意や先読みの面で、より大きなモデルを一貫して上回っていると感じています。

添付しているのは、同一のプロンプトと`Claude.md`ファイルを使って、同じ「計画レビュー（plan review）」タスクを行わせた場合の、Qwen（Pi上で動作。軽量なハーネスで、小型モデルが有利になりやすい）とSonnet 4.6（Claude Code上で動作）のSBS比較です。

Qwenは、私がすでに書いていたコードを徹底的に調べ、潜在的な問題をより多く見つけてくれました。私がすでに作り上げたものをより正確に理解し、この機能がどのように収まるかもよりよく理解していました。さらに、往復を減らすための効率改善として「search_and_read()」を提案し、計画に追加すべき新しいカテゴリも挙げてくれました。

Claudeもアクセス制御や、ネイティブとカスタムツールのパースの違いといった点は強調しましたが、この機能が既存のシステムにどう組み込まれるかの理解という肝心のところで完全に外しました。数か月にわたって埋め続けている密度の高いメモリファイルを持っているのに、これは少し奇妙な欠点だと思います。

私は、Qwenは盲目的に自信満々にならず、いま存在しているものを見直すのにより多くの時間を使うように学習されているのではないか、と推測しています。トークン予算は27bモデルだとそこまで重要ではありません。Claudeのような大規模モデルは、トークン効率をチェックすることにあまり気を遣いません。

この結果は、あなたのQwen 3.6シリーズの経験とも整合しますか？