GPT OSS 120B と Qwen3 235B Thinking 2507 の比較：チャット向け？コード向け？

適切な大規模言語モデル（LLM）を選ぶ際は、推論の深さ、速度、ハードウェアコスト、統合要件のバランスが重要です。
本記事では、現在最も高性能なオープンソースモデルの2つである GPT‑OSS‑120B と Qwen‑3 235B (Thinking 2507) を比較します。
アーキテクチャ、性能、リソース要件、コーディング能力、実用的なユースケースの違いを学ぶことで、低レイテンシのチャットボットから高精度なコードシステムまで、あなたのアプリケーションに最適なモデルを選べるようになります。

GPT OSS 120B と Qwen3 235B Thinking 2507 のアーキテクチャ

アーキテクチャの詳細

項目	GPT-OSS-120B	Qwen3-235B-Thinking-2507
総パラメータ数	117B	235B
1トークンあたりのアクティブ化パラメータ数	5.1B	22B
アクティブ化率	4.36%	9.36%
Transformerレイヤー数	36	94
MoEエキスパート数	128	128
1トークンあたりのアクティブ化エキスパート数	4	8
アテンション機構	高密度アテンションと局所帯域スパースアテンションの交互使用、GQA	明示されていない（標準的なものに最適化が加わっている可能性が高い）
量子化	MXFP4（4ビット）	明示されていない
ネイティブコンテキスト長	128K	32K
拡張コンテキスト長	明示されていない（ネイティブで既に128K）	262K以上（YaRNなどを使用）

性能ベンチマーク

Qwen3-235B-Thinking-2507 はコーディングタスクと長コンテキスト推論に優れ、一部の推論ベンチマークで小幅なリードがあります。GPT-OSS-120B は指示への追従性、競技数学、1つの推論重視ベンチマークで優れています。両モデルは科学的推論（ほぼ同点）で競争力があります。

GPT OSS 120B と Qwen3 235B Thinking 2507 のリソース要件

必要なGPU

モデル	量子化	必要VRAM	GPU要件*
Qwen3-235B-Thinking-2507	FP16	611.09 GB	8 × 80 GB H100/A100
	FP8	606.67 GB	8 × 80 GB H100/A100
	INT8	606.67 GB	8 × 80 GB H100/A100
	INT4	604.45 GB	8 × 80 GB H100/A100
GPT-OSS-120B	FP16	246.34 GB	4 × 80 GB H100/A100
	Q8	124.03 GB	2 × 80 GB H100/A100
	Q4	62.87 GB	1 × 80 GB H100/A100

MXFP4量子化を採用しているため、GPT OSS 120BはNVIDIA H100やA100などの単一の80GB GPUで実行可能です。

GPUの価格については、以下のボタンをクリックして詳細をご確認ください。

GPU価格を取得

APIへのアクセス

Novita AI は、シンプルなAPIを使用してAIモデルを簡単にデプロイできる開発者向けのAIクラウドプラットフォームであり、構築とスケーリングのための手頃で信頼性の高いGPUクラウドも提供しています。

モデル	コンテキスト長	入力価格	出力価格
Qwen3-235B-Thinking-2507	131072 Context	$0.3 / 1M	$3.0/ 1M
GPT-OSS-120B	131072 Context	$0.1 / 1M	$0.5 / 1M

GPT-OSS-120B と Qwen-3 235B Thinking 2507 の主な違い

能力の違い

項目	GPT-OSS-120B	Qwen3-235B (Thinking 2507)
推論の深さの調整	✅ 可能（低 / 中 / 高の選択肢あり）	❌ 不可（最大推論深度固定）
思考連鎖（CoT）の常時出力	❌ 不可（デフォルトで非表示）	✅ 可能（<think> タグで出力）
開発者がアクセス可能な隠れた推論	✅ 可能	❌ 不可
思考モード / 高速モードの切替	✅ 可能（高速モード搭載）	❌ 不可（思考モードのみ）
ツール利用機能	✅ 対応	✅ 対応
公開安全性評価結果	✅ あり（敵対的セーフティテスト実施）	❌ 言及のみ
Apache 2.0 オープンソースライセンス	✅ 対応	✅ 対応

用途の違い

必要な場合は…	GPT-OSS-120B を選択	Qwen-3 235B (Thinking 2507) を選択
限られたハードウェアで実行したい	✅ MoE + MXFP4圧縮により単一の80GB GPU（例：1× NVIDIA H100）で実行可能。エッジデバイス向けに16GB VRAM対応の20Bモデルも存在	❌ フルパフォーマンスを発揮するにはマルチGPUサーバー（例：4×40GB または 8×80GB GPU）が必要
低レイテンシと推論コストの削減	✅ 速度と効率性に最適化	❌ レイテンシが高く、計算コストも高い
常時最大推論深度での実行	❌ 推論深度は調整可能（低/中/高）	✅ 常に最大推論深度で実行され、<think> トレースが表示される
研究級の推論（数学的証明、複雑なコード、科学的マルチホップ推論）に最適	❌ 高品質だがバランス重視にチューニング	✅ 数学、コーディングコンペティション、構造化ロジックにおいてオープンモデル最高クラスの性能
汎用チャットボット / 本番AIアシスタント	✅ 指示への追従性が高く、ツール利用に対応、低レイテンシでデプロイ可能	❌ 実行可能だが、重く速度が遅い
既存のOpenAI API/ツールとの統合	✅ OpenAIツールやHarmonyチャット形式とAPI互換	❌ Qwen固有のチャットテンプレートとツール（SGLang、Qwen-Agent）を使用
多言語でのやり取り	⚠️ 主に英語向けに最適化	✅ 多言語対応が強力

GPT OSS 120B と Qwen 3 235B Thinking 2507 のコード生成

項目	GPT-OSS-120B	Qwen3-235B (Thinking 2507)
関数呼び出し（OpenAI API仕様）	✅ ネイティブ対応 — OpenAIスキーマに従ってfunction_call / tool_calls形式のJSONを正確に出力するよう学習済み。初期状態で安定して動作	❌ ネイティブ非対応 — プロンプトエンジニアリングで形式を模倣可能だが、安定させるには外部のパース/検証が必要
ツール統合	✅ API経由でOpenAIエコシステム（Pythonインタープリタ、Web検索、コード実行）と直接互換	⚠️ ツール統合にQwen-Agent / SGLangを使用。スキーマが異なるため、OpenAI形式から移行する場合は適応が必要
コード出力の長さとスタイル	デフォルトで簡潔。速度/効率を優先する場合、部分的な解決策を出力することがある（推論深度調整可能）	デフォルトで長く、完全でコンパイル可能な関数を出力。エッジケースの処理やコメントが充実
コード生成における推論	推論深度を調整可能（低/中/高）。高速なコード出力のために冗長な推論をスキップできる	コードの前に<think>タグで完全な推論トレースを常に出力。詳細な説明が埋め込まれている

GPT-OSS-120B と Qwen-3 235B Thinking 2507：高精度・低レイテンシチャットボット

タスクに合わせて3段階の推論レベルを調整できます：

• 低： 一般的な会話向けの高速な応答
• 中： 速度と詳細さのバランスが取れた応答
• 高： 深く詳細な分析

推論レベルはシステムプロンプトで設定可能です。例：「Reasoning: high」

コスト効率よく高速なAPIでGPT OSS 120BとQwen3 235B Thinking 2507にアクセスする方法

ステップ1：ログインしてモデルライブラリにアクセス

アカウントにログインし、モデルライブラリボタンをクリックしてください。

今すぐGPT OSSを試す！

ステップ2：モデルを選択

利用可能なオプションを閲覧し、ニーズに合ったモデルを選択してください。

ステップ3：無料トライアルを開始

選択したモデルの機能を探索するために、無料トライアルを開始してください。

ステップ4：APIキーを取得

APIでの認証のために、新しいAPIキーを発行します。「設定」ページに移動すると、画像の指示に従ってAPIキーをコピーできます。

ステップ5：APIをインストール

使用するプログラミング言語に対応したパッケージマネージャーを使用してAPIをインストールしてください。

インストール後、開発環境に必要なライブラリをインポートし、APIキーでAPIを初期化してNovita AI LLMとのやり取りを開始できます。以下はPythonユーザー向けのチャット補完APIの使用例です。

from openai import OpenAI
  
client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    api_key="",
)

model = "openai/gpt-oss-120b"
stream = True # or False
max_tokens = 65536
system_content = ""Be a helpful assistant""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }

chat_completion_res = client.chat.completions.create(
    model=model,
    messages=[
        {
            "role": "system",
            "content": system_content,
        },
        {
            "role": "user",
            "content": "Hi there!",
        }
    ],
    stream=stream,
    max_tokens=max_tokens,
    temperature=temperature,
    top_p=top_p,
    presence_penalty=presence_penalty,
    frequency_penalty=frequency_penalty,
    response_format=response_format,
    extra_body={
      "top_k": top_k,
      "repetition_penalty": repetition_penalty,
      "min_p": min_p
    }
  )

if stream:
    for chunk in chat_completion_res:
        print(chunk.choices[0].delta.content or "", end="")
else:
    print(chat_completion_res.choices[0].message.content)
  
  

• GPT‑OSS‑120B は、柔軟性、速度、容易なデプロイを求める開発者に最適です。
  • 単一の80GB GPU（エッジデバイス向けの小型20Bモデルも存在）で実行可能。
  • クエリごとに速度と精度のトレードオフを調整可能な推論深度（low / medium / high）を搭載。
  • OpenAI APIの関数呼び出しとツール統合にネイティブ対応。
  • 本番アシスタント、インタラクティブアプリ、コスト-sensitiveなデプロイに最適。
• Qwen‑3 235B (Thinking 2507) は、常に最大の推論精度を求める場合に最適です。
  • <think>トレース付きの高推論モードで常時動作。
  • 複雑なコーディング、数学的証明、長コンテキスト推論に優れる。
  • 多言語対応が強力で研究級のタスクに強いが、マルチGPU環境を必要とし、応答速度が遅い。
  • 正確性が速度よりも重視される専門家アドバイザー用途に最適。

結論：
速度と効率性を優先する場合は → GPT‑OSS‑120B を選択してください。
複雑な推論の精度が最優先の場合は → Qwen‑3 235B (Thinking 2507) を選択してください。

よくある質問

Qwen‑3 235B はOpenAIの関数呼び出しAPIを使用できますか？

ネイティブでは対応していません。プロンプトエンジニアリングで形式を模倣することは可能ですが、安定した結果を得るには外部のパースと検証が必要です。GPT‑OSS‑120Bは初期状態でこの機能をサポートしています。

どのモデルがより少ないハードウェアで動作しますか？

GPT‑OSS‑120B です。MXFP4量子化により単一の80GB GPUで実行可能です。Qwen‑3 235Bがフルパフォーマンスを発揮するには最低4〜8台のGPUが必要です。

リアルタイムチャットにはどちらが適していますか？

GPT‑OSS‑120B です。レイテンシが低く、推論深度を調整可能で、アクティブパラメータが小さいため応答性が高いです。

Novita AI は、シンプルなAPIを使用してAIモデルを簡単にデプロイできる開発者向けのAIクラウドプラットフォームであり、構築とスケーリングのための手頃で信頼性の高いGPUクラウドも提供しています。

おすすめの記事

• Novita Kimi K2 APIが関数呼び出し機能をサポート開始！
• Qwen 2.5 72b と Llama 3.3 70b の比較：あなたに最適なモデルは？
• Kimi K2にアクセス：より安価なClaude CodeやMCP統合などを利用可能に！