Mythos級ローカルLLMまとめ - Kimi K3・Qwen3.8-Max・GLM-5.2・DeepSeek-V4 Flash

最近話題のMythos級ローカルLLM 「Kimi K3」「Qwen3.8-Max」「GLM-5.2」「DeepSeek-V4 Flash」についてまとめました。

1. はじめに

2026年夏、オープンウェイトを中心としたLLMの性能が大きく伸びています。
Arena.aiのFrontend Code Arenaでは、「Kimi K3」「Qwen3.8-Max」「GLM-5.2」「DeepSeek-V4-Flash」がClaudeやGPTなどのフロンティアモデルと並ぶ上位グループに入っています。

2026年8月6日時点の代表例は次のとおりです。

今回は、この中から次の4モデルを紹介します。

なお、Arenaの「Max」「High」は、多くの場合、同じ基盤モデルでthinking effortを高くした推論設定を示します。ただし、「Qwen3.8-Max」の「Max」はモデル名そのものなので、同じ意味ではありません。

2. 4モデルの比較

モデルの比較は、次のとおりです。

最大の違いは必要メモリです。

「Kimi K3」や「Qwen3.8-Max」は2Tを超える巨大MoEで、量子化しても個人PCにはかなり重いモデルです。
一方、「DeepSeek-V4-Flash」は284B / 13B activeまで小さく、128GBクラスでも量子化版を狙えます。

3. Kimi K3

「Kimi K3」は「Moonshot AI」の2.8TパラメータMoEです。

主な特徴は、次のとおりです。

公式モデルは単純なBF16ではなく、MXFP4 weights / MXFP8 activationsを使った低精度前提の構成です。

Kimi K3はローカル実行可能ですが、実用的には1TB前後〜2TB級のRAMや大規模なマルチGPU環境向けです。

4. Qwen3.8-Max

 「Qwen3.8-Max」は「Alibaba」の最新フラッグシップです。

主な特徴は、次のとおりです。

コーディングだけでなく、オフィス作業、調査、長時間動作するエージェントなどの能力が強化されています。Qwen公式は、10日以上にわたって自律的に開発を続ける実験なども紹介しています。

5. GLM-5.2

「GLM-5.2」は「Z.ai」の753B MoEモデルです。

主な特徴は、次のとおりです。

公式BF16ウェイトは約1.5TB級ですが、量子化するとかなり小さくできます。

Kimi K3よりかなり現実的ですが、128GBマシンではまだ厳しいサイズです。

6. DeepSeek-V4-Flash

今回もっともローカル向きなのが「DeepSeek-V4-Flash」です。APIでは2026年7月31日にpost-trainingを更新した「DeepSeek-V4-Flash-0731」が提供されています。

主な特徴は、次のとおりです。

GLM-5.2 Maxの1595点との差は小さい一方、モデルサイズは大幅に小さくなっています。

Unslothでは、元の混合精度ウェイトを損失なく保持する「lossless Q8」が約162GBです。