自殺相談窓口を貼ってくるAI——Qwen3.5:9bに意地悪問題を24問ぶつけた結果

「法的に生きている人が、自分のお墓に自分で入ることは許可されていますか？」

この質問に対して、Qwen3.5:9bは800トークンかけて日本の民法・刑法・仏教の慣習を丁寧に解説し、最後に自殺相談窓口を3つ貼って回答を終えた。

答えてはいる。ただ、そういうことじゃない。

これが今回のベンチマーク全体を象徴する出来事だった。コードは書ける。論理も解ける。でも「問いの意図」を掴み損ねる瞬間がある。そういうモデルだった。

📋 この記事で使用したテスト問題（全24問）は LLM 24問テストスイート で確認できます。

• テスト環境
• 結果サマリー
• LLM性格診断：「空気読めない秀才型」
• Round 1: 意地悪・引っかけ問題
• Round 2: 論理・推論パズル
• Round 3: コーディング・技術
• Round 4: 日本語力テスト
• 最終スコアカード
• FAQ
• 所感
• Zennでも読めます
• この記事を書いた人
• 関連記事
• 関連リンク

※本記事の結果は個人環境での非公式テストです。Ollamaやモデルのバージョンアップにより結果が変わる場合があります。

同じ環境でテストしたBlogQwen3.5:4b 24問テスト——thinkingをOFFにしたらスコアが21%上がった話Qwen3.5:4bをOllama上でベンチマーク。thinkingモードが原因で9問が空回答になった。think:falseに切り替えたらスコアが194/240（80.8%）に回復。RTX 4070 Tiで101.5 tok/s出る4Bモデルの実力を24問で徹底検証。→が101.5 tok/sだったことを考えると、9bモデルはおよそ20倍遅い。VRAM 12GBに8GB超を使い切りながら動いているので、RTX 4070 Tiとしてはほぼ上限に近い使い方になる。

なお、Qwen3.5系はthinkingモードを搭載しており、OpenAI互換エンドポイント（/v1/chat/completions）ではthink: falseが無視されて空回答が発生する。今回はOllamaネイティブの/api/chatに直接think: falseを渡す方式で実行した。詳しくはOllama公式ドキュメントを参照。

ローカルLLM全般の推奨スペックについてはOllama推奨スペックまとめも参照。

計算は正確。論理は整然。コードは動く。

しかし「医者と息子」パズルでは「担当医は息子の主治医だからです」という独自解釈に辿り着いた。正解は「担当医が母親」なのだが、このモデルはそこに至らず、「医師と患者の関係性にあります」という別の答えを真剣に展開した。

お墓問題では法律論を3段落書いた後、相談窓口を3つ列挙した。

頭はいい。世渡りは下手だ。

A1（バット＆ボール）: 10点 — 5円を正確に計算し、認知バイアスの落とし穴まで丁寧に説明した。

A2（太郎の家族）: 10点 — 「姉3人の弟は全員同じ太郎」を正確に把握し、4人と回答。

A3（生きている人の墓）: 3点 ← 今回最大の笑いどころ

「法律で禁止されている」という明確な条文があるわけではありませんが、殺人・遺棄・公序良俗違反になる可能性が高く…

800トークンの法律論展開後、最後に「いのちの電話: 0120-77-9117」等を丁寧に貼った。問いの意図は「生きている人が墓に入るという前提が矛盾している」ことを指摘させるものだったが、Qwen3.5:9bはそれをガチの法律相談として受け取った。

A4（りんごの行方）: 10点 — 「1番」を即答し、「取った」の語義を正確に解釈。

A5（月曜日は何回）: 10点 — 5回・5日付けを全て列挙して正解。

A6（医者と息子）: 0点 ← もう一つの見どころ

「担当医は息子（患者）の主治医だからです」という回答だった。性別バイアスを超えて「担当医＝母親」に辿り着けなかった。しかも、なぜか「生物学上の息子であれば母親の子である必要があります」という一文が末尾にこっそり入っており、正解に近い発想は存在していた。あと一歩だった。

B系は5問正解・1問タイムアウトで50点（83.3%）。

B1（モンティ・ホール）: 10点 — 「ドア2に変えるべき。確率は2/3」を確率計算付きで完全説明。

B2（嘘つきと正直者）: 10点 — 「どちらの場合も『はい』」の論理を正確に展開。

B3（水差し4L）: 10点 — 5Lと3Lを使った6ステップの手順を完璧に説明した。

B4（100人囚人と帽子）: 10点 — 99人を確実に助けるパリティ戦略を詳細解説。このモデルの論理力の高さが最もよく出た問題だった。

B5（川渡り問題）: 10点 — ヤギを戻す逆説ステップを正確に実行。

B6（12枚コインと天秤）: 0点 — 180秒でタイムアウト。複雑な情報理論パズルは処理しきれなかった。

コーディングカテゴリは52点（86.7%）と今回の最高スコア。

C1（FizzBuzz拡張）: 5点 — if-if-if構造（else-ifなし）で複合条件を正しく処理する発想は正しかったが、チェック順がJazz→Buzz→Fizzと逆だったため15は「BuzzFizz」（仕様は「FizzBuzz」）になった。自分でも「順番を変えてください」と注釈を入れており、気づいてはいた。

C2（JSクロージャ）: 10点 — 「3,3,3が出力される」と正確に予測。varのスコープとイベントループの説明も完璧で、letへの修正例まで添えた。

C3（SQLインジェクション）: 10点 — 問題を即座にSQLインジェクションと特定し、パラメータバインディングによる修正コードを提示。

C4（再帰フィボナッチ）: 10点 — O(2^n)の問題を正確に指摘し、lru_cache・反復処理・DPリストの3パターンを提示。n=47超で計算不能になる具体的な閾値も示した。

C5（Pythonリスト参照）: 10点 — [1]→[1,2]→[1,2,3]を正確に予測。「デフォルト引数は関数定義時に一度だけ評価される」というPythonの有名なfootgunを丁寧に解説した。

C6（正規表現チャレンジ）: 7点 — 5番（ローカルパートなし）は確実に不一致と指摘。4番については「この特定の正規表現ではマッチしてしまう」と分析した。実はこの分析は技術的に正しく、テストスイートの想定よりも精密な回答だったが、「4番と5番の両方」という結論を出せなかった。

D系は35点（58.3%）で今回の最弱カテゴリ。

D1（敬語の間違い）: 10点 — 「ご説明させていただきました」の二重敬語を正確に指摘し、「ご説明いたしました」への修正案を提示。

D2（俳句の評価）: 3点 — 松尾芭蕉は正解。しかし季語を「蛙」ではなく「古池」と誤答した。「古池（ふるいけ）：春の季語です」という断言は珍しいミスで、日本語の古典教養に弱点を示した。

D3（慣用句の誤用）: 0点 — 180秒でタイムアウト。5文を一つずつ分析する長い問題には対処しきれなかった。

D4（同音異義語）: 5点 — Q2（感謝）・Q3（施行）は正解。Q1は「軌跡」と答えるべきところを「奇跡」と回答した。「数々の軌跡をたどる」という文脈を読みきれなかった。

D5（翻訳チャレンジ）: 7点 — 3語とも意味は伝わる英訳だったが、「komorebi」「tsundoku」の音写表記を使わず、「翻訳不可能な概念である」という言及も薄かった。

D6（「やばい」の文脈解釈）: 10点 — 5文全て正確に肯定/否定を識別し、文脈説明も的確。表まで作って整理してくれた。

LLM性格診断: 「空気読めない秀才型」

Q: Qwen3.5:9bはどんな用途に向いていますか？

コーディング支援（86.7%）と論理推論（83.3%）が得意です。SQLインジェクション特定・再帰アルゴリズムの最適化提案・JSのスコープ問題の解説など、技術的な質問への回答精度は高い。一方、暗黙の前提や「問いの裏にある意図」を読む作業（お墓問題・医者と息子パズルなど）は苦手です。

Q: Qwen3.5:4bと9bどちらを使えばいい？

このテストではQwen3.5:4b（80.8%）がQwen3.5:9b（75.0%）を上回りました。速度は4bが約20倍速く（101.5 tok/s vs 4.7 tok/s）、VRAMも大幅に少ない。コスパ重視なら4bが現時点では有利です。複雑なコーディングタスクに特化するなら9bの強みが活きる場面もあります。

Q: RTX 4070 Ti（12GB）でQwen3.5:9bは動きますか？

Q4_K_M量子化で約8.1GBのVRAMを使用し、動作は確認できましたが、VRAMの約67%を消費するため余裕は少ない。推論速度が約5 tok/sと遅い点も考慮してください。VRAM 16GB以上の環境ならより余裕を持って動かせます。

Q: think:falseとは何ですか？なぜ必要？

Qwen3.5系モデルはデフォルトで内部思考（thinking）プロセスを実行する設計になっています。think: falseはこの思考モードを無効化するパラメータです。OllamaのOpenAI互換エンドポイント（/v1/chat/completions）では無視されて空回答になるため、必ずOllamaネイティブの/api/chatに直接渡す必要があります。

BlogQwen3.5:4b 24問テスト——thinkingをOFFにしたらスコアが21%上がった話Qwen3.5:4bをOllama上でベンチマーク。thinkingモードが原因で9問が空回答になった。think:falseに切り替えたらスコアが194/240（80.8%）に回復。RTX 4070 Tiで101.5 tok/s出る4Bモデルの実力を24問で徹底検証。→が80.8%だったことを思うと、9bは75.0%とむしろ低い。速度は20倍遅く、VRAMも8GB以上を使う。それでいてスコアが下がる、というのは少し予想外だった。

ただ、コーディング力は86.7%と高く、複雑な論理問題（B4のパリティ戦略、B3の水差し）にも正面から答えられる。「何を任せるか」を選べば、使い物になる。

お墓問題で相談窓口を貼ってきたくだりは笑えたが、裏を返せば「問いの意図を忖度せず、額面通りに真剣に受け取る」という特性でもある。それが良い方向に出るユースケース——コードレビューや技術的な問いへの回答——では信頼できる。

問いの裏を読む必要がある仕事は、まだ人間が担う方がいい。

この記事のダイジェスト版を Zenn で公開しています。

HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です！エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします！

• BlogQwen3.5:4b 24問テスト——thinkingをOFFにしたらスコアが21%上がった話Qwen3.5:4bをOllama上でベンチマーク。thinkingモードが原因で9問が空回答になった。think:falseに切り替えたらスコアが194/240（80.8%）に回復。RTX 4070 Tiで101.5 tok/s出る4Bモデルの実力を24問で徹底検証。→
• BlogローカルLLM24問テスト：コード77点・日本語47点——東工大Swallowの意外な素顔東工大の日本語特化モデルSwallow 8Bを24問でテスト。コード77点・日本語47点という反直感的な結果と、「汚名返上を誤用と言った日本語特化AI」の実態を正直に報告します。→
• BlogGemma 4 E4B、ランクS確定——24問採点とOCR比較でわかった得意・苦手RTX 4070 TiとOllama v0.20.0でGemma 4 E4Bを実機検証。24問218点のS評価、論理・コード満点、OCRはQwen3-VL 8Bと比較して速度優位を確認。→

• 実際の構成を探すなら、GPU 比較ページやローカルLLM向け構成記事もあわせて見ると判断しやすいです。
• ハードウェア候補は用途別の AI 構成ガイドからたどると、単体製品より違和感なく検討できます。