イントロ：Claude Codeの「コスト問題」をQwenで解決する
Claude Codeは、ターミナルから直接AIにコーディングを任せられる革命的なツールだ。ファイルの読み書き、Git操作、テスト実行まで自律的にこなしてくれる。しかし、使い込むほどに気になるのが月額サブスクの上限だ。Claude Proは$20/月、上限を拡張したClaude Maxでも$100〜$200/月かかる。ヘビーに使えば上限に当たり、追加費用が発生するケースもある。
ここで注目したいのが、Alibaba Cloud（阿里云）が開発するオープンソースLLM「Qwen」シリーズだ。2026年4月、AlibababはコーディングAIの新世代Qwen 3.6をリリース。Terminal-Bench 2.0でClaude 4.5 Opusを超えるスコアを叩き出した。同時にQwen Code――Claude Codeと同等のCLIエージェント――も公式リリース済みだ。ローカルGPUさえあれば「電気代だけ」でClaude Code相当の体験が手に入る時代が来ている。
本記事では、Qwenを軸にしたAIコーディングエージェントの選択肢を4つ紹介し、セットアップ手順・ハードウェア要件・コスト比較まで網羅する。
なぜQwenなのか――スペック・コスト・オープンソースの三拍子
ローカルLLMの選択肢はLlama、Mistral、DeepSeekなど多数あるが、コーディングエージェント用途でQwenが頭一つ抜けている理由は以下の通りだ。
- Qwen 3.6で一気に最前線へ：2026年4月リリースのQwen 3.6はコーディングAIの新世代。Terminal-Bench 2.0で61.6点（Claude 4.5 Opus: 59.3点）を記録し、SWE-bench ProやSkillsBenchでも1位を獲得。
- コーディング特化モデルの存在：Qwen3-Coder / Qwen 3.6-Coderはコード生成・補完・リファクタリングに最適化。リポジトリ規模の推論・フロントエンド開発・エージェント型ワークフローに強い。
- ベンチマーク実績：Qwen2.5-Coder 32BはAiderベンチマークで73.7点（GPT-4o同等）。Qwen 3.6世代ではさらに上回る。
- Tool Calling対応：Qwen3-Coderは関数呼び出し（Tool Calling）に最適化されている。エージェントがファイル操作やシェル実行を行うには、この機能が不可欠だ。
- Apache 2.0ライセンス：商用利用も含め完全にオープン。企業の社内ツールとしても安心して導入できる。
- 量子化しても実用的：35B-A3B（MoEモデル、実際の活性化パラメータは3B）なら18〜22GB RAMで動作。RTX 4090（24GB VRAM）1枚で十分だ。
選択肢①：Qwen Code――Claude Codeの直接代替（本命）
最も注目すべき選択肢が、Alibaba公式のQwen Codeだ。これはClaude Codeをフォークベースに開発されたCLIツールで、操作感がほぼ同じである。Claude Codeユーザーなら違和感なく移行できる。
主な特徴
- Qwen3-Coderに特化した設計
- ファイルの読み書き、Git操作、シェルコマンド実行を自律的に実行
- OpenAI互換API / OpenRouter / vLLM / ローカルOllama に対応
- Claude Codeと同様のターミナルUI
セットアップ手順
ローカルでQwen3-Coderを動かす場合（Ollama経由）：
# 1. Ollamaのインストール（未導入の場合）
curl -fsSL https://ollama.com/install.sh | sh
# 2. Qwen3-Coderモデルのダウンロード
ollama pull qwen3-coder:30b-q4_K_M
# 3. Qwen Codeのインストール
npm install -g @anthropic-ai/claude-code # ベースがClaude Codeフォーク
# または
pip install qwen-code
# 4. ローカルモデルを指定して起動
qwen-code --model ollama/qwen3-coder:30bOpenRouter経由でクラウドのQwen3-Coderを使う場合：
export OPENROUTER_API_KEY="your-key-here"
qwen-code --model openrouter/qwen/qwen3-coderClaude Codeの操作体系をそのまま踏襲しているため、学習コストがほぼゼロというのが最大の利点だ。
選択肢②：Aider + Qwen――ターミナル派の定番構成
Aiderは、ターミナルベースのAIコーディングエージェントとして最も歴史があり、コミュニティも活発なツールだ。Qwenとの相性も良く、公式ドキュメントでQwenモデルの動作が検証されている。
Aiderの強み
- Git統合が優秀（変更を自動コミット、差分表示）
- 複数ファイルの同時編集に対応
- 対話的にコードをリファクタリング可能
- 独自ベンチマークで各モデルの性能を定量評価
セットアップ手順
# Aiderのインストール
pip install aider-chat
# ローカルOllama経由で使う場合
ollama pull qwen2.5-coder:32b-instruct-fp16
aider --model ollama/qwen2.5-coder:32b
# OpenRouter経由で使う場合
export OPENROUTER_API_KEY="your-key-here"
aider --model openrouter/qwen/qwen-2.5-coder-32b-instructAiderは「どのファイルをコンテキストに含めるか」を明示的に指定する設計のため、トークン消費を細かくコントロールできる。コスト意識の高い開発者に向いている。
選択肢③：Cline + Qwen――VS Code派のベストチョイス
ターミナルよりVS Codeで完結させたい開発者には、Clineがおすすめだ。オープンソースのVS Code拡張で、ローカルLLMを完全サポートしている。
Clineの強み
- VS Code内でファイル編集・ターミナル操作・ブラウザ操作まで自律実行
- 差分プレビューで変更を承認/拒否できる安心設計
- Qwen3-CoderのTool Calling最適化と相性抜群
セットアップ手順
- VS Code拡張「Cline」をインストール
- LM Studio または Ollama でQwen3-Coderを起動
- Cline設定でOpenAI互換エンドポイントを指定
# Ollamaでモデルを起動
ollama serve # デフォルトで http://localhost:11434
# LM Studioの場合はGUIでQwen3-Coder 30B Q4を読み込み
# エンドポイント: http://localhost:1234/v1Clineの設定画面で以下を入力：
- API Provider：OpenAI Compatible
- Base URL：
http://localhost:11434/v1（Ollama）またはhttp://localhost:1234/v1（LM Studio） - Model：
qwen3-coder:30b
GUIベースで設定が完結するため、最もセットアップが簡単な選択肢と言える。
選択肢④：OpenHands――ブラウザUIで完結するWebエージェント
OpenHands（旧OpenDevin）は、ブラウザからアクセスするWebエージェント型のツールだ。ターミナルもVS Codeも使わず、ブラウザだけでAIコーディングを行いたい場合に向いている。
OpenHandsの特徴
- サンドボックス環境でコードを安全に実行
- Webブラウザ操作も可能（テスト自動化など）
- OpenHands LM 32B = Qwen2.5-Coder 32Bのファインチューン版を公式提供
- vLLM推論エンジン対応で高速推論
セットアップ手順
# Dockerで起動（推奨）
docker run -d --name openhands
-p 3000:3000
-v /var/run/docker.sock:/var/run/docker.sock
ghcr.io/all-hands-ai/openhands:latest
# ブラウザで http://localhost:3000 にアクセス
# 設定画面でLLMプロバイダーにOllamaを指定チームで共有サーバーにデプロイし、メンバー全員がブラウザからAIコーディングを使う――といった運用にも向いている。
ハードウェア要件とクラウドGPUの選択肢
ローカルでQwenを動かすには、それなりのGPUが必要だ。以下に目安をまとめる。
| モデル | 量子化 | 必要VRAM | 推奨GPU |
|---|---|---|---|
| Qwen 3.6-35B-A3B（最新・推奨） | 4bit (Q4_K_M) | 約18〜22GB | RTX 3090 / 4090（24GB） |
| Qwen 3.6-27B | 4bit | 約16〜18GB | RTX 4080 / 3090（16〜24GB） |
| Qwen3-Coder 30B | 4bit (Q4_K_M) | 約18〜20GB | RTX 3090 / 4090（24GB） |
| Qwen2.5-Coder 32B | 4bit | 約20GB | RTX 3090 / 4090（24GB） |
| Qwen2.5-Coder 7B | FP16 | 約14GB | RTX 4070 Ti Super（16GB） |
GPUを持っていない場合は、クラウドGPUという選択肢がある。Lambda Labs、RunPod、Vast.aiなどでA100インスタンスが$0.5〜$0.8/時間で借りられる。1日8時間使い倒しても$4〜$6.4、月額で$80〜$130程度だ。Anthropic APIを同じ強度で使った場合の数分の一で済む。
コスト比較――どれだけ安くなるのか
| 構成 | 月額固定費 | 使い放題か？ |
|---|---|---|
| Claude Code（Claude Pro） | $20/月 | 上限あり（すぐ当たる） |
| Claude Code（Claude Max $100） | $100/月 | 上限あり（Pro×5） |
| Claude Code（Claude Max $200） | $200/月 | 上限あり（Pro×20） |
| OpenRouter経由 Qwen 3.6 | 従量課金 〜$20/月程度 | 使った分だけ。上限なし |
| クラウドGPU + Qwen（セルフホスト） | $80〜$130/月（GPU時間） | 実質上限なし |
| ローカルGPU + Qwen | 電気代のみ（$5〜$15） | 完全に上限なし |
ローカル構成なら月額コストはほぼゼロ、かつ使用量の上限もない。GPU購入費（RTX 4090で約$1,600〜$2,000）という初期投資は必要だが、Claude Maxと比べれば1年以内に回収できる計算だ。
どれを選ぶべきか――用途別おすすめ
| あなたのタイプ | おすすめ | 理由 |
|---|---|---|
| Claude Codeからの移行組 | Qwen Code | 操作体系がほぼ同じ。学習コストゼロ |
| ターミナル中心の開発者 | Aider | Git統合が強力。トークン消費を細かく管理可能 |
| VS Codeメインの開発者 | Cline | GUIで設定完結。差分プレビューが安心 |
| チーム利用・ブラウザ派 | OpenHands | 共有サーバーにデプロイして全員で使える |
| GPUなし・まず試したい | OpenRouter + 好きなツール | 月$10〜で始められる。ハードウェア不要 |
迷ったら、まずはQwen Codeを試してみるのが良い。Claude Codeと同じ使い勝手で、ローカルモデルにもクラウドAPIにも切り替えられる柔軟性がある。
まとめ
2026年4月のQwen 3.6リリースで、AIコーディングエージェントの競争図は一変した。Terminal-Bench 2.0でClaude 4.5 Opusを超え、SWE-bench Proで1位を獲得――もはやコーディングAIはAnthropicの独占ではない。Qwen CodeというClaude Code互換CLIも揃い、同等の体験がオープンソースかつローカル実行で手に入る環境が整った。
サブスクの使用上限に縛られず、プライバシーを守りながら、自分のGPUでAIコーディングを回す。まずはOllamaでQwen 3.6-35B-A3Bをダウンロードして、手元で動かしてみてほしい。
参考ソース
- Qwen 3.6-35B-A3B 公式ブログ
- Qwen 3.6-Plus: Towards Real World Agents - Alibaba Cloud
- QwenLM/qwen-code - GitHub
- Qwen3-Coder 公式ブログ
- Aider - Qwen3対応ガイド
- OpenHands - ローカルLLM設定ドキュメント
- OpenCode 公式サイト
- Aider - Ollama連携ドキュメント
コメント