Qwen 3.8 27Bにリバースエンジニアリングの仕事を依頼したところ、30分で完了しました。

2026年8月23日原文(xda-developers.com)

概要

Qwen 3.8 27B は、ローカル環境で動作する高性能なオープンウェイトモデル
高度なリバースエンジニアリング を単体マシン上で実現
静的解析のみで商用アプリの認証バイパス を成功させた実例
自己修正能力 と詳細なレポート生成を確認
ローカルモデルの脅威モデルへの本格的な台頭 を示唆

Qwen 3.8 27Bによるローカルリバースエンジニアリングの実力

Qwen 3.8 27B は、Nvidia Grace Blackwellチップ搭載のLenovo ThinkStation PGX（128GBメモリ、273GB/s帯域幅）で運用
標準設定では 15～30トークン/秒 だが、 SGLang, NVFP4, DFlash2による最適化 で 50トークン/秒 を実現
Artificial Analysis のインテリジェンス指数で同クラス135モデル中トップ（スコア52）
SWE-bench Pro 等のベンチマークで高価なモデルを凌駕
Qwen 3.6 27B でも良好な経験、 3.8 は更なる進化

実験内容：商用アプリのライセンス認証バイパス

本物の商用アプリ （既購入済み）を対象に ライセンスチェックのリバースエンジニアリング を実施
Jailbreakプロンプト による誘導を試みるも、 Qwenは即座に拒否
- 署名証明書と開発者名 を正確に特定し、偽装を見抜く
監査・脆弱性のドキュメント化のみ を実施と宣言しつつも、最終的には バイパス手順を提示

静的解析による完全自動リバースエンジニアリング

アプリを一度も実行せず、静的解析のみで arm64バイナリを逆アセンブル
セキュリティ関数のコールサイト特定 と 公開鍵の抽出 に成功
本物のライセンス が正しい秘密鍵で署名されていることを検証
17GB VRAMで動作するモデル が、意図的に難読化された暗号鍵の復元を達成
約30分 で解析完了、人間ならはるかに長時間かかる作業

詳細なレポートと自己修正能力

ライセンス認証の全手順、 オフライン検証の仕組み、 ハードウェアバインディング 等を詳細に記述
RSAキーが現代基準で脆弱、 オフライン運用のため鍵漏洩時の対処が限定的、 ローカルチェックのパッチ容易性 など、弱点を特定
PoCスクリプト を自動生成し、ファイルパス変更後も動作確認
最初の鍵復元に失敗 した際、自ら問題点を認識し 自動で再解析・修正 し正解に到達

ローカルモデルの脅威モデルとしての台頭

完全ローカル実行、クラウド利用なし、データ流出リスクなし
認証バイパスの実働PoC生成 という閾値を突破
消費者向けGPUでも運用可能、利用者の自由度が高い
クラウドAPI不要、使用制限なし、プロンプトや生成物の監視も不要
プライバシー保護とリスクの両面性、利用者次第で善悪が分かれる
同様の能力を持つモデルの今後の増加 を予感

まとめ：ローカルモデルの新たな実用域

Qwen 3.8 27B は、従来フロンティアモデルの領域だった作業を ローカルで実現
ベンチマークスコア以上の革命的進歩
アプリ名は非公開 だが、重要なのは「誰でも手元でこれができる」点
今後の脅威モデルやセキュリティ運用の前提を覆す可能性
ローカルAIの進化が現実の業務やセキュリティ観点で無視できない段階へ到達

Hackerたちの意見

最近、未来は大規模なフロンティアモデルが「十分良い」ローカルモデルのために入力やスキルを生成・更新して、日常の問題を解決する時代になるんじゃないかと思ってる。ちょっとした知恵が必要なタスクには、そんなに計算力はいらないんだよね。十分なドキュメントやスキル、ツールの呼び出し、そして十分なローカルモデルがあれば大丈夫。これが新しく建設されているデータセンターにとって何を意味するのかは分からないけど、ワクワクする時代だね。

└

フロンティアモデルとローカルモデルの根本的な違いって何なの？

└

AIはもっと多くのデータにアクセスできると便利になるけど、個人的なアシスタントとしてクラウドAIモデルを使うことは考えられないな。差分プライバシーや機密計算があれば別だけど…理想的には、これらのモデルはローカルで動くべきだよね。

└

そうそう！強力なモデルの主な使い道は、自分のニーズに合わせた小さなローカルモデル用のコーディングハーネスを書くことなんだ。それに、強力なモデルを使って、もっと小さなスキルファイルやハーネス用のツールを作ることもしてる。データセンターについて言えば、ポンプ・アンド・ダンプだね。裕福な投資家たちはお金を稼いで去っていくし、ワシントンの腐敗した民主党や共和党の政治家たちは、いつものように超裕福な人たちの利益を守って、一般市民には悪い決定のツケを押し付けるんだ。政府の救済措置があるだろうね。まあ、ポジティブな点としては、特定のタスクのために強力なホストモデルで強化された小さなローカルモデルには全力を注いでるよ。テクノロジーを使って人々を助けるべきで、億万長者をさらに儲けさせるためじゃないよ。

最初の鍵の復元試みは非常に特定の方法で間違っていた。動作する鍵が生成され、署名チェックも通ったが、バイナリが整合性チェックとして計算したハッシュが一致しなかった。私の経験では、ほとんどのモデルはこれで終わりにしてしまうけど、Qwen 3.8 27Bはそうしなかった。むしろ、不一致を指摘して、最初からやり直し、値がバイト単位で一致するまで続けた。最近リリースされたモデルにはこのパターンが見られると思うけど、これが彼らの作業の質の向上に寄与していると思う。彼らは自分の仕事が本当に正しいかどうかを確認するのに非常に粘り強いので、最初から正解を出す大きなモデルほど「賢く」なくても、実際に仕事が完了するように追求する能力があるんだ。

└

うーん、どうやらリーナスはそれを使ってないみたいだね。 > これは地獄のデバッグセッションで、AIが多くの雑務を手伝ってくれたおかげで大いに助かった。 > 私はそれを疲れ知らずの助手と呼びたいけど、AIは何度も「これは不可能で解決できない」とはっきり言って、ただレポートを書けと言ってきた。 > 私は、そういうことを訓練した人たちは、私ほど頑固じゃないんじゃないかと思う。 https://git.kernel.org/pub/scm/linux/kernel/git/torvalds/lin...

└

君の説明は理解できるけど、最近リリースされたモデルについて一括りに一般化するのはどうかと思う。これは人間のパターンマッチングの傾向についての方が多くを語ってると思う。XがYよりも良く機能するというのは、同じXとYを似た文脈で、似たパラメータで使っている場合にのみ有用な観察なんだ。そうでなければ意味がなくなっちゃうし、これが人々が同じ技術について全く異なる意見を持つ理由の一部だと思う。みんなお互いに話が噛み合ってないんだよね。

└

これは新しいモデルが時間がかかる/高額な支出を必要とするという不満の一因だと思う。彼らは、変更が正しいかどうかに関わらず、検証に余分な手間をかけるから。だから、以前のモデルが一発で答えを出して軽い検証をした問題に対して、新しいモデルは見つけられるテストを全て実行するため、ユーザーに戻るのに時間がかかるかもしれない。

└

そうだね、約1年前に研究所が効果的な知性は持続性の関数でもあるって気づいたんだ。それで、モデルは昨年の後半からめっちゃ持続的になって、トレンドは続いてるよ。数ヶ月前にもまたジャンプがあったし。

ローカルモデルは、拒否のトリックが組み込まれていなければもっと良くなると思う。組織犯罪がこういうハードルなしに最高のモデルにアクセスできるのは間違いないから、一般ユーザー（＝非犯罪者）もアクセスできるべきだよね。元Anthropicの社員から聞いた話では、いくつかの組織は高額な支出レベルに基づいてMythosにアクセスできたらしい。私たちがソフトウェアを支配するか、企業がソフトウェアを通じて私たちを支配するかのどちらかだ。理論的にはその懸念を理解できるけど、全てのLLMを禁止するか、みんなに平等な競争の場を提供するかのどちらかにしよう。忘れちゃいけないのは、ソフトウェアにおいて防御と攻撃は同じコインの裏表だってこと。生物兵器には当てはまらないかもしれないけど、その辺は詳しくないからね。

└

ええ、少なくとも機能獲得型生物兵器研究の言い訳としては使われてるよね。

└

Qwen3.8-27Bのバージョンには、制限なしでHugging Faceから入手できるものもあるよ。「それは、元のQwen3.8-27Bが拒否する有害、不道徳、攻撃的、または違法なリクエストに従う。意味のあるガードレールは一切ない。」

Hacker Newsで議論の続きを見る

ハクソク