1. これは何の話？
アリバ（阿里巴巴）のQwen（千問）チームを率いてきた林俊旸（Junyang Lin）が、2026年3月3日に退職を申請した。36kr傘下の智能涌現が独自取材で報じた。
今回の動きが単なる転職でないのは、チームの技術的な方向性そのものに根拠があるからだ。林俊旸とともに、コーダー方向を担う惠彬原（Binyuan Hui）、後訓練研究の郁博文（Bowen Yu）、Qwen 3.5/VL/Coderの中核貢献者であるKaixin Liも同日に退職を申請した。SNSには「Qwen is nothing without its people.」という投稿が相次ぎ、海外の開発者コミュニティには衝撃が走った。
前任の周畅が退いてから2022年に林俊旸が引き継ぎ、開源戦略をチームに根づかせてきた。その積み重ねを評して「1億ドル以上の人材」と言う投資家もいる。
2. 何がわかったか
Qwenチームは2023年以来、0.5Bから235Bまで400超のモデルを開源してきた。中核メンバーは100人超という少数精鋭で、字節跳動（ByteDance）のSeedチームが約1,000名とされることと比較すると、人員規模の差は歴然だ。
報道によれば、Qwenチームは長期にわたって算力（計算リソース）とインフラ整備で十分な支援を受けられず、開発スピードに制約をきたしてきたという。
退職が「非自発的」だという噂も流れたが、智能涌現の取材によると林俊旸本人からの申請で、細部の交渉が続いている段階とのことだ。退職の最終確定はまだ行われていない。
後任候補として浮上しているのは、Google DeepMindから2026年1月に短期入社後、通義実験室へ転属した周浩（Hao Zhou）だ。中科大卒・ウィスコンシン大学マディソン校博士で、MetaとGoogleDeepMindで合計7年の経験を持ち、Gemini 3.0の開発に深く関わったとされる。
3. 他とどう違うのか
中国AI業界での研究者の移籍は珍しくない。ただ今回は、個人のキャリア選択よりも、チームの目標とアリバの戦略的優先事項のずれが表面化した点で性質が異なる。
開源実績（HuggingFaceでのダウンロードシェアで世界上位）と旗艦クローズドモデルの競争力という二軸の間で、アリバがどこにリソースを集中するかという選択が今回の退職劇の背景にある。
4. なぜこれが重要か
QwenはMeta Llamaと並んで、現在最も広く使われている開源LLMファミリーのひとつだ。林俊旸らの離脱により、開源コミュニティへの高頻度アップデートが停滞するリスクが生まれる。
ある業界関係者は「チームの再編で半年から1年は開発が遅れる」と推測する。Qwenを基盤に独自モデルを構築している企業にとっては、ロードマップの見通しが立てにくくなるという直接的な影響がある。
5. 未来の展開・戦略性
アリバはAI To C（消費者向けAI）戦略を急加速させており、千问アプリが春節商戦に参入するなど攻勢をかける一方で、旗艦クローズドモデルの性能維持も譲れない。この二正面作戦が限られたリソースの中で生んだ軋みが、今回の退職劇の根本という見方が強い。
周浩がGemini 3.0での経験を活かしてQwenのクローズド路線を強化した場合、開源ファミリーの優先度は下がりうる。中国AI市場での開源戦略に依存するスタートアップや研究機関には、代替基盤の選定を今のうちに進める理由ができた。
6. どう考え、どう動くか
Qwen 3.5などを本番環境で使っているチームは、アップデートサイクルが鈍化する可能性を前提に、バージョン固定と代替モデルの並行評価を早めに着手するのが現実的なリスク対応だ。
指針：
- Qwen依存のシステムではパッチ頻度の変化を定期的にモニタリングし、特定バージョンへの固定を検討する。
- Meta Llama、Mistral、DeepSeekなど他の開源ファミリーとの性能比較を今のうちに実施しておく。
- アリバ公式の発表チャンネルとHuggingFaceのQwen organizationを継続的に追い、人事の確定とリリース状況を把握する。
次の一歩：
- 今日やること：利用中のQwenバージョンをロックし、HuggingFaceの最新動向を確認する。
- 今週やること：代替開源モデルとのベンチマーク比較を1本実施し、切り替えコストを見積もる。
7. 限界と未確定
- 林俊旸の退職が確定したかは記事執筆時点で未確認。阿里高管との交渉が継続中であり、発表の内容が変わる余地がある。
- 離脱した研究員の転職先は一切公開されておらず、競合への流出規模は不明のままだ。
- 周浩が開源路線を継続するかクローズドに舵を切るかは、公式情報がなく推測の域を出ない。
8. 用語ミニ解説
- モデルのコード・重みを外部に公開し、誰でも利用・改変できるようにする仕組み。（オープンソース / Open Source）
- 大量のデータを使ってモデルを汎用的に学習させる初期段階の工程。（事前訓練 / Pre-training）
9. 出典と日付
36氪（最終確認日：2026-03-05）：https://www.36kr.com/p/3708425301749891
