先に答え: Qwen4 はもはや推測上の名前だけではありません。Qwen は現在、Qwen3.8-Flash-Next を マルチモーダルな MoE モデルであり、Qwen4 を支えるアーキテクチャの実験的プレビュー と説明しています。これは効率重視のアーキテクチャ方向性を裏付けますが、Qwen4 製品のリリース発表を意味するものではありません。最終的なモデルラインアップ、パラメータ規模、ベンチマークのスコアカード、API 識別子、ライセンス、価格、リリース予定は未公開のままです。
Qwen4 とは何か
Qwen4 は Qwen チームが認める次世代アーキテクチャですが、独立した Qwen4 モデルや製品ファミリはまだ発表されていません。公式の Qwen3.8-Flash-Next の資料は、これを Qwen4 に向けた実験的アーキテクチャ・プレビューと位置づけています。最終的なパラメータ数、製品ラインアップ、ベンチマークのスコアカード、価格、API 識別子、ライセンス、リリース日については開示されていません。Qwen もしくは Alibaba Cloud によって直接裏づけられない厳密な数値は、引き続き未検証として扱うべきです。
Qwen4 を議論する最も有用な方法は、証拠を三層に分けることです。確定情報には、現在の Qwen モデル、公表されたドキュメント、そして Qwen3.8-Flash-Next のアーキテクチャ・プレビューが含まれます。期待される方向性は、これらのシグナルに基づいた推論です。不明点は、責任を持って推測で埋めるべきではない最終的な製品詳細です。この区別が重要なのは、プレビューがアーキテクチャの意図を確認する一方で、実運用の Qwen4 ファミリを定義してはいないからです。
| 証拠レベル | 扱い方 | 本稿での例 |
|---|---|---|
| 確定 | 公式の直接リンク付きで事実として述べる | Qwen3.8-Flash-Next のアーキテクチャ・プレビュー；Qwen3.8-Max の規模とベンチマーク基準 |
| 想定 | 慎重な言い回しで推論を説明する | プレビューのアーキテクチャが最終的に Qwen4 モデルへどのようにスケールし得るか |
| 不明 | 値やリリース確約をでっち上げない | 最終的なモデル構成、パラメータ、スコアカード、価格、ライセンス、API ID |
なぜ Qwen4 が論理的な次の一歩なのか
Qwen3 世代は推論に対するハイブリッドなアプローチを確立しました。公式の紹介では、開発者が応答速度とより深い熟考の間でトレードオフできる 思考モードと非思考モード を説明しています。同世代では、マルチリンガル対応の拡充や、MCP 指向のエージェント・ワークフローを含むツール使用の強化も行われました。
Qwen のロードマップは、その後 データのスケーリング、コンテキストの拡張、モダリティの拡大、環境フィードバック型の強化学習（RL） に向かいました。このロードマップは噂に基づくリリース予想よりも重要です。モデルの学習から、環境と相互作用して長期タスクを完遂できるエージェントの学習への移行として、次世代を位置づけるからです。
Qwen3.8 ラインは現在、二つの異なる基準を提供します。Qwen3.8-Max は、ホスティングされた 2.4 兆パラメータの MoE システム により、コーディング、オフィス業務、視覚理解、長文書、長尺動画、自律的プランニングにおける現行フラッグシップの能力基準であり続けています。これと異なる役割を担うのが Qwen3.8-Flash-Next で、Qwen はこれを Qwen4 のアーキテクチャ・プレビューとして明確に位置づけています。将来の Qwen4 は、フラッグシップの広範さとプレビューの効率志向の設計を組み合わせなければなりません。
Qwen3.8-Flash-Next が Qwen4 について示すこと
Qwen3.8-Flash-Next は、Qwen4 の基盤に関する最初の具体的な公開証拠です。Qwen はこれを 新アーキテクチャの下での最初のオープンウェイト公開 と呼び、その設計が Qwen4 を支えると述べています。したがって、このプレビューはロードマップ上の推論より強い根拠を持ちますが、実運用モデルの規模や構成は依然として開かれています。
このモデルはビジョンエンコーダを備えたマルチモーダル因果言語モデルです。言語モデル部分は 125B パラメータで、アクティブは 6B。さらに 51B の n-gram 埋め込みと 4B の MTP パラメータ を含みます。48 層構成、512 のエキスパート（各トークンで 10 のルーティング済みエキスパートと 1 つの共有エキスパートがアクティブ）、ネイティブ 262,144 トークンのコンテキスト、最大 1,000,000 トークンまでの拡張に対応します。
| アーキテクチャ上のシグナル | Qwen3.8-Flash-Next で確認 | Qwen4 への示唆 |
|---|---|---|
| 超スパース MoE | メイン 125B；トークン当たり 6B がアクティブ；エキスパート 512 | アクティブ計算量あたりの能力が中心目標になる可能性 |
| ハイブリッド注意機構 | Qwen Sparse Attention 1 層に対し Gated DeltaNet 3 層 | 長文脈でのレイテンシや KV キャッシュ効率が、生のウィンドウサイズ以上に重視される可能性 |
| ゲート付き残差 | データ依存ゲートを持つ 4 本の拡張残差ブランチ | 制御可能なオーバーヘッドで表現力の高い深層スケーリングを検証中 |
| n-gram 埋め込み | 51B のバイグラムおよびトリグラム埋め込みパラメータ | メモリにオフロード可能な容量で、計算集約的な MoE スケーリングを補完する可能性 |
| ネイティブなマルチモーダリティ | ビジョンエンコーダを備えた因果言語モデル | テキストとビジョンがアーキテクチャの土台となる見込み（後付けではない） |
| 長コンテキスト | ネイティブ 262K；1M まで拡張可能 | 長期エージェントを効率的に強調する見込み |
ベンダー報告のベンチマーク結果は、なぜこのアーキテクチャが重要かも示します。トークン当たり 6B のみアクティブであるにもかかわらず、以下の選定されたコーディング、オフィス業務、ツール使用、マルチモーダル・エージェント評価において、密な Qwen3.8-27B のベースラインを上回っています。これらは Qwen4 のスコアではなく、新アーキテクチャがアクティブパラメータあたりの能力向上を狙っている証拠です。
| ベンチマーク | Qwen3.8-Flash-Next | Qwen3.8-27B |
|---|---|---|
| DeepSWE 1.1 | 58.7 | 42.2 |
| SWE-bench Pro | 62.5 | 61.7 |
| CoWorkBench | 73.9 | 70.7 |
| Toolathlon Verified | 73.5 | 67.1 |
| ClawEval-MM (Pass@3) | 64.4 | 57.4 |
| AndroidWorld | 84.5 | 81.9 |
解釈: Flash-Next は、超スパースなアクティベーション、ハイブリッドな長コンテキスト注意機構、そしてネイティブなマルチモーダリティという、Qwen4 に対する三つの期待をより強いシグナルに変えます。一方で、Qwen4 の最終的なパラメータ数、厳密なコンテキスト構成、製品ティア、リリース時期は明らかにしません。
予想される Qwen4 の仕様
最終的な Qwen4 の仕様は存在しないため、以下の表では、確定した実運用ベースラインとして Qwen3.8-Max を、アーキテクチャ上の確定シグナルとして Qwen3.8-Flash-Next を用います。プレビューにより複数の方向性への確信は高まりますが、Qwen がモデルを公開するまで、最終的な Qwen4 の各項目は「想定」または「不明」に留まります。
| 仕様 | Qwen3.8-Max の確定ベースライン | Qwen4 の想定 | 確度 |
|---|---|---|---|
| ステータス | リリース済み | アーキテクチャ・プレビューは確定；モデルは未発表 | 確定 |
| アーキテクチャ | スパース MoE とハイブリッド注意機構を基盤 | Flash-Next の GDN + QSA、ゲート付き残差、n-gram 埋め込みを踏襲する見込み | 高 |
| 総パラメータ数 | 2.4T | 不明；2.4T を超える必要はない可能性 | 低 |
| アクティブパラメータ | オープンウェイトモデルでステップ当たり約 95B | 超スパースなルーティング見込み；厳密なアクティブ計算量は不明 | 中〜高 |
| コンテキストウィンドウ | 1,000,000 トークン | 長コンテキスト最適化；ネイティブ／デフォルトの上限は不明 | 高 |
| 最大出力 | 131,072 トークン | 維持または拡張の見込み | 中 |
| ホスト入力 | テキスト、画像、動画 | マルチモーダル方向性は確定；音声の対応は不明 | 高 |
| 出力モダリティ | テキスト | テキスト見込み；ネイティブなメディア出力は未確認 | 中 |
| 推論 | 思考モードと高速推論ワークフロー | 思考制御の継続見込み；最終 API の挙動は不明 | 中〜高 |
| ツールサポート | 関数呼び出しと構造化出力 | より強いツール選択、状態保持、リカバリーが期待される | 高 |
| ウェイトとライセンス | オープンウェイトのフラッグシップ・チェックポイントあり | プレビューはオープンウェイト；最終 Qwen4 のライセンスとチェックポイントは不明 | 中 |
| API モデル ID | qwen3.8-max | 未提供 | 確定 |
解釈: Flash-Next は、超スパース MoE ルーティング、ハイブリッド長コンテキスト注意、ゲート付き残差、n-gram 埋め込み、ネイティブ・マルチモーダリティへの確信を高めます。一方で、最終的な Qwen4 モデルが 125B パラメータを採用するのか、トークン当たり 6B をアクティブにするのか、同じコンテキスト上限を持つのかは証明しません。
Qwen4 はどのアーキテクチャを基盤に据えると想定されるか
超スパース MoE は最も強いシグナルに
アーキテクチャの問いは、もはや憶測が少なくなりました。Qwen3.8-Flash-Next のモデルカードは、メイン 125B パラメータでトークン当たり 6B のみアクティブ、加えて 51B の n-gram 埋め込みを文書化しています。この超スパース設計は、Qwen4 が保存容量に比例してアクティブパラメータ数を増やすのではなく、アクティブ計算量あたりの総合タスク能力を優先する可能性を示唆します。
重要なのは、エキスパート数が多いかどうかではなく、ルーティング、メモリアクセス、エキスパートの専門化が長いタスク全体で安定しているかどうかです。Flash-Next の n-gram 埋め込みはまた、従来の MoE スケーリングより計算が軽く、オフロードしやすい容量の追求を示しています。
ハイブリッド注意機構は長コンテキスト効率を狙う
Flash-Next は、従来の Gated DeltaNet とフルアテンションの組み合わせを、Gated DeltaNet と マイクロブロックレベルで動作する Qwen Sparse Attention に置き換えています。48 層は、Gated DeltaNet を 3 層、続いて 1 層のスパースアテンションという繰り返しです。これは、Qwen4 が大きな密アテンション・ウィンドウに頼るのではなく、長コンテキストのレイテンシや KV キャッシュ圧力を低減する設計であることの最も明確なシグナルです。
長コンテキストは単なる巨大プロンプトではなくエージェントのメモリへ
ミリオントークンのウィンドウは、モデルが適切な根拠を取り出し、目標を保持し、矛盾する状態の蓄積を避けられるときにのみ有用です。したがって Qwen4 は、ツール呼び出し、ファイル変更、中間結果、エラーからの回復にまたがって長コンテキストをどう活用するかで評価されるべきです。生のコンテキスト長よりも、検索精度と長い軌跡におけるタスク完遂の方が示唆に富みます。
思考制御はさらに細粒度になる可能性
Qwen3 のハイブリッド思考設計は、すでに高速と熟考の挙動を両立させていました。Flash-Next は enable_thinking、preserve_thinking、reasoning_effort の制御 をサポートすることで、このシグナルを強化しています。意味のある Qwen4 の改善は、推論を動的に割り当て、マルチステップの一貫性を高める状態だけを保持することで、可視の思考をただ長くするのではなく、ワークフロー全体のコストを削減することにあるでしょう。
マルチモーダリティはコンピュータ操作に一歩近づく可能性
マルチモーダリティの期待は強まりました。ホスト型の Qwen3.8-Max サービスと、オープンウェイトの Flash-Next プレビューがともに視覚入力をサポートするためです。Qwen4 は、その知覚をより信頼できるアクションと組み合わせる可能性があります。スクリーンショットを理解し、UI コントロールを選択し、結果を確認し、計画を修正する、といった流れです。ネイティブの音声、画像生成、音声出力、動画生成は依然未確認です。
予想される Qwen4 の機能
- より信頼できる長期ホライズンのエージェント。ツール呼び出し失敗率の低減、目標保持の強化、リカバリーの改善、数百ステップ後も一貫した成果物。
- リポジトリ規模のソフトウェアエンジニアリング。巨大なコードベース、テスト、ターミナル、課題トラッカー、デプロイ環境にまたがる計画性の向上。
- エンドツーエンドのナレッジワーク。リサーチや文書分析から、スプレッドシート、プレゼン、レポート、意思決定可能なアウトプットまでの強化。
- マルチモーダルなツール使用。視覚理解を UI 操作、ドキュメント処理、環境に根差した推論に活用。
- 適応的な思考予算。不確実性やタスクの複雑さに応じて、迅速な応答からより深い推論へ自動的にエスカレート。
- アクティブパラメータ当たりの能力向上。より良いエキスパート・ルーティング、n-gram 容量、スパースアテンション、キャッシング、後処理学習で、単なるスケール拡大に依存しない。
- より幅広いモデルファミリ。Max、Plus、Coder、小型 MoE、VL、Omni などの可能性はあるが、いずれの名称も未確認。
Qwen4 のベンチマーク見通し：Qwen3.8-Max のベースラインが示すもの
Qwen4 のベンチマークスコアは存在しません。Flash-Next と Max は異なる問いに答えます。Flash-Next のスコアカード は新アーキテクチャの効率志向の能力を、公式の Qwen3.8-Max スコアカード はコーディング・エージェント、研究再現、プロフェッショナル・コーワーク、視覚推論、モバイル操作、コンピュータ操作における現行の実運用能力基準を示しています。Qwen4 は両方向性を、条件を揃えた評価で統合する必要があります。
| ベンチマーク | Qwen3.8-Max の公表スコア | Qwen4 が証明すべきこと |
|---|---|---|
| SWE-Pro | 67.7 | プロフェッショナルなリポジトリ規模の課題解決で差を縮める |
| TerminalBench 2.1 | 86.6 | 同一ハーネス下でターミナル・エージェントの信頼性を向上 |
| PaperBench | 93.0 | 独立した再現性を伴って研究能力を維持 |
| FrontierSWE | 73.5 | 長期推論をより多くの完了したエンジニアリング作業へ転換 |
| CoWorkBench | 74.8 | より信頼できるプロフェッショナルな成果物を生成 |
| OSWorld-Verified | 86.1 | コンピュータ操作ワークフローにおける視覚アクションのエラーを削減 |
二つのベースラインは二重の要件を示します。Flash-Next は低いアクティブ計算量でも強いエージェント性とマルチモーダル性能が得られることを示し、Max は新たなフラッグシップが超えるべき能力上限を示しています。したがって Qwen4 は、条件を揃えたタスク成功率とワークフロー総コストの両方で評価されるべきであり、ベンダー報告のスコアと独立した再現は分けて扱う必要があります。
Qwen3.8-Max の公式ベンチマーク結果。出典: Qwen3.8-Max 公式リリース**.
Qwen4 と現在のフロンティアモデルの比較：確定ベースラインと不明点
有用なのは、単に Qwen4 を Qwen3.8-Max と比較することではありません。Kimi K3、DeepSeek V4 Pro、GLM-5.3 にすでに見える設計選択と比較することです。以下の表は、確定した現行モデルの属性と、まだ不明な Qwen4 の列を比較します。
| 次元 | Qwen4 | Qwen3.8-Max | Kimi K3 | DeepSeek V4 Pro | GLM-5.3 |
|---|---|---|---|---|---|
| ステータス | アーキテクチャ・プレビューは確定；モデルは未リリース | リリース済み | リリース済み | リリース済み | リリース済み |
| スケール | 不明 | 2.4T / 約 95B アクティブ | 2.8T / 896 中 16 エキスパート | 1.6T / 49B アクティブ | 今回のリリースでは非公開 |
| コンテキスト | 1M+ が想定 | 1M | 1M | 1M | 1M |
| 入力 | マルチモーダル方向性は確定；最終インターフェースは不明 | テキスト、画像、動画 | テキストとネイティブ視覚 | テキスト中心 | テキストのみ |
| 推論 | 不明 | 思考モードと高速ワークフロー | Low / High / Max Effort | Thinking / Non-thinking | 常時オン；Low / High / Max |
| オープンなエコシステム | 最終ウェイトとライセンスは未確認 | オープンウェイトのフラッグシップあり | オープンソース志向のポジショニング | オープンウェイト | オープンソース志向のポジショニング |
| コアフォーカス | 効率的なマルチモーダル・エージェントが想定 | コーディング、コーワーク、視覚エージェント | コーディングとナレッジワーク | 効率的な推論とコーディング・エージェント | コーディングとサイバーセキュリティ |
モデル規模と推論効率
Kimi のドキュメントは、2.8T パラメータおよび 896 中 16 の有効化エキスパート を説明しています。DeepSeek V4 Pro は別路線で、合計 1.6T、アクティブ 49B パラメータ を採用します。Qwen4 はこの比較で最大である必要はありません。重要なのは、アクティブな計算資源を、より信頼できる完了作業へと変換できるかどうかです。
コンテキストとマルチモーダリティ
100 万トークンはフラッグシップの共通ベースラインとなっており、コンテキスト長だけでは Qwen4 を差別化できません。Qwen にとっての強みは、ドキュメント、コード、スクリーンショット、動画にまたがる正しい根拠を見つけ、それに基づいて正しいアクションを取るという、マルチモーダルなコンテキスト活用です。Kimi K3 もネイティブな視覚理解を持ち、GLM-5.3 の現行インターフェースは テキストのみ、1M コンテキスト、最大出力 128K です。
コーディング、エージェント、専門性
Qwen3.8-Max は、広範なコーディング、研究、コーワーク、視覚エージェントのプロファイルを提供します。Qwen3.8-Flash-Next は、アクティブパラメータあたりの能力が強い、効率志向のマルチモーダル・アーキテクチャを追加します。Kimi K3 は長期的なコーディングとナレッジワークを、DeepSeek V4 Pro は効率的な推論とエージェント型コーディングを強調し、GLM-5.3 は独自にサイバーセキュリティの焦点を加えます。説得力のある Qwen4 のローンチには、広いエージェント信頼性と、ソフトウェアエンジニアリングおよび視覚的なコンピュータ操作における専門家レベルの性能を両立させる必要があります。
オープンウェイトが配備ストーリーのすべてではない
オープンウェイトは、制御、カスタマイズ、プロバイダ選択を改善しますが、実務的な比較には、ライセンス条件、ハードウェア要件、量子化の品質、ファインチューニングのサポート、最適化されたサービングスタックの有無も含まれます。open という言葉を、それぞれのリリースの正確なライセンスと配備条件の確認に代えるべきではありません。
比較結果: Qwen4 の最も強い可能性は、Qwen3.8-Max の視覚とコーワークの強みを、Flash-Next の低アクティブ計算設計と、より良いソフトウェアエンジニアリングの信頼性と組み合わせる広範なマルチモーダル・エージェントにあります。適合した評価と実運用の挙動が出揃うまでは、勝者を宣言することはできません。
Qwen4 の潜在的なユースケース
自律型ソフトウェアエンジニアリング
強化された Qwen エージェントは、リポジトリを調査し、問題を再現し、複数ファイルを編集し、テストを実行し、失敗をレビューし、プルリクエスト可能な変更を準備できるでしょう。重要な指標は、生成コード量ではなく、人の介入なしに完了できたタスクの割合です。
エンタープライズ・ナレッジワーク
長コンテキストとマルチモーダル理解は、契約書、PDF、スプレッドシート、図、議事録から始まり、意思決定用のメモ、分析、構造化されたアクションプランで終わるワークフローを支えます。企業は引き続き、モデルの周囲に取得制御、監査ログ、出典検証を必要とします。
マルチモーダルなコンピュータ操作エージェント
Qwen4 は、スクリーンショットを解釈し、アプリケーションを操作し、UI 状態を検証し、クリックやフォーム送信が予期せぬ結果を生んだときにリカバリーする、といった場面で有用となる可能性があります。これは Qwen3.8-Max の強い視覚・OSWorld 系のベースラインの自然な拡張ですが、ネイティブなコンピュータ制御のサポートは発表されていません。
科学技術・エンジニアリング研究
研究ワークフローは、文献レビュー、コード、シミュレーション、データ解析、レポート作成を組み合わせます。将来の Qwen モデルは、これらのステップをオーケストレーションし、より長い実験履歴を保持できるでしょう。PaperBench の性能はこの方向性の信憑性を高めますが、再現性と独立検証はなお不可欠です。
現時点で不明な点
Flash-Next によってアーキテクチャが認められたとはいえ、以下の実運用の詳細は不明であり、公式の Qwen4 アナウンスがあるまで未確定のままにしておくべきです。
- 正式な製品名、および Qwen4 が単一モデルとして出るのかファミリとして出るのか。
- リリース日やプレビュー日程。
- 最終モデルが Flash-Next の GDN/QSA 比、ゲート付き残差設計、n-gram 埋め込み規模、エキスパート・ルーティングをそのまま維持するかどうか。
- 各 Qwen4 モデルの総パラメータ、アクティブパラメータ、エキスパート数、学習データ規模。
- 各ルートでのネイティブ・コンテキスト長、デフォルト・コンテキスト、最大出力、対応モダリティ。
- ネイティブな音声、画像生成、音声出力、動画生成の有無。
- 公式ベンチマーク結果と、それぞれのスコアに用いられた評価ハーネス。
- オープンウェイトの可用性、ライセンス条件、商用利用条件。
- API 価格、リージョン可用性、レート制限、最終的なモデル ID。
検証ルール: Qwen、Alibaba Cloud、または公式モデルリポジトリに直接たどれるものでない限り、厳密な Qwen4 の仕様、ベンチマーク図表、価格表、API 識別子は未検証として扱ってください。
Qwen4 はいつリリースされるのか
公に防御可能なリリース日はありません。Qwen3.8-Flash-Next は、Qwen4 を支えるアーキテクチャの検証を示しますが、実運用の Qwen4 モデルのスケジュールは公開資料にありません。学習の完了、サービング効率、安全性評価、ウェイトのライセンス、プロダクト統合などが、リリースのタイミングと形に影響し得ます。
最も安全な公開方針は、月や四半期の予測を避けることです。公式の Qwen サイト、Alibaba Cloud Model Studio のドキュメント、検証済みモデルリポジトリ、CometAPI のモデルカタログを注視してください。Qwen4 のモデルページは、実際にモデルが掲載されてから追加すべきです。
開発者が Qwen4 に備えてできること
- 二つのベースラインを確立する。アーキテクチャの効率測定には Qwen3.8-Flash-Next を、現行フラッグシップ能力の測定には Qwen3.8-Max を用いる。
- モデル ID を業務ロジックから切り離す。ルーティングや設定はアプリコードの外に置き、モデルの安全な差し替えを可能にする。
- タスクレベルの評価を構築する。完了したソフトウェア修正、正確な調査成果、成功したツール連鎖、実用的な成果物を計測する。
- ワークフロー総コストを記録する。レイテンシ、入出力トークン、キャッシュ利用、リトライ、失敗アクション、人手のやり直しを追跡する。
- フォールバック経路を保持する。未リリースの単一モデルが単一障害点にならないよう、モデルルーティングとプロバイダのフォールバックを使う。
- モデル ID をでっち上げない。公式の識別子が出るまで、qwen4 や qwen4-max を本番設定に加えない。
CometAPI で Qwen3.8-Flash-Next と Qwen3.8-Max を試す
開発者は現在、CometAPI から Qwen3.8-Flash-Next を試し、フラッグシップ比較として Qwen3.8-Max を併用できます。API キー を作成し、環境変数に保管し、OpenAI 互換クライアント経由で既存モデルを呼び出してください。例は将来の Qwen4 識別子を仮定せず、意図的に qwen3.8-flash-next を使用しています。
結論
Qwen4 はもはや噂以上の存在です。Qwen は、Qwen4 を支えるアーキテクチャの実験的プレビューとして Qwen3.8-Flash-Next を明示しました。このプレビューは、Gated DeltaNet、Qwen Sparse Attention、ゲート付き残差、n-gram 埋め込みを中核とした、マルチモーダルかつ超スパースな MoE の方向性を確認します。一方で、Qwen3.8-Max は現時点の能力基準として強固なままです。
Qwen4 の真価は、パラメータ数が大きいかどうかではありません。最終モデルが Flash-Next の効率を Max 級の能力と組み合わせ、失敗を減らしてより長い作業を完遂し、マルチモーダルな根拠をより確実に活用できるかにかかっています。アーキテクチャの方向性は公開されましたが、最終仕様、ベンチマーク、ライセンス、価格、API ID、リリース日は依然不明です。