Qwen3.8-Max:Alibabaは2.4Tのモデルをオープンにし、クローズドモデル並みの価格を付けた(2026)
By Surya Pratap
2026年8月6日
12 min read
AI & Technology
2026年8月6日
12 min read
8月3日、AlibabaはQwen3.8-Maxを公開しました。総パラメータ数は2.4兆、トークンあたりのアクティブパラメータは950億、コンテキストウィンドウは100万トークンで、テキスト、画像、動画を入力できます。Qwenチームがこれまでに出した中で最大のモデルであり、Alibabaがオープンソース化すると表明した初めてのMaxクラスのQwenです。
パラメータ数より興味深い点が2つあります。1つ目は価格です。入力100万トークンあたり2ドル、出力100万トークンあたり6ドル。これは値引きではありません。米国のクローズドなラボの料金とほぼ同じで、それをこの2年間ずっと値下げで対抗してきた企業が付けているのです。2つ目は、執筆時点で重みはHugging Faceに上がっておらず、ライセンス文も公開されていないことです。発表には「来週」とありました。
どちらも、次に何をすべきかについてベンチマーク表より多くを教えてくれます。正直に読み解いていきます。
Qwen3.8-Maxはスパースな混合エキスパートモデルです。総数2.4T、トークンあたり約950億がアクティブで、だからこそサイズとはかけ離れた価格で提供できます。コンテキストウィンドウは100万トークンで、入力は最大99万1000、推論を有効にすると98万3000に下がり、出力は最大13万1000、推論の予算は最大26万2000トークンです。入力はテキスト、画像、動画で、出力はテキストのみです。
APIはAlibaba Cloud Model StudioとQwenCloudですぐに利用でき、OpenAI互換とDashScopeの形式に対応し、Anthropicのプロトコルとの互換性もあります。公表されているレート制限は余裕があり、毎分200万トークン、毎分1万5000リクエストです。関数呼び出し、構造化出力、バッチ処理、プレフィックス補完、ファインチューニングにすべて対応し、コードインタープリター、ウェブ検索、ウェブ抽出、画像から画像の検索、テキストから画像の検索という5つの組み込みツールも備えています。
価格が面白くなるのはキャッシュです。暗黙的キャッシュの読み出しは100万トークンあたり0.25ドルで、キャッシュなしの価格の8分の1です。明示的キャッシュの作成は2.50ドル、読み出しは0.17ドルです。毎ターン大きな安定したプレフィックスを再送するエージェントにとって、ワークフローが割に合うかどうかを決めるのはこの項目です。
同時に2つ目のチェックポイントQwen3.8-27Bも発表され、こちらもオープンウェイトで公開される予定です。仕様表もベンチマーク表も価格もまだありません。この点は覚えておいてください。読者の多くにとって重要なのは27Bのほうで、しかも最も情報が少ないのもこちらです。
Alibabaは幅広い比較を公表しました。これは2つの別々の話として読むべきで、実際そうなっています。
| ベンチマーク | Qwen3.8-Max | GPT-5.6 Sol | Claude Fable 5 |
|---|---|---|---|
| IFBench(指示追従) | 82.8 | 72.7 | 63.5 |
| PaperBench | 93.0 | 90.5 | — |
| CoWorkBench | 74.8 | 71.5 | — |
| WorkSpaceBench | 67.7 | 65.6 | — |
| GPQA Diamond | 92.6 | — | — |
| OmniDocBench 1.5 | 92.1 | — | — |
| Terminal-Bench 2.1 | 86.6 | 88.8 | — |
| SWE-bench Pro | 67.7 | — | 80.0 |
| DeepSWE 1.1 | 56.6 | — | 70.0 |
| FrontierSWE | 73.5 | — | 88.8 |
| Humanity's Last Exam | 43.6 | 47.2 | 53.3 |
| MRCR v2(長いコンテキスト) | 92.9 | 93.8 | — |
ルーティングの判断に使えるほど、パターンははっきりしています。Qwen3.8-Maxがリードしているのは、指示追従、文書理解、長いコンテキストからの想起、範囲の決まったエージェント型のオフィス業務です。2桁の差で後れているのは、難しいソフトウェアエンジニアリングと自由度の高い推論です。SWE-bench Proで12ポイント、FrontierSWEで15、DeepSWEで13、Humanity's Last Examで10、下回っています。
IFBenchはもう一度見ておく価値があります。表の中で最も過小評価されている数字であり、本番の信頼性に最も直結する数字だからです。72.7や63.5に対する82.8は、わずかなリードではありません。指示追従こそが、JSONスキーマが有効な形で返ってくるか、止まれと言われたときにモデルが止まるか、ツール呼び出しがハーネスの期待する形になっているかを決めます。そこでの10ポイントの差は、どんな能力のデモよりも先に、エラー率に表れます。
派手な結果は確かに派手です。365日間のシミュレーションによるEコマースのベンチマークでは、モデルは¥416,252で終え、GLM 5.2を約38%上回り、Qwen3.7-Maxの2倍以上を記録しました。チップ設計のタスクでは、暗号アクセラレーターの論理ゲートを8,298から678に減らし、ダイ面積を81%削減しました。これらは能力のデモとして受け取り、あなたのワークロードについての証拠とは考えないでください。
Qwen3.8-Maxを、その3日前に中国から出たものと並べてみてください。DeepSeekのV4-Flashは入力0.14ドル、出力0.28ドルです。Qwen3.8-Maxは2ドルと6ドルで、同じ週に、広い意味で同じエコシステムから出てきたモデルなのに14倍と21倍高いのです。
これは意図的なポジショニングであり、変化の印です。この2年間、中国のラボは最先端モデルより劇的に安いことで競ってきました。Alibabaはそれをやめたのです。米国のクローズドモデルと同等の価格を付け、主張はベンチマーク表に任せました。賭けているのは、エージェント基盤を選ぶ企業は5分の1の値段であることより、モデルがタスクをやり遂げるかどうかを重視する、ということです。
コストモデルにとっての意味
「中国のオープンウェイトの選択肢は常に安い層」と考えていたなら、その前提はもう当てになりません。今や価格曲線の両端にオープンウェイトモデルがあり、ラベルは請求額について何も教えてくれません。その特定のモデルを、自社の特定のトラフィックで見積もってください。ここで引用する価値のある独立したデータは1つだけです。Vals IndexはQwen3.8-MaxがClaude Opus 4.7と66.1対66.1で並び、テストあたりのコストは約2.3分の1だと測定しました。クローズドな最先端モデルに対する本物の効率面の優位であると同時に、DeepSeekの経済性にはまったく及びません。
これは多くの報道が素通りしている部分です。3つのことが同時に成り立っていて、その3つすべてを押さえる必要があります。
1つ目:重みはまだ出ていない。 AlibabaはHugging FaceとModelScopeで「来週」公開すると約束しました。8月6日時点で、どちらのチェックポイントも何も公開されておらず、日付も示されていません。約束されたリリースはロードマップ上の項目であって、計画の前提にできる資産ではありません。前例はどちらの方向も示しています。Qwen3.6-35B-A3BとQwen 4 Coderは初日からApache 2.0で出ましたが、Qwen3.6-Plus、Qwen3.7-Max、Qwen3.7-PlusはいずれもクローズドでAPIのみのままでした。今回のリリースはその2つ目のパターンを覆すもので、覆るものはその上に構築する前に確認する価値があります。
2つ目:ライセンス文が公開されていない。 発表を確認した実務家たちは、米国、EU、英国、韓国を対象とする地域的な禁止条項があるように見えると指摘していますが、Alibabaは説明していません。ライセンスファイルが存在するまでは、Apache 2.0なのか、制限の厳しいコミュニティライセンスなのか、顧客にとって使えなくなる地域条項付きの何かなのかが分かりません。制限の厳しいコミュニティライセンスの2.4Tモデルも技術的には「オープンウェイト」ですが、あなたが出荷してよいものはまったく変わってしまいます。
3つ目:2.4兆パラメータでは、「ダウンロードできる」はスタートアップにとってほとんど意味がない。 このモデルを提供するには、H100またはB200クラスのGPUが最低8基必要です。ノートPCでもワークステーションでも、ちょっと試すために立ち上げる単一のクラウドインスタンスでもありません。圧倒的多数のチームにとって、オープンウェイトは運用面で何も変えません。クローズドモデルとまったく同じようにAPIを使うことになります。重みが実際にもたらすのは、データ所在地の要件がある大企業にとってのオプション性と、最終的にあなたが動かすモデルを生み出す蒸留やファインチューニングの土台です。
だからこそ、興味深いチェックポイントは27Bなのです。スタートアップが持てるハードウェアで動き、自社のコードベースでファインチューニングでき、利益率に効いてくる可能性があるのはこちらです。そして現時点では、公開された仕様が一切ありません。Qwen3.8があなたのビジネスにとって重要になるとすれば、おそらくそのモデルを通じてでしょう。だから注目すべきはMaxの見出しではなく、27Bのモデルカードです。
reasoning_effortを含め、実装していないパラメータを警告も効果もなく受け付けます。ハーネスがOpenAI形式のリクエストを送っているなら、何かを設定したつもりで何も設定していないかもしれません。パラメータを変えたら挙動が変わることを確認し、エラーが出ないことを信用しないでください。証拠の形を踏まえると、筆者が実際にやるのは次のことです。
これほど大きなリリースだと、スコアボードの更新として読みたくなります。しかし、競争がどこへ移ったかを読み取るほうが役に立ちます。
この2年間、中国のラボは価格で競い、創業者にとっての戦略的な問いは底値がどこまで下がるかでした。Alibabaは旗艦モデルでその勝負を降りました。同等の価格を付け、ほぼ誰も自前でホストできないモデルの重みを公開し、リリース全体を企業向けのエージェントワークロード、つまりオフィス業務、文書処理、長いコンテキストの作業、指示の遵守に向けたのです。DeepSeekは底値を押し下げ続け、Alibabaは天井を争っています。これは別々の戦争であり、今や同時に進んでいます。
実際的な意味は、モデル層はあらゆる価格帯で能力を高め続け、同時に差別化の要因ではなくなり続けるということです。Qwen3.8-Maxは四半期以内に、おそらく同じファミリーの何かに抜かれるでしょう。今週下すルーティングの判断は、2四半期以内に間違ったものになります。それはリリースを無視する理由ではなく、それに安く対応できるように作る理由です。ハードコードしたSDKではなくゲートウェイを、勘ではなく評価セットを、場当たり的に組み立てたプロンプトではなくキャッシュの再利用を前提に配置したプロンプトを。
そして、ベンチマークの割れ方がそれについて何を語っているかにも注目する価値があります。弱点は素の知能にはありません。GPQA Diamondの92.6は最先端級です。弱点は長期的なエージェント型のソフトウェア作業、つまりモデルが40ステップにわたって計画を保持し、自分の誤りから立ち直らなければならないタスクにあります。それは創業者がスタックの1段上で、デモは動くのに本番は動かないときに突き当たるのと同じ弱点です。どのモデルにルーティングしても、それは変わらずあなたが担う仕事です。
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.
