何が出たのか
Alibaba が 2026 年 8 月 3 日に、Qwen シリーズの最上位モデル Qwen3.8-Max を正式公開しました。7 月 20 日に上海で開催された会議でプレビューが先行し、そこから約 2 週間での正式提供です。
数字を先に並べます。
| 項目 | 内容 |
|---|---|
| 総パラメータ | 2.4 兆 |
| 推論時に動く数 | 約 950 億 |
| コンテキスト | 約 100 万トークン |
| 最大出力 | 約 13 万トークン |
| 構成 | Sparse MoE + ハイブリッド注意機構 |
| 対応する入力 | テキスト・画像・動画 |
コンテキストと出力の具体値は、公式の連携メタデータで 983,616 トークン / 131,072 トークンと示されています。「約 100 万」という表現の実体はこの数字です。
2.4 兆という数字の読み方
コスパで言うと、ここを取り違えると判断を誤ります。2.4 兆は「持っている量」であって、「1 回の推論で動く量」ではありません。
Sparse MoE は、巨大なパラメータの集合から一部だけを選んで動かす構成です。Qwen3.8-Max の場合、動くのは約 950 億とされています。総数の 4% ほどです。
比較の場面では、この 2 つが混ざりがちです。
総パラメータで比べる場合は、モデルが保持しているものの量の目安になります。動くパラメータで比べる場合は、1 回の推論にかかる計算量に近い指標になります。
他のモデルと並べるときは、どちらの数字で並べているかを確認してください。 総数だけを見て「桁違いに大きい」と言うのは、比較としては雑になります。実際に動く量で見れば、他の上位モデルと同じ土俵に乗ります。
コツ
総パラメータの大きさは、動かすときに必要なメモリ量には効いてきます。オープンウェイトで自社環境に置く話になると、この数字が直接効いてきます。
Qwen シリーズの中での位置
Qwen は以前からオープンモデルの主要な系列の 1 つで、規模の小さい版から大きい版まで幅を持って提供されてきました。今回の Qwen3.8-Max は、その最上位にあたります。
実務で効いてくるのは、同じ系列で規模の選択肢がある ことです。試すときは大きい版で挙動を見て、実運用では小さい版に落とす、という進め方ができます。指示の書き方や癖が系列内で近いぶん、移し替えの手間が小さくなります。
逆に、最上位だけを見て「使えるか」を判断すると、実運用で必要な規模との差が見えません。候補として見るなら、系列全体の幅を前提に考えたほうが得です。
ベンチマークの位置づけ
公表されている数値のうち、実務で参照されそうなものを挙げます。
OSWorld-Verified で 86.1。 同じ表で GPT-5.6 Sol Max が 83.2、Claude Fable 5 が 85.0、Gemini 3.1 Pro が 76.2 とされています。加えて Text Arena で 5 位、Vision Arena で 2 位という位置づけが示されています。
数字としては、上位モデルと並ぶ水準です。ただ、使い分けの目安を作る立場から言うと、この数字だけで乗り換えを決めるのは早いです。
理由は 2 つあります。
1 つは、ベンチマークが測る範囲が限られている こと。OSWorld のような環境操作の指標は、自社のコードベースを読ませて直させる作業とは性質が違います。数値が高いことと、自分の仕事が速くなることは別です。
もう 1 つは、発表側が選んだ比較対象である こと。有利な項目が選ばれるのは、どのベンダーでも同じです。数字を疑うという意味ではなく、選ばれた項目の外側は分からない、という読み方が要ります。
判断としては、「候補に入れる根拠にはなるが、決め手にはならない」が妥当なところです。
もう 1 点、同じ日に出た数字と、あとから更新された数字が混在しやすい ことにも注意が要ります。初報の時点では暫定値が出ていて、後日の公式ドキュメントで別の数値になることがあります。社内で共有するなら、いつ時点の数字かを添えておいてください。
オープンウェイトが出るかどうかが分かれ目
実務上いちばん影響が大きいのは、性能そのものより ウェイトが公開されるかどうか です。公開が予告されていますが、本記事の執筆時点では確認できていません。
公開されるかどうかで、位置づけがはっきり変わります。
| 状況 | 実務上の扱い |
|---|---|
| API 提供のみ | 他の商用モデルと同じ土俵。乗り換える理由は性能次第 |
| ウェイトが公開 | 自社環境で動かす選択肢が生まれる |
下の行が効くのは、データを外へ出せない領域 です。契約や規程で外部送信が制限される案件では、性能が近いモデルを手元で動かせること自体に価値があります。ここは商用 API との比較では埋まりません。
ただし、動かす側のコストは相応にかかります。総パラメータが大きいぶん、必要なメモリも大きくなります。「オープンウェイトだから安く済む」とは限りません。 ここは実際の要件次第です。
手元で動かす方向を検討するなら、規模の小さいモデルから入るほうが現実的です。その観点は Gemma 4 12B とは に整理しています。
FIXIT
Hayateそこは比べ方が違います。実際に動くのは 950 億くらいなので。
FIXITHayateコスパで言うと、効いてくるのは自前で動かすときのメモリですね。
上位モデルが増えることの意味
個別の性能とは別に、こういう発表が続くこと自体の効果があります。上位帯に選択肢が増えると、価格と提供条件が動きます。
実際、この 1 年で起きているのは性能の伸びだけではありません。同じ性能帯の料金が下がり、長いコンテキストが標準になり、オープンウェイトで出る割合が増えています。選択肢が増えたぶん、提供側が条件で競うようになった ということです。
発注する側から見ると、ここが実利です。1 社に固定していると、この動きの恩恵を受け取れません。乗り換えるかどうかは別として、他に選択肢がある状態を保っておくこと自体に価値があります。
具体的には、依頼の書き方や運用をモデル固有の癖に寄せすぎないことです。特定のモデルでしか動かない作り込みは、次に条件の良いものが出たときの移行コストになります。
中国発のモデルをどう扱うか
導入の相談では、性能とは別の論点が必ず出ます。どこの国の企業が提供しているモデルか、というものです。
実務的には、次の 2 段で切り分けるのが早いです。
まず 契約や規程で制限があるか。取引先との契約でデータの所在や委託先が指定されている場合、そこが判断のすべてになります。性能の議論をする前に確認してください。制限があるなら、そこで終わりです。
次に どこで動かすか。API 経由で使う場合と、ウェイトを取得して自社環境で動かす場合では、データの流れがまったく違います。自社環境で動かすなら、入力が外部へ出る経路そのものがありません。
| 使い方 | データの流れ |
|---|---|
| 提供元の API を使う | 入力が提供元へ渡る |
| 自社環境で動かす | 入力は自社の外へ出ない |
「モデルの出自」と「データの流れ」は別の話です。 ここを混ぜて議論すると、結論が出ません。懸念が後者にあるなら、自社環境で動かせるかどうかが答えになります。
社内での利用範囲そのものを整理したい場合は 生成 AI 利用ガイドラインの作り方 を参照してください。
採用を検討する条件
使い分けの目安を先に言うと、次のどちらかに当てはまらないなら、いま乗り換える理由は弱いです。
長いコンテキストを本当に使うか
約 100 万トークンは目を引く数字ですが、実務でそこまで入れる作業は限られます。大量の資料をまとめて読ませる、巨大なコードベースを一度に渡す、といった使い方をしているなら価値が出ます。
一方、普段の依頼が数千から数万トークンで収まっているなら、この数字は効きません。 使わない容量に対して乗り換えのコストを払うことになります。
なお、長いコンテキストは入れれば入れるほど良いというものでもありません。関係のない情報を大量に渡すと、判断がぶれる方向にも働きます。この点はモデルを問わず同じです。
自社環境で動かす必要があるか
外部にデータを出せない制約があるなら、オープンウェイトのモデルは選択肢として意味を持ちます。逆に、既に商用 API を使えている環境では、この理由は立ちません。
判断の軸は「動かせるかどうか」ではなく「動かす必要があるかどうか」です。 技術的に可能だからという理由で自社運用に踏み込むと、GPU の確保と保守が丸ごと乗ってきます。
画像・動画を扱えることの意味
マルチモーダル対応も案内されています。テキストに加えて画像と動画を入力として扱えます。
この点が効くかどうかは、扱っているものの性質で決まります。画面の設計を渡して実装させる、資料の図を読ませる、といった作業をしているなら価値が出ます。 一方、テキストのやり取りで完結している業務では、あってもなくても変わりません。
ただ、実務でよく効くのは意外なところです。エラー画面のスクリーンショットをそのまま渡せる のは、状況を文字で説明し直す手間を丸ごと省きます。この用途は、テキスト中心のチームでも使いどころがあります。
なお、動画の入力は現時点では用途が限られます。操作の記録を読ませて再現させる、といった使い方は考えられますが、実務で回るかは検証が要る段階です。
試すときの進め方
候補に入れる価値はあると考えます。ただし、試し方の順番は決めておいたほうがよいです。
- 自社の実作業を 3 つ選ぶ。ベンチマークではなく、普段やっている作業から選びます
- 今使っているモデルと同じ指示で流す。指示を変えると比較にならなくなります
- 差が出た点だけを記録する。速さ、正確さ、指示の解釈のどこに差が出たか
- 費用を並べる。同じ作業にかかった量で比べます
2 番を守ってください。新しいモデルに合わせて指示を書き直すと、変わったのがモデルなのか指示なのか分からなくなります。
差が出なければ、乗り換える理由はありません。これは Qwen に限らず、新しいモデルが出るたびに同じ手順で判断できます。モデル選定の考え方そのものは AI コーディングツールの選び方 に整理しています。
もう 1 つ、比較の記録は残しておいてください。次のモデルが出たときに、同じ 3 作業で比べられます。 毎回ゼロから試す作業を組み立て直しているチームは、比較そのものが重くなって結局やらなくなります。
同じ観点で他のオープンモデルを見た記事として Kimi K3 とは もあります。系列ごとの立ち位置を並べておくと、選択の幅が見えます。
発表を追いかけるか、待つか
この規模のモデルは、いま数か月おきに出ています。全部を試していると、試すことが仕事になります。
追いかける価値があるのは、次のどちらかに当てはまるときだと考えます。
- 今の構成で困っている点が、その発表で解けそうなとき。長さが足りない、費用が合わない、といった具体的な不足があるなら見る価値があります
- 提供形態が変わるとき。オープンウェイトの公開や、料金体系の変更は、性能の数字より実務への影響が大きい部分です
逆に、「新しいから」だけで試すのは後回しで構いません。困っていない状態で乗り換えても、得られるのは差の無さの確認だけです。
今回の Qwen3.8-Max については、2 番の理由で見ておく価値があります。オープンウェイトの公開が予告されているので、そこが動けば選択肢の性質が変わります。公開されたときに改めて評価する、という置き方が現実的です。
情報の扱いについて
本記事の数値は、Alibaba の公式発表および複数の報道で共通して示されている内容をもとにしています。公式ページの本文を直接取得できなかった項目があるため、パラメータ数やベンチマークの数値は、採用の判断に使う前に一次情報での確認を推奨します。
この種の発表は、初報と後日の公式ドキュメントで数値の表現が変わることがあります。とくに「約 100 万トークン」のような丸めた表現は、実際の上限と一致しないことがあります。契約や見積の根拠にするなら、必ず提供元のドキュメントを見てください。
まとめ
- 2026 年 8 月 3 日に正式公開。プレビューは 7 月 20 日
- 2.4 兆パラメータの Sparse MoE。推論時に動くのは約 950 億で、この 2 つを混同しない
- コンテキストは約 100 万トークン (公式メタデータでは 983,616)
- ベンチマークは上位モデルと並ぶ水準。ただし候補入りの根拠であって決め手ではない
- 実務上の分かれ目はオープンウェイトの公開。データを外へ出せない領域で意味を持つ
- 長いコンテキストを本当に使うか、自社環境で動かす必要があるか。どちらでもないなら急がない
- 乗り換えなくても、選択肢がある状態を保つこと自体に価値がある。特定のモデルに寄せた作り込みは避ける