メインコンテンツへスキップ
見出し画像

Qwen3.8-Max完全ガイド:2.4兆パラメータの新王者は、なぜ重みを"初公開"したのか

    本記事の対象

    • 主な対象者:LLMの選定・導入を検討しているエンジニアやプロダクト担当者、中国製AIモデルの最新動向を追いたい方を想定しています。

    • 技術レベル:初級から中級のうち、主に中級を想定しています。専門用語はその都度かみ砕いて説明します。

    • 前提知識:LLM、パラメータ数、MoE(専門家混合)、コンテキスト長といった基礎用語を聞いたことがある程度で十分です。

    • この記事で得られるもの:Qwen3.8シリーズの全体像と技術的な特徴を理解でき、実際に導入するかどうかを判断する材料が手に入ります。

    要約

    Alibabaが2026年8月3日に発表した「Qwen3.8-Max」は、総パラメータ2.4兆・活性化95億という同社史上最大のモデルです。本記事では、Max・2.4T-A95B・27Bという3つのモデルの違い、MoEとハイブリッドアテンションを組み合わせたアーキテクチャ、公式ベンチマークの読み方、そして「オープンウェイトなのに無条件で無料ではない」ライセンスの注意点までを整理します。導入可否を判断するための実務目線の材料集めとして、読み進めてください。

    画像
    図1. Alibaba Group公式プレスリリースの発表ビジュアル。2.4兆パラメータという規模がそのまま見出しになっている。出典: Alibaba Group公式サイト

    Qwenのリリース、正直ペースが速すぎて驚く。3.5、3.6、3.7ときて、もう3.8か——そう思った方も多いはずだ。

    だが今回は、いつもの「またか」では済まない。Alibabaが自社最大かつ最強と位置づける「Max」級モデルを、初めてオープンウェイトで公開したからだ。これまでMaxクラスは常にAPI限定で、外に出したことは一度もなかった。その一線を越えた、というのが今回の本質になる。

    Qwen3.8シリーズの全体像:発表から公開までの流れ

    Qwen3.8は一夜にして生まれたわけではない。段階を踏んで公開されている。

    画像
    図2. Qwen3.8シリーズの公開ステップ。「発表」と「実際に使える」の間には毎回タイムラグがある点に注意。出典: Alibaba Group公式プレスリリース、Qwen3.8-2.4T-A95B公式モデルカードをもとに作成

    まず7月19日、上海で開催されたWAIC(World AI Conference)でプレビュー版「Qwen3.8-Max-Preview」が先行公開されました。この時点ではベンチマーク表もモデルカードもなく、正直「言ったもん勝ち」の状態です。

    転機は8月3日。正式GA版がAlibaba Cloud Model Studio(QwenCloud)経由でAPI提供開始となり、フルのベンチマーク表と技術文書が公開されました。そして同時に、オープンウェイト化の予告がなされます。「来週中に重みを公開する」と。

    この「来週中」、実は一週間ほどずれ込みました。8月10日時点ではまだHugging Faceにリポジトリが存在せず、コミュニティでは「約束だけでダウンロードできない」と揶揄する記事も出ています。ですが本稿執筆時点で確認したところ、Qwen/Qwen3.8-2.4T-A95Bという名前で実際にHugging Face上に公開されていることを確認できました。約束は、多少遅れて果たされた形です。

    一方、同時に予告されていた小型版「Qwen3.8-27B」は、本稿執筆時点でまだ公開されていません。第三者の量子化ビルダー(huginnfork)が「本体がまだ存在しないので、これは予約用のプレースホルダーです」という注記付きのリポジトリを先回りして用意しているほどで、コミュニティの期待の高さがうかがえます。

    ラインナップを整理する:3つのモデルは何が違うのか

    「Qwen3.8」とひとことで言っても、中身は3つに分かれています。ここを混同すると、記事や比較表を読むときに話がかみ合わなくなるので、先に整理しておきましょう。

    項目Qwen3.8-MaxQwen3.8-2.4T-A95BQwen3.8-27B提供形態ホストAPIオープンウェイトオープンウェイトパラメータ2.4T総/95B活性2.4T総/95B活性27B(詳細未公表)入力テキスト+画像+動画テキストのみ未公表思考モード切替可能常時ON(無効化不可)未公表コンテキスト長既定100万トークンネイティブ26.2万/最大101万未公表公開状況提供中公開済み未公開\begin{array}{|l|l|l|l|} \hline \textbf{項目} & \textbf{Qwen3.8-Max} & \textbf{Qwen3.8-2.4T-A95B} & \textbf{Qwen3.8-27B} \\ \hline \text{提供形態} & \text{ホストAPI} & \text{オープンウェイト} & \text{オープンウェイト} \\ \hline \text{パラメータ} & \text{2.4T総/95B活性} & \text{2.4T総/95B活性} & \text{27B(詳細未公表)} \\ \hline \text{入力} & \text{テキスト+画像+動画} & \text{テキストのみ} & \text{未公表} \\ \hline \text{思考モード} & \text{切替可能} & \text{常時ON(無効化不可)} & \text{未公表} \\ \hline \text{コンテキスト長} & \text{既定100万トークン} & \text{ネイティブ26.2万/最大101万} & \text{未公表} \\ \hline \text{公開状況} & \text{提供中} & \text{公開済み} & \text{未公開} \\ \hline \end{array}

    ポイントは、「Qwen3.8-Max」と「Qwen3.8-2.4T-A95B」はパラメータ規模こそ同じでも、別物として設計されている点です。公式モデルカードによれば、オープンウェイト版はテキスト専用で、すべてのやり取りで思考モードが強制的にオンになり、無効化する手段は用意されていません。画像や動画を読ませたい、思考なしで即答させたい——そういう用途は、ホスト版のMaxでなければ実現できません。

    画像
    図3. Hugging Face上の公式モデルカード。ライセンス欄には独自の「qwen3.8-max」ライセンスが表示されており、Apache 2.0ではない。出典: Qwen/Qwen3.8-2.4T-A95B(Hugging Face)

    もうひとつ覚えておきたいのは、reasoning_effort(推論の深さ)という設定です。xhigh・medium・lowの3段階から選べ、既定はxhigh。じっくり考えさせたいか、速度優先で回したいかを、ここで調整します。あわせてpreserve_thinkingという設定も既定でONになっており、過去のやり取りの思考過程を保持したまま会話を続けられます。

    アーキテクチャの中身:2.4兆パラメータをどう効率化しているか

    「2.4兆パラメータ」と聞くと、動かすのに莫大な計算資源が要りそうに感じます。実際、フルの重みは half precision でも5テラバイート近くになる。ただし、これは「全部を毎回使う」という意味ではありません。ここがMoE(Mixture of Experts、専門家混合)という設計の肝です。

    MoEは、質問ごとに一部の"専門家"パラメータだけを呼び出す仕組みです。Qwen3.8-2.4T-A95Bの場合、512個のエキスパートのうち、実際に働くのはルーティングされる10個+常時稼働の共有エキスパート1個だけ。だから総パラメータは2.4兆でも、1トークンあたりの活性化パラメータは950億で済みます。

    もうひとつの柱が、Gated DeltaNet(線形アテンション)とGated Attention(通常のアテンション)を組み合わせたハイブリッド構成です。公式モデルカードによれば、23個のブロックを繰り返す層構造になっていて、各ブロックは「DeltaNet→MoEを3回、続けてAttention→MoEを1回」という並びになっています。文章で読むとやや込み入っているので、図にしてみました。

    画像
    図4. Qwen3.8-2.4T-A95Bの層構造(オリジナル作成)。「軽いDeltaNetを3回、重いAttentionを1回」というリズムを23セット積み重ねて92層にしている。出典: Qwen/Qwen3.8-2.4T-A95B公式モデルカードの仕様値をもとに作成

    なぜこんな面倒な組み合わせにするのか。線形アテンション(DeltaNet)は計算コストが低い代わりに長距離の依存関係を捉えにくく、通常のアテンションは逆にコストが高いが精度が出る。3対1の比率で混ぜることで、「基本は軽く、要所だけ重く」という設計思想を実現しているわけです。長いコンテキストを扱うモデルほど、この種のトレードオフ設計が効いてきます。

    ベンチマークで見る強みと弱み(すべてベンダー自己評価)

    ここからが本題です。ただし先に釘を刺しておくと、以下の数値はすべてAlibaba自身によるテスト結果であり、独立した第三者機関による再現・検証は本稿執筆時点でほとんど行われていません。数字はあくまで「Alibabaはこう主張している」という前提で読んでください。

    公式モデルカードが公開しているベンチマーク表から、主要な項目を抜き出しました。

    項目Qwen3.7-MaxQwen3.8-MaxFable 5Terminal Bench 2.174.586.684.6SWE-bench Pro60.667.780.0PaperBench64.893.088.8IFBench79.182.863.5HLE41.443.653.3GPQA Diamond92.492.692.6\begin{array}{|l|l|l|l|} \hline \textbf{項目} & \textbf{Qwen3.7-Max} & \textbf{Qwen3.8-Max} & \textbf{Fable 5} \\ \hline \text{Terminal Bench 2.1} & \text{74.5} & \text{86.6} & \text{84.6} \\ \hline \text{SWE-bench Pro} & \text{60.6} & \text{67.7} & \text{80.0} \\ \hline \text{PaperBench} & \text{64.8} & \text{93.0} & \text{88.8} \\ \hline \text{IFBench} & \text{79.1} & \text{82.8} & \text{63.5} \\ \hline \text{HLE} & \text{41.4} & \text{43.6} & \text{53.3} \\ \hline \text{GPQA Diamond} & \text{92.4} & \text{92.6} & \text{92.6} \\ \hline \end{array}

    前世代のQwen3.7-Maxからは、ほぼ全項目で二桁近く伸びています。ここは素直に評価していいと思う。PaperBench(研究論文の再現力を測るベンチマーク)ではFable 5を上回り、IFBench(指示追従の精度を測るベンチマーク)でも大きくリードしています。

    ただし、弱点もはっきりしています。SWE-bench Pro(実務的なソフトウェア開発タスクの精度を測るベンチマーク)ではFable 5に12ポイント以上の差をつけられており、HLE(人類最後の試験、と呼ばれる高難度の知識・推論ベンチマーク)でも見劣りします。なお、Terminal Bench 2.1やSWE-bench Proの数値はモデルごとに異なる実行ハーネス(Claude CodeやCodexなど)で計測されているため、単純な横並び比較には注意が必要です。

    もうひとつ、数字の"読み方"で気をつけたい点があります。Alibaba自身は「主要フロンティアモデルに匹敵し、Fable 5に次ぐ」とうたっていますが、公式プレスリリースを詳しく見ると、Text Arenaでは5位、Vision Arenaでは2位、Frontend Code Arenaでは4位となっています。「Fable 5に次ぐ」という一言だけを信じると、実態より強く見えてしまう。得意分野(ビジョン系)と苦手分野(総合テキスト)がはっきり分かれているモデル、というのが実際のところでしょう。

    ライセンスと価格:「オープン」の中身をきちんと読む

    オープンウェイト、と聞くと「無料で好きに使える」と思いがちです。ですが、Qwen3.8-2.4T-A95Bのライセンス欄を見ると、Apache 2.0ではなく独自の「qwen3.8-max」という名前のライセンスが指定されています(図3を参照)。

    具体的に何が違うのか。業界メディアの報道によれば、Alibabaは大口の商用ホスティング事業者向けに収益分配の仕組みを導入しようとしています。これはMoonshot AIが「Kimi K3」で先行導入した方式に似ていて、年間売上が一定額(Kimi K3の場合は2000万ドル)を超える事業者に商用契約を求めるというものです。ただし、Qwen3.8-Maxにおける具体的な金額基準や分配率は、本稿執筆時点でまだ交渉中であり確定していません。過去のQwenのオープンモデル(通義千問ライセンス)では月間アクティブユーザー数1億人という基準が使われていた例もあり、参考にはなりますが、今回そのまま踏襲されるとは限らない点は理解しておいてください。

    個人利用や小規模な開発であれば、まず心配は要りません。問題になるのは「このモデルを使ってサービスを大規模に提供する」場合です。自分がどちらに当てはまるか、簡単に整理してみました。

    画像
    図5. ライセンスの自己判定フロー(オリジナル作成)。境界線の具体的な数字は交渉中のため、実際に大規模展開する前には必ずLICENSEファイルの原文を確認してください。出典: 業界報道とQwen3.8-2.4T-A95B公式モデルカードのライセンス欄をもとに作成

    API側の価格はシンプルです。入力100万トークンあたり2ドル、出力が6ドル。前世代のQwen3.7-Max(2.5ドル/7.5ドル)より2割ほど安くなりました。値下げしながら性能も上げる、というのが今回の基本戦略のようです。

    実際に何を見せてきたか:16日間の自律コーディングと、その先にある懐疑論

    数字の羅列だけでは実感が湧きにくいので、Alibabaが公開したデモにも触れておきます。

    もっとも目を引くのは、16日間にわたる自律コーディングの実績です。「ゼロから自己進化するエージェントフレームワークを作る」というタスクを与えたところ、Qwen3.8-Maxはユーザーフィードバックやコミュニティのベストプラクティスを取り込みながら開発ループを回し続け、最終的に「oh-my-cli」という成果物を作り上げました。このリポジトリは実際にGitHub上で公開されています。

    もうひとつ興味深いのが、WWW2025 Multimodal Dialogue Intent Recognition Challengeという、カスタマーサポートの会話ログから顧客の意図を読み取る競技会での成績です。ここでQwen3.8-Maxは人間の参加者を上回るスコアを記録したとされています。ブラックボックス環境でアプリケーションを再現する「RecreationBench」という独自ベンチマークも用意されており、インターネット接続もソースコードも見えない状態から、視覚的なフィードバックだけを頼りにアプリを組み立てる、という力業を見せています。

    市場の反応も小さくありませんでした。発表当日、Alibaba株は香港市場で7%、ニューヨークの時間外取引でも4.5%上昇しています。とはいえ、株価が上がったことと、モデルが優秀であることは別の話です。

    実際、開発者コミュニティの反応は手放しの称賛ばかりではありません。The New Stackの報道では、Hacker News上のコメント欄で「ベンチマークへの懐疑論」「中国製モデルへの不信感」、そして何より「本番投入するなら、まずしっかりしたハーネス(実行基盤)を整えるのが先」という声が目立った、と紹介されています。ある開発者のコメントを借りるなら、「オープンソースの上着を着たAPIビジネスモデル」——言い得て妙だと思う。重みが公開されたからといって、無条件に信頼できる、無条件に自由に使える、という話ではないのです。

    日本語圏はもうこの話題で盛り上がっている

    念のため触れておくと、この話題は日本語圏でもすでに複数の書き手が取り上げています。プレビュー発表直後の速報記事から、正式GA後の使用感レポート、オープンウェイト予告についての冷静な検証記事まで、切り口はさまざまです。多くの記事が「性能主張はすべて自社評価」という前提を明記した上で書かれており、この記事もその流れに沿っています。目新しさで勝負するというより、情報を整理して判断材料を渡す、というのが本記事の役割だと考えてください。

    まとめ

    Qwen3.8-Maxは、Alibabaが初めてMax級モデルの重みを公開したという点で、確かに象徴的なリリースです。2.4兆パラメータという規模、MoEとハイブリッドアテンションによる効率化、そして値下げされたAPI価格——数字だけを見れば魅力的に映ります。

    一方で、ベンチマークはすべて自社評価であること、SWE-bench ProやHLEのような項目ではFable 5に見劣りすること、そして「オープンウェイト」といいながら大口利用には商用契約が求められる可能性があること。この3点は、導入を検討する前に必ず頭に入れておくべきです。

    用途別に、次にすべきことを整理しておきます。

    図6. 用途別の次のアクション(オリジナル作成)。とくに自社サーバー運用を検討する場合は、公開直後のLICENSEファイルを必ず自分の目で確認してください。

    個人的には、27Bの動向を一番注視しています。2.4兆パラメータのモデルを自前で動かせる組織は限られますが、単一GPUで動く27Bなら話が違ってくる。公開されたときに、この記事もアップデートするつもりです。

    参考資料・使用素材

    この記事が役に立ったら、ぜひスキ❤️やコメントをお願いします!質問があれば、コメント欄でお気軽にどうぞ。

    テクノロジーで、あなたのビジネスに革新を

    画像

    この記事をお読みいただき、ありがとうございます。「システムを作りたいけど、初期投資が高すぎる」「IoT製品を開発したいが、技術とコストの両面で不安」とお悩みではありませんか?

    ✨ 初期費用0円でSaaSを開発。ポノテクのマイクロSaaSサービス

    私たちポノテク株式会社は、お客様専用のSaaSを初期費用0円で開発します。

    画像

    マイクロSaaS開発の特徴

    • 初期費用0円: Webアプリ、モバイルアプリ、デスクトップアプリを無料で開発

    • 月額サブスクで提供: 必要な機能に応じた月額料金で利用開始

    • 買取オプション: サブスク利用中に、システムを自社所有物として買い取ることも可能

    「自社専用のSaaSが欲しいけど、数百万円の初期投資は厳しい」そんな企業様に最適なソリューションです。

    🔧 IoT受託開発 × 補助金活用で、ものづくりを支援

    ハードウェアからソフトウェアまで一貫して開発可能。IoTシステムの構築を、補助金を活用して最大66%のコスト削減で実現します。

    画像

    補助金活用でシステム開発コスト削減
    経済産業省認定のIT導入支援事業者として、以下のサービスをワンストップで提供。

    • 補助金診断・申請サポート: 採択率82.8%の実績で、最適な補助金をご提案

    • 要件定義から開発まで一貫支援: 補助金要件に100%準拠した開発体制

    • 省力化補助金・ものづくり補助金など: 最大8,000万円の補助金活用をサポート

    📚 最新刊『ComfyUIマスターガイド』5月9日発売!

    AI技術に関する深い知見を持つ私たちの代表・早野康寛が共著者として参加した画像生成AI書籍『ComfyUIマスターガイド』が、2025年5月9日にSBクリエイティブ社より発売されました。AI画像生成の最前線を理解したい方は、ぜひご覧ください。

    📈 こんな課題をお持ちの企業様に最適です

    • 「専用SaaSが欲しいが、初期投資を抑えたい」

    • 「IoT製品を開発したいが、ハードとソフト両方の知見が必要」

    • 「補助金を活用したいが、申請方法がわからない」

    • 「サブスクで始めて、必要なら買い取りたい」

    🌟 三つの強みで、確かな未来を共に創る

    1. マイクロSaaS開発: 初期費用0円で専用システムを構築

    2. IoT受託開発: ハードウェアからソフトウェアまで一貫対応

    3. 補助金活用: 開発コストを最大66%削減

    ぜひ初回無料相談をご利用ください。技術と経営の両面から、貴社の成長戦略を共に考えましょう。
    ポノテク株式会社へのお問い合わせはこちらから!

    ▶ テクノロジーで成長を加速する第一歩を踏み出す
    ― 技術で未来を創る。ポノテク株式会社

     
     
    AI Driven LabはAI駆動の未来を探求し、最新技術・洞察・アイデアを発信するメディア。エンジニア視点で革新を追求します。 運営元:ポノテク株式会社 https://www.ponotech.net

    あなたへのおすすめ