過去二年間、私たちは大規模モデルの強さを判断する際に、しばしば「それは複雑な問題に答えられるか？数学的推論のパフォーマンスはどうか？コードの正確性はどうか？」と尋ねてきました。しかし、モデルの能力が徐々に近づくにつれ、新たな問いは「もし人間がそばにいなくても、それはタスクを継続的に完了できるか？」に変わりました。これは単に数行のコードを生成したり、一見完全な提案を提供するだけではなく、タスクを自ら分解し、ツールを呼び出し、結果を確認し、エラーに遭遇した際には再調整し、最終的に実際に使用可能な成果物を納品する能力を指します。これこそが、アリババの新世代フラッグシップモデル Qwen3.8-Max が解決しようとしている問題です。
8月3日、Qwenチームは正式にQwen3.8-Maxを発表しました。このモデルは、2.4兆の総パラメータを持ち、現在のところ最大規模の千問モデルです。しかし、この驚異的な数字よりも注目すべきは、自主プログラミング、専門的作業、科学研究、ネイティブマルチモーダル、長期タスクに重点を置いていることです。言い換えれば、Qwen3.8-Maxは単により賢いチャットボットになるだけでなく、持続的に働くことができるAI同僚になりたいと考えています。
Qwen3.8-Maxは混合専門家アーキテクチャ、すなわちMoEを採用しています。モデルの総パラメータは2.4兆に達しますが、タスクを処理する際には約950億のパラメータのみが活性化され、総規模の約4%に相当します。これは残りのパラメータが無駄であることを意味するのではなく、モデルが現在の内容に基づいて異なる専門家モジュールを選択して計算に参加することを意味します。毎回すべてのパラメータを呼び出すのではなく、この設計はモデルの容量を拡大しつつ、推論コストと応答速度を可能な限り制御することができます。したがって、2.4兆はQwen3.8-Maxが受け入れることのできる知識と能力の規模を表し、950億の活性化パラメータは実際の推論に必要な計算量により近いものです。
MoEを採用しても、Qwen3.8-Maxは一般ユーザーが個人コンピュータに簡単に展開できるモデルではありません。4bit精度で粗く計算すると、完全な重みには約1.2TBのストレージスペースが必要であり、実行時に発生する追加コストは計算に含まれていません。将来的に重みが公開される際には、主にクラウドサービスプロバイダー、研究機関、大規模計算クラスターを持つ企業を対象とするでしょう。個人や中小チームに適したのは、公式が同時に発表したQwen3.8-27Bかもしれません。
Qwen3.8-Maxのマルチモーダル能力と長文処理
Qwen3.8-Maxはネイティブマルチモーダルモデルであり、テキスト、画像、動画を同時に受け取り、テキスト結果を出力することができます。100万Tokenのコンテキストウィンドウを持ち、QwenCloudが発表した実際の仕様は最大約99.1万Tokenの入力です。思考モードを開くと約98.3万Tokenで、単回で最大約13.1万Tokenを出力できます。これは、大規模なコードリポジトリ、数百ページの業界レポート、大量の法律文書、さらには長い動画コンテンツを一度に読み取ることができ、頻繁にコンテキストを切り取ったり要約したり再構成する必要がないことを意味します。
もちろん、コンテキストが長いからといって、モデルがその中のすべての詳細を自動的に記憶するわけではありません。本当に重要なのは、長いコンテキストの中で現在のタスクに関連する情報を見つけ出し、複数回の操作の後に目標、状態、制約の一貫性を維持できるかどうかです。
これがQwen3.8-Maxの最も核心的なアップグレードです：それは単により多くを読むことができるだけでなく、より長く働くことを試みています。Qwen3.8-Maxは、ゼロから機械学習論文を再現することも求められました。公式によれば、既存のコードや実験プロセスがない状態で、モデルは約125時間連続して作業し、約7600行のコードを記述し、1100回以上の操作と33回のGPUトレーニングを完了しました。最初に論文の6つの主要な結論を再現し、その後約88時間をかけて18の新しいアプローチをテストし、最終的に提案された方法はAIME24数学評価で元の論文の提案よりも2.7ポイント向上しました。
別のチップ設計実験は約500回のインタラクションと71回の評価を経て行われました。モデルは、最初の8298の論理ゲートから、段階的に678の論理ゲートに圧縮し、各ラウンドでシミュレーション、統合、タイミング結果に基づいて設計を調整しました。これらのケースは、モデルがもはや既存の情報に基づいて答えを出すだけでなく、仮説を立て、実験を実行し、フィードバックを得て、新しい結果を用いて次の行動を修正できる能力を指し示しています。これが「長期タスク」の本当の難しさです。1回の回答が間違っていた場合、再度質問できますが、数百回のラウンドを実行するインテリジェントエージェントは、初期に発見されなかったエラーが存在すれば、その後のすべての努力が誤った基盤の上に築かれる可能性があります。
モデルは、単に前に進み続けるのではなく、チェック、ロールバック、再計画を学ばなければなりません。
Qwen3.8-Maxの専門的応用と性能テスト
「Coding and Cowork」はQwenチームがQwen3.8-Maxに設定したコア方向です。ここでのCoworkは単に文書を書いたり要約したりすることではなく、モデルが法律、金融、医療、デザイン、データ分析などの専門的プロセスに入って、最終的に継続的に使用できる文書や成果物を納品することを意味します。このプロセスの中で、Qwen3.8-Maxの視覚能力はもはや単に画像を認識するだけではありません。例えば、ウェブページ、PPT、または3Dシーンを作成する際、モデルはまずコンテンツを生成し、実際のレンダリング結果を確認し、テキストの溢れ、レイアウトのずれ、視覚効果が要件に合致しない問題を特定し、その後コードとツールを返して修正を行います。
視覚は一度きりの入力から、計画、実行、検査プロセスを通じてのフィードバックチャネルへと変わりました。これは単に画像の質問応答スコアを向上させるよりも重要かもしれません。なぜなら、人間がコンピュータを使用する際、本来は操作しながら結果を観察し、次に何をするかを決定するからです。視覚が本当に行動サイクルに入ることで、マルチモーダルモデルは「画像を理解する」から「コンピュータを使用して作業を完了する」へと進化する機会を得るのです。Qwenチームが発表したテスト結果によると、Qwen3.8-Maxは現在の第一梯隊に入っていますが、すべてのプロジェクトで1位を獲得したわけではありません。
ターミナル環境の操作能力を評価するTerminal-Bench 2.1では、Qwen3.8-Maxは86.6点を獲得し、Claude Opus 4.8およびClaude Fable 5の84.6点を上回りましたが、依然としてGPT-5.6 Solの88.8点にはわずかに及びません。
論文の再現能力を評価するPaperBenchでは、Qwen3.8-Maxは93.0点を獲得し、公式比較モデルの中で最高の成績を収めました。GPQA Diamondは92.6点で、こちらも第一グループに位置しています。しかし、より大規模なコードリポジトリの維持に近いSWE-bench Proでは、Qwen3.8-Maxは67.7点を獲得し、Claude Fable 5の80.0点には及びませんでした。FrontierSWEの成績は73.5点で、こちらも後者の88.8点には及びません。
これらの成績は、Qwen3.8-Maxがエンドユーザー操作、研究の再現、ツールの使用、長期間のタスクにおいて優れたパフォーマンスを示していることを示していますが、「すべてのモデルを全面的に上回る」と単純にまとめることはできません。異なるテストで使用されるエージェントフレームワーク、ツールの権限、コンテキストの長さ、試行回数も最終的な成績に影響を与える可能性があります。
モデルが公開された後、Qwen3.8-Maxは当時最高の中国のテキストモデルとなり、視覚モデルランキングでは世界で2位に位置しました。これはClaude Fable 5のバージョンに次ぐものです。しかし、公開されるランキングは変動が激しく、これはモデルが世界の第一グループに入る証明としては適しているものの、永続的なランキングではありません。
Qwen3.8-Maxの価格とオープンプラン
海外のQwenCloudプラットフォームでは、Qwen3.8-MaxのAPI価格は、入力が100万トークンあたり¥310（US$2）、出力が100万トークンあたり¥940（US$6）、暗黙的キャッシュヒットの価格は100万トークンあたり¥40（US$0.25）です。開発者はqwen3.8-maxというモデル名を使用して呼び出すことができ、関数呼び出し、構造化出力、コンテキストキャッシュ、内蔵検索ツールを利用できます。一般ユーザーはQwen Studioを通じて直接体験でき、QoderやQwen Codeなどのプログラミングツールもすでに接続を開始しています。
さらに注目すべきは、Qwenチームが正式リリース後の1週間以内にQwen3.8-Maxの重みをオープンにすることを発表したことです。また、Qwen3.8-27Bのオープン重みモデルも発表され、これは千問Max級のフラッグシップモデルが初めてオープン重みになることを意味します。しかし、「オープン重み」は「完全オープンソース」とは必ずしも同じではありません。モデルの重みはダウンロード可能ですが、トレーニングデータ、完全なトレーニングプロセス、すべてのエンジニアリングコードが公開されるわけではありません。8月4日現在、Qwen3.8-Maxの具体的なライセンスと最終モデルカードはまだ正式に発表されていません。
Qwen3.8-Maxの真に注目すべき点は、2.4兆パラメータでもなく、あるベンチマークテーブルの1位でもありません。それは、大規模モデルの競争が一つの転換点を迎えていることを示しています。過去には、私たちはAIに問題をより良く解答することを期待していましたが、今では、数百回の操作、いくつかのツール、そして変化し続ける結果の間で、実際にタスクを完了する目標を引き継ぐことを要求し始めています。もちろん、16日間の公式デモが行われたからといって、企業が安心して生産システムを完全にAIに委ねることができるわけではありません。
権限管理、エラーのロールバック、プロセス監査、コスト管理、人工確認は、依然としてエージェントが実際に使用されるかどうかを決定します。公式に示された長期間のケースとスコアも、より多くの第三者による再現と実際のビジネス検証が必要です。
しかし少なくとも、次の競争の方向性は明確になりました。今後、モデルの価値を決定するのは、単にそのモデルが数分以内にどれだけ賢い答えを出せるかではなく、人間の継続的なリマインダーがなくなった後、どれだけ信頼性を持って動作できるかになるかもしれません。AIが問題に答えることからタスクを引き受けることに移行する際、私たちは真の「デジタル同僚」に一歩近づくかもしれません。
項目 規格 総パラメータ 2.4兆 アクティベーションパラメータ 950億 ストレージ容量 約1.2TB コンテキストウィンドウ 100万Token 入力Token 約99.1万Token 出力Token 約13.1万Token 連続稼働時間 約125時間 コード行数 約7600行 GPUトレーニング回数 33回