過去2年間、大型モデルの強さを判断する際に、私たちはしばしば「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なった場合、モデルはタスクを持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、見た目上完全な提案を提供したりするだけでなく、タスクを自ら分解し、ツールを呼び出し、結果を確認し、エラーに直面した際に再調整し、最終的に本当に使える成果を提供できることが求められます。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、現在最大の千問モデルです。しかし、この驚異的な数字よりも注目すべきは、自己プログラミング、専門的な作業、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点です。言い換えれば、Qwen3.8-Maxは単なるより賢いチャットボットになりたいのではなく、持続的に働くAI同僚になりたいのです。
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アクティブになります。これは総規模の約4%に相当します。残りのパラメータが無駄であるわけではなく、モデルは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します。すべてのパラメータを毎回呼び出すのではなく、この設計により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が収容できる知識と能力の規模を表し、950億のアクティブパラメータは実際の推論に必要な計算量に近いものです。
MoEを採用していても、Qwen3.8-Maxは一般ユーザーが個人の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精度での粗い計算によると、完全な重みは約1.2TBのストレージスペースを必要とし、実行時に発生する追加コストは考慮されていません。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、大規模な計算クラスターを持つ企業を対象としています。個人や中小チームに適したのは、公式に同時発表された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になり、一度に最大約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や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分けたり、要約したり、再構成したり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：それはより多くを読み取るだけでなく、より長く働こうとしています。Qwen3.8-Maxは、ゼロから機械学習論文を再現することが求められました。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個の論理ゲートから、段階的に678個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。これらのケースは共通して、モデルが単に既存の情報に基づいて答えを出すのではなく、仮説を立て、実験を実行し、フィードバックを得て、新しい結果を利用して次の行動を修正できる能力を示しています。これが「長期タスク」の本当の難しさです。一度間違った答えを出すと、再度質問することができますが、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あれば、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、内容を生成し続けるだけでなく、チェック、ロールバック、再計画を学ぶ必要があります。
Qwen3.8-Max の専門的な応用と性能テスト
「Coding and Cowork」は、QwenチームがQwen3.8-Maxに設定したコアの方向性です。ここでのCoworkは、単に文書を作成したり要約したりすることではなく、モデルを法律、金融、医療、デザイン、データ分析などの専門的なプロセスに導入し、最終的に再利用可能な文書や成果物を提供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に、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、テキストのオーバーフロー、レイアウトのずれ、または視覚効果が要件を満たしていない問題を識別し、その後、コードやツールを返して修正を行います。
視覚は一回限りの入力から、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に変わります。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には、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。視覚が真にアクション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「コンピュータを使って作業を完了する」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れば、Qwen3.8-Maxは現在の第一グループに入っていますが、すべての項目で1位を獲得しているわけではありません。
端末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点を上回っていますが、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、93.0点を獲得し、公式比較モデルの中で最高の成績です。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、大規模なコードリポジトリの維持により近いSWE-bench Proでは、Qwen3.8-Maxは67.7点を獲得し、Claude Fable 5の80.0点を下回っています。FrontierSWEの成績は73.5点で、同様に後者の88.8点には及びません。
これらの成績は、Qwen3.8-Maxが端末操作、研究再現、ツール使用、長期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超えている」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。
モデルのリリース後、Qwen3.8-Maxは当時最高ランクの中国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った証明として適しているものであり、永久不変の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Tokenあたり¥310（US$2）、出力が100万Tokenあたり¥940（US$6）、暗黙のキャッシュヒット価格は100万Token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っ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、内蔵検索ツールを使用できます。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が始まっています。
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と発表したことです。また、Qwen3.8-27Bオープン重みモデルもリリースされ、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となるものです。しかし、「オープン重み」は必ずしも「完全オープンソース」と同義ではありません。モデルの重みはダウンロード可能ですが、訓練データ、完全な訓練プロセス、およびすべてのエンジニアリングコードが公開されることを意味す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正式リリースを待っています。
Qwen3.8-Max の本当に注目すべき点は、2.4兆パラメータでも、あるベンチマークの1位でもありません。それは、大規模モデルの競争が転換点を迎えていることを示しています。これまで、私たちはAIに問題をより良く解決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、そして変化する結果の中で、実際にタスクを完了するという目標を引き受けることを求め始めています。もちろん、16日間の連続した公式デモがあったからといって、企業が安心して生産システムを完全にAIに任せられるわけではありません。
権限管理、エラーのロールバック、プロセスの監査、コスト管理、そして人間の確認が、依然としてインテリジェント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的なケーススタディやベンチマークも、さらなる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。将来的にモデルの価値を決定するのは、単に分単位で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から離れた後、どれだけ信頼性を持って動作し続けるかになるかもしれません。AIが質問に答えることからタスクを引き受けることに移行することで、私たちは本当の「デジタル同僚」に一歩近づいたのかもしれません。
項目 規格 総パラメータ 2.4兆 アクティブパラメータ 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