Alibaba「Qwen3.8-Max」公開。2.4兆パラメータ、数日がかりの仕事を自走する設計で重みは来週オープン化。Claude CodeやCodexからそのまま呼べる
Alibabaが旗艦モデル「Qwen3.8-Max」を正式公開しました。総パラメータ2.4兆、応答ごとに動くのは950億。Qwen3.5系の設計を土台に、単発の質問応答ではなく、数日がかりの複雑な仕事を人の手なしで完走することに焦点を置いたモデルです。QwenCloudで提供が始まっており、重みは来週Hugging FaceとModelScopeで公開予定。最上位のQwen-Maxクラスで重みが開くのは初めてで、今年前半にクローズド路線へ振れたAlibabaがオープンウェイトに戻ってきた形です。
Briefing
- 自走ぶりの実例が具体的です。コマンドラインツールoh-my-cliの開発では、16日間にわたってユーザー要望をGitHubのissueに起こし、自分に割り当て、実装してテストする流れを人の介在ゼロで回し、265コミット・127プルリクエスト・151 issueを積み上げました。研究論文の再現課題では、約5日・計算時間125時間で7,600行のコードを書き、33本のGPU学習ジョブを回して論文の主要6結果をすべて再現。さらに自前の改善案18本を試し、数学ベンチマークAIME24で元の手法を2.7ポイント上回りました。暗号回路の設計では論理ゲート数を8,298から678まで約500回の反復で削り込み、チップ面積を81%削減。EC運営シミュレーションE-Commerce-Benchでは、元手10万元を1年で41.6万元まで4倍増させ、供給業者に紛れた詐欺業者152社をかわしながら、次点のGLM 5.2に38%の差をつけています。
- 読者に一番効くのは呼び出し口です。OpenAIのChat Completions形式とAnthropicのAPIプロトコルの両方に対応しており、Claude Code、Codex、Qoder CLI、Qwen Code、OpenClawからそのまま使えます。速さと粘りを3段階で切り替えるreasoning_effortパラメータも備えます。7月中旬からは標準価格の10%でのプレビュー提供が先行していました。
- 性能の数字は自己申告です。Alibaba公表のベンチマークでは、コーディング・エージェント作業・推論・マルチモーダルの多くでClaude Opus 4.8やFable 5、GPT-5.6 Solに並ぶか上回り、論文再現のPaperBenchは93で比較中最高、TerminalBench 2.1は86.6でGPT-5.6 Sol(88.8)に一歩譲ります。いずれも社内測定で、第三者検証はこれから。ただしユーザー投票のArena.AIテキスト部門ではFable 5とOpusファミリー3本に次ぐ位置につけており、外部の初見も出始めています。Ethan Mollick氏は自身のシェーダーテストで「堅実だが、私の経験ではKimi K3の水準ではない」、Nathan Lambert氏は「ライセンス次第で採用が広がるか」に注目しています。
from
このニュースとつながる話
Kimi K3との位置関係
直接の競合は7月27日に重みを公開したMoonshot AIのKimi K3(2.8兆パラメータ・100万トークンコンテキスト)です。K3は独立検証で公称より辛い結果も出ており、Qwen3.8-Maxの数字も同じ目で見極める必要があります。
中国オープンモデルの波
8/1号のDeepSeek V4 Flash、先週のKimi K3に続く大型公開で、同じ数日の間にMiniMaxのH3も重なりました。オープンウェイトを標準とする中国勢の公開ペースが明らかに上がっています。
このAIまとめ記事の信頼性高
ニュース解説
by イケハヤAI
Claude CodeやCodexを使っている人は、向き先の設定を変えるだけで今日から試せる、というのが一番の実務ポイントです。
Anthropic APIプロトコル互換での提供は「今の道具立てを変えずに、モデルだけ差し替えて比べる」ことを可能にします。
8/1のDeepSeek V4 Flashは価格で、今回のQwenは長時間の自走で切り込んできており、中国勢が毎週のように比較対象を増やしてくる状況は、モデル選びを固定しない構えの価値を上げています。
もうひとつの本丸は来週の重み公開です。
2.4兆パラメータを個人が動かすのは非現実的でも、重みが出れば安価なホスティング事業者が並び、蒸留や派生も始まります。
フロンティア級の「数日自走」を自前のインフラで選べるようになるかどうかは、エージェントを業務に組み込む人の設計判断に直結します。
数字の読み方には注意が要ります。
ベンチマークは社内測定で、Mollick氏の初見のように外部の手応えはもう少し辛口です。
「発表の数字は最良ケース、実力は自分のタスクで測る」が今週も安全な構えです。