8月3日、アリババはQwen3.8-Maxを発表しました——Qwenファミリー史上最も強力なモデルで、総パラメータ（モデルの容量、一般的に大きいほど賢い）は2.4兆、アクティベーションは95Bです。しかし今回の発表の真のニュースポイントはパラメータではなく、2つのことでした：QwenがMaxレベルの重み（モデルの心臓部ファイル、手に入れれば自前で動かせる）を初めてオープンソース化したこと（来週公開予定）、そして公式デモでの「連続して16日間自律的にプログラミング」という事例です。
アリババがMaxレベルの重みを初めてオープンソース化
まず基本情報を確認しましょう：Qwen3.8-Maxの総パラメータは2.4兆、アクティベーションパラメータは95Bで、MoEスパースアーキテクチャ（多くの小块に分け、毎回必要な部分だけ動かす仕組み）（Qwen 3.5アーキテクチャをベースにした拡張）を採用しており、文脈ウィンドウ（一度に覚えておけるテキスト量）は100万のトークン（AIが文字数で課金する単位）です。これは7月19日に公開されたQwen3.8-Max-Previewの正式版です——同じアーキテクチャで、体系的な後トレーニングの反復が行われました。
2つの重要な発表がありました：第一に、来週、Hugging FaceとModelScopeで重みが公開される予定で、これはQwen史上初のMaxレベル重みのオープンソース化であり、同時にQwen3.8-27Bのデンスモデルもオープンソース化されます。第二に、APIが正式に公開され、アリババクラウド百練、QwenCloud、Qoderなどのプラットフォームを通じて呼び出すことができ、OpenAIとAnthropicのプロトコルと互換性があり、Claude Code、Codexなどの開発ツールにシームレスに接続できます。
位置づけは非常に明確です：もはやチャット能力だけを競うのではなく、プログラミング、事務、研究、そして長期間のタスクに重点を置き、生産レベルのAIエージェント（タスクを分解し、ツールを使い、連続で動けるAI）を全面的に目指しています。また、これはQwen初のMaxレベルで、画像、動画、長文、テキストの全モード入力に対応したモデルでもあります。
価格は世界第2位だが、標準化されたベンチマークはまだ発表されていない
APIの価格設定：入力は2ドル/百万トークン、出力は6ドル/百万トークン、暗黙のキャッシュは0.25ドル/百万トークンです。公式の説明は「総合的な能力はFable 5（Claude）に次ぐ」とされています。また、複数の第三者ブラインドテストでもその総合得点は世界第2位にランクされています。
しかし、冷静になる必要があります：発表日現在、公式はまだ標準化されたベンチマーク（モデル同士を比べる統一試験）の結果を発表していません（SWE-bench Verified/Pro、LiveCodeBenchなど）。第三者の「Claudeに次ぐ」という判断はブラインドテストの主観的評価に基づくものであり、監査済みの客観的な基準と同等ではありません。参考となる一つの指標：Claude Fable 5のSWE-bench Verifiedは95％です——Qwen3.8の正式版が70％以上を達成して初めて、第2グループに確実に入ることができます。公式の結果が発表される前に、実測値がランキングの口調よりも意味があります。
「世界第2位」は現在のところ公式の口調＋第三者のブラインドテストであり、標準化されたスコアではありません。智東西の実測結果も指摘しているように、SWE-bench Pro、TerminalBench 2.1などの項目では、最新のクローズドソースモデルとの間にまだ差があります。来週、重みが公開され、外部の開発者が実際の能力をさらに検証できるようになります。
| 次元 | Qwen3.8-Max | 備考 |
|---|---|---|
| 総パラメータ/アクティベーション | 2.4T/95B | MoEスパースアーキテクチャ |
| 文脈 | 1Mトークン | 混合アテンション機構（MHA＋線形アテンション） |
| API入力価格 | 2ドル/百万トークン | キャッシュヒットで0.25ドル |
| 総合ランキング | 世界第2位（公式＋ブラインドテスト口径） | 標準化されたスコアは未発表 |
| 重みオープンソース | 来週 | HF＋ModelScope、27Bデンス版を含む |
データソース：Qwen公式発表＋中国経営報、智東西、segmentfaultのクロスレポート。
重要なのは2.4Tではなく、「連続して16日間働く」こと
今回の発表で最も注目すべきなのは、パラメータ表ではなく、公式デモのいくつかの長距離エージェント事例です。これらは「関数を書く」ことをテストするのではなく、「継続的に変化するエンジニアリングプロジェクトを管理できるか」をテストしています。
最も衝撃的な事例：Qwen3.8-Maxにoh-my-cliというプロジェクトを空のフォルダから始めさせ、誰の手も借りずに完全に自律的に行わせました。モデルはフィードバックを収集してissueにまとめ、タスクを引き受け、コードを書き、テストを実行し、通らなければ自分で修正します。7月30日までに、約16日間自律的に動作し、リポジトリには265回のコミット、127のPR、151のissueが残されました。
もう一つの研究再現実験はよりストレステストに近いものでした：モデルに論文を一編与え、まず再現させ、次に改良を加えさせました。約125時間連続して働き、約7600行のコードを書き、1100回以上の操作を実行し、33回のGPUトレーニングを実行して、論文の6つの主要な結論を再現し、さらに18種類の改良アイデアを試みました。また、24時間のコンテストで精度を0.60から0.853に上げ、約500回のインタラクションでチップネットリストゲート数を8298から678に最適化（面積が81％削減）した事例などもあります。
境界注意：これらは公式事例であり、公式の評価であり、すべての実際のプロジェクトがこのようにスムーズに進むことを保証するものではありません。事例の価値は「長距離自律実行」という方向性を示すことにあり、再現性を保証するものではありません。
レシピは無料、厨房がハードル
視点を広げると、今回のオープンソース化の真の意味と、それがもたらす直感に反した結果とを分けて考える価値があります。
意味：過去半年間、DeepSeekは284BのV4-Flashで小が大を制し、Kimi K3（2.8T）が発表され、オープンソース化を約束しました。そして今、Qwenは2.4Tを出し、しかもAPIだけでなく、重みをオープンソース化し、すべての企業と開発者がダウンロードし、プライベートにデプロイし、二次改造できるようにしました。中国のオープンソース大規模モデルは、集団で兆パラメータ時代にに向かっています。競争の焦点は「チャット能力」から「長距離エージェント、ツールチェーン、コスト、オープンソース化のペース」にシフトしています。
直感に反した結果：「ダウンロードできる」と「実行できる」は別物です。2.4Tの重みだけで、モデルファイルはTB級です。本格的なデプロイと推論には、高帯域メモリ（HBM）を搭載したGPUクラスタが必要です。一台のマシンではありません。オープンソース化によって「ダウンロード」のハードルはゼロになりますが、「デプロイ」のハードルはデータセンター級に上がります——GPU/HBMの需要は減るどころか、拡大します。
今使うべき人は誰で、重みを待つべき人は誰か
APIはすでに公開されており、重みは来週公開されます。異なるニーズを持つ人々の行動は異なります：
すぐに能力を試したい：APIを利用（入力2ドル/百万トークン）、Claude Code / Codex / Qoderに接続し、reasoning_effortパラメータで推論の深さを調整します。
重みを使って微調整（自社素材で再学習させ、用途に合わせること）したい：来週HF + ModelScopeの公開を待ち、同時に27Bデンス版（計算力（モデルを動かすのに必要な計算リソース）に限りのあるチーム向け）が公開されます。
2.4Tをプライベートデプロイしたい：まずハードウェアの計算——HBM GPUクラスタが必要で、単一のサーバではありません。予算が足りない場合は、APIまたは小規模版を使用します。
実際のレベルを見たい：公式の標準ベンチマーク（SWE-benchなど）の公開を待つか、重み公開後に外部の実測結果を見るか、ブラインドテストの口調だけを信じないようにしましょう。
アリババが今回オープンソース化したのは「より大きなモデル」ではなく、「連続して働く労働者」の証拠です。2.4T重みは無料でダウンロードできますが、実際に実行するにはデータセンター級のGPUクラスタが必要です——レシピは無料、厨房がハードルです。使いたい人はまずAPIを使い、重みを待っている人は来週まで待ちたい人、プライベートデプロイしたい人はまずハードウェアの計算をしてください。
「世界第2位」は公式口径＋第三者ブラインドテストであり、標準化されたベンチマークは発表日まで未公開です。16日間の自律プログラミングなどは公式事例であり、すべての実際のプロジェクトが再現可能であることを保証するものではありません。時価変動などの市場データは智東西の報道によるものです。