2026年8月3日、アリババは新世代フラッグシップ大規模言語モデル 千問 Qwen3.8-Max（総パラメータ 2.4兆、活性化 950億、100万Token コンテキスト）を正式発表し、Agent製品「千问办公」を同時ローンチしました。本記事は大規模言語モデル選定とAgentワークフローコストに関心のある開発者向けに、7月〜8月の公開タイムライン、コアベンチマークと価格表、MoEアーキテクチャの詳細解説、Kimi K3 / DeepSeek V4 / Claude との横断比較、「オープンソース」表記の論点、業界背景、6ステップ評価チェックリストと FAQ を網羅します。核心ポイント：Arenaテキスト競技場5位（1496点、Preliminary）が現時点で唯一引用可能な第三者シグナルであり、その他のベンチマークはアリババ自社テストです。ウェイトのオープンソース化は「来週」と約束されていますが、執筆時点ではまだ実現していません。
2026年7〜8月は中国大規模言語モデルの「兆パラメータ」密集公開期です。以下のタイムラインは確認済みのイベントと公式発表を整理したもので、Kimi K3、DeepSeek V4-Flash、Qwen3.8-Max の間で参照軸を立てるのに役立ちます。
| 日付 | イベント |
|---|---|
| 7月16日 | 月之暗面が Kimi K3 を発表。2.8兆パラメータ（896エキスパート中16を活性化）、独立評価と透明な技術レポートを訴求 |
| 7月19日 | Qwen3.8-Max が「プレビュー版」として公開。Token Plan / Qoder / QoderWork に接続。価格は正式版予定価格の10%。活性化パラメータとベンチマーク表は未公開。利用規約で自動化本番環境呼び出しを禁止 |
| 7月27日 | Kimi K3 が約束どおりウェイトをオープンソース化し、Hugging Face に公開。注意カーネル、MoE通信ライブラリなどのインフラも同時オープンソース |
| 7月31日 | DeepSeek が V4-Flash 正式版を発表。パラメータ規模は据え置きながら、エージェント・コード系ベンチマークで自社 V4-Pro プレビュー版を大幅に上回る |
| 8月3日 | Qwen3.8-Max 正式GA。完全なベンチマーク表を公開し、「千问办公」Agent を同時ローンチ。アリババ香港株は当日約7%上昇、米国株は約4.5%上昇 |
| 8月10日前後（予定） | Qwen3.8-Max および軽量版 Qwen3.8-27B のウェイトが Hugging Face と ModelScope に公開予定。執筆時点では具体的な日付とオープンソースライセンスは未発表 |
「Open-Source」ラベルを公開済みと誤認する：公式サイトはGA当日からオープンソース表記ですが、Hugging Face / ModelScope にはリポジトリもライセンスもありません
総パラメータ数≠推論コスト：2.4Tの総パラメータに対し実際の活性化は950億。請求額は数千億パラメータ級モデルに近い水準です
ベンチマーク表の多くは自社テスト：PaperBench、RecreationBench などはアリババ独自のベンチマークで、第三者によるGA版の再現はまだありません
ArenaランキングはPreliminary：1496点・テキスト競技場5位は「暫定」表記であり、最終結論ではありません
プレビュー版の透明性不足：7月のプレビュー段階では活性化パラメータ、モデルカード、安全評価が未公開で、複数の独立評価機関が本番移行を推奨していませんでした
競合比較表の脚注に論点あり：比較表の脚注はFable 5のスコアにfallbackが関与した可能性を示唆していますが、アリババ自身の方法論も完全には公開されていません
確認のお願い：本記事のデータは2026年8月4日時点のものです。オープンウェイトの公開時期、Arena正式ランキング、第三者再テスト結果は随時更新される可能性があります。本番移行前はアリババ公式発表と独立評価を必ずご確認ください。
| 項目 | Qwen3.8-Max |
|---|---|
| 公開日 | 2026年8月3日（GA） |
| 総パラメータ / 活性化パラメータ | 2.4兆 / 950億 |
| アーキテクチャ | Qwen3.5ベースのスパースMoE + ハイブリッドアテンション |
| コンテキストウィンドウ | 100万Token（思考モード約98.3万、出力上限13.1万） |
| 入力モダリティ | テキスト / 画像 / 動画 |
| API価格 | 入力 $2/100万Token、出力 $6/100万Token（暗黙キャッシュヒット $0.25、明示キャッシュ書き込み $2.5、読み取り $0.17） |
| 国内価格 | 入力 12元/100万Token、出力 36元/100万Token、キャッシュヒット最低 1.5元 |
| Arenaテキスト競技場（8/1スナップショット） | 5位、1496点（Preliminary）。上位8位中唯一の非Anthropicモデル |
| Arenaビジュアル競技場 | 2位。Claude Fable 5 に次ぐ |
| PaperBench（アリババ自社テスト） | 93.0（前世代比 +28.2） |
| OSWorld-Verified（アリババ自社テスト） | 86.1 |
| SWE-bench Pro（アリババ自社テスト） | 67.7（Fable 5 の 80.0 に劣る） |
| HLE（アリババ自社テスト） | 43.6（フラッグシップモデル中最低。Fable 5 は 53.3） |
| ウェイト公開状況 | 「来週」と約束。執筆時点では未公開 |
注：「アリババ自社テスト」と記載のデータはすべて公式発表資料に基づいており、Artificial AnalysisやArena.aiによる正式版の独立再現はまだありません。
Qwen3.8-Max は Qwen3.5 のアーキテクチャ路線を継承し、スパースMoEにより総パラメータを2.4兆に到達させながら、実際の活性化量を950億に抑制しています。推論コストは真の2.4兆パラメータ呼び出しではなく、数千億パラメータ級モデルに近い水準です。これがAPI価格を $2/$6（Claude Opus 5 の $5/$25、Fable 5 の $10/$50 より明らかに低い）に抑えられる核心的な理由です。アーキテクチャ効率で価格競争力を獲得するという戦略です。
モデルは low / medium / xhigh の3段階の推論強度（デフォルトは xhigh）を提供します。開発者はタスクの複雑さに応じて速度と深度を調整でき、enable_thinking パラメータまたはAnthropic互換インターフェースの reasoning.effort フィールドで制御できます。
アリババの事例には、16日間無人介入の自律コーディングプロジェクト、500ステップ超のチップ設計最適化、独自の RecreationBench（ブラックボックス環境で対話と視覚フィードバックのみから実アプリを再現）などがあります。一部のプロセス記録は GitHub qwen-code-dev-bot/oh-my-cli で確認できますが、完全な第三者監査ではありません。
Qwen3.8-Max は「千问办公」に同時接続され、APIはOpenAIとAnthropicの両プロトコルに対応しています。Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw など主要なAgentツールチェーンに直接接続でき、移行コストを下げられます。
APIとウェイトを区別する：現時点ではQwenCloud経由でAPI呼び出しが可能。ローカル展開が必要な場合は Qwen3.8-27B のオープンソース化を待つか、Maxウェイトのライセンスを確認してください
コスト基準線を設定する：$2/$6 とキャッシュヒット $0.25 で月間Token請求を試算し、Kimi K3（$3/$15）と対照してください
reasoning_effort を設定する：レイテンシに敏感なタスクはまず medium/low から始め、複雑なAgentタスクで xhigh を有効化してください
実業務でA/Bテストを行う：公式ベンチマークだけで移行しないでください。自社コードベースで Kimi K3 とブラインド比較を実施してください
第三者再テストを追跡する：Artificial Analysis、Arena正式ランキング、Hugging Faceウェイト公開の発表を注視してください
コンプライアンスとデータ越境を審査する：企業シーンではアリババクラウドの利用規約、ログ保持、モデル出力監査要件を評価してください
| モデル | ベンダー | 総/活性化パラメータ | コンテキスト | 価格（入力/出力、100万Token） | ウェイト公開 | 独立評価 |
|---|---|---|---|---|---|---|
| Qwen3.8-Max | アリババ | 2.4T / 950億 | 100万 | $2 / $6 | 未公開（約束中） | なし |
| Kimi K3 | 月之暗面 | 2.8T / 約500億 | 約104.8万 | $3 / $15 | 公開済み（7/27） | AA Index ≈ 57.11 |
| DeepSeek V4-Pro | DeepSeek | 1.6T / 490億 | 100万 | 完全表未公開 | 公開済み | SWE-bench Verified 80.6% |
| DeepSeek V4-Flash | DeepSeek | 変更なし | 100万 | 完全表未公開 | 公開済み | 9項目のエージェント/コードベンチマークでV4-Pro超え |
| Claude Opus 5 | Anthropic | 非公開 | 100万 | $5 / $25 | クローズド | Arena上位 |
| Claude Fable 5 | Anthropic | 非公開 | 100万 | $10 / $50 | クローズド | Arenaテキスト1位 |
見落としがちな詳細：Kimi K3 と DeepSeek はいずれも活性化パラメータ数を早期に公開しましたが、アリババはGAまで「950億」の開示を控え、プレビュー段階の透明性不足が7月の独立評価機関の批判理由の一つでした。唯一の独立ブラインドテスト（269ファイルの実プロジェクトアーキテクチャタスク）では、Kimi K3 が83点、Qwen3.8-Maxプレビュー版が80点。同ティアで互いに勝敗があると理解できます。
「世界トップティアに躍り出た」「GPT-5.6 Sol や Fable 5 を上回る」という主張は、現時点では主にアリババ側の一方的なものです。オープンウェイトの公開と第三者ベンチマークの登場を待って初めて本当の検証が可能になります。
Qwen3.8-Max を Claude Code、Qoder、OpenClaw などの長セッションAgentに接続する予定がある場合、ノートPCや不安定なLinux VPS上でCLIを動かすと、メモリ不足、セッション中断、Xcode/Metalツールチェーンの欠如に直面しがちです。安定したSSH長セッション、DerivedDataキャッシュ、iOS CI/CD自動化が必要な本番環境では、ローカルMacの算力が不足する際にNodeMiniのMac Miniクラウドレンタルがより適した選択となることが多いです。専用ノード、秒単位のプロビジョニングにより、Agentとビルドタスクを同一の実機Mac上で継続稼働できます。詳細は Mac Mini レンタル料金 をご覧ください。
データ出典：アリババクラウド公式ブログとプレスリリース、Arena.aiランキング（2026-08-01スナップショット）、Apidog / Yotta Labs / TechNode などの独立分析、中国版 Apple Intelligence 関連報道。公開前に最新の公式発表をご確認ください。
APIはQwenCloud経由で利用可能で、OpenAIとAnthropicの両プロトコルに対応しています。ウェイトはまだ公開されていません。公式サイトにはOpen-Sourceと表示されていますが、Hugging Face / ModelScopeのリポジトリとライセンス条項は「来週」（8月10日前後予定）の公式発表を待つ必要があります。接続環境については Mac Mini レンタル料金 をご参照ください。
現時点では権威ある統一ベンチマークはありません。唯一の独立ブラインドテストではスコアが非常に接近しており（Kimi K3 83点、Qwenプレビュー 80点）、同ティアで互いに勝敗があると理解できます。Kimi K3の強みはすでにオープンソース化され第三者データがあること。Qwen3.8-Maxの強みはAPI価格の低さとマルチモーダルの充実です。
総パラメータ数と活性化パラメータ数を区別する必要があります。実際の活性化は950億で、APIコストは数千億パラメータ級モデルに近い水準です。フル版のオンプレミス展開にはマルチノードのデータセンターが必要で、一般開発者には Qwen3.8-27B のオープンソース化を待つのが現実的です。
参考にはなりますが、結論としては扱えません。データはアリババ独自のフレームワークに基づいており、中立プラットフォームによるGA版の再現はまだありません。独立評価の再テストを注視するか、自社の実業務シーンでA/Bテストを行うことをお勧めします。
より安価なフラッグシップ級APIが利用できることに加え、中国版 Apple Intelligence の生成AI機能は圧縮されたQwenモデルをベースにローカル実行され、国内のiPhoneユーザーはシステムレベルで直接恩恵を受けます。その他のご質問は ヘルプセンター をご覧ください。