Qwen3.8-Max登場：2.4兆パラメータ、100万トークンコンテキスト、それでも重みは非公開

Qwen3.8-Max登場：2.4兆パラメータ、100万トークンコンテキスト、それでも重みは非公開

$1.4728。これが、Alibabaが出荷した翌日の2026-08-04に、Qwen3.8-Maxとその2つの前身モデルに対して行った40回のライブAPI呼び出しでかかった費用だ。驚いたのは2.4兆パラメータではない。3.8-MaxはトークンあたりQwen3.7-Maxより35.6%高い料金を課しながら、考えすぎるのをやめたことで、回答1件あたりではおよそ4倍安く済んだという事実だ。そしてもう一つ、多くのローンチ報道が誤って伝えていることがある。オープンソースではない。今日の時点では。

この記事は2026-07-19に、Qwen3.8がまだ仕様未公開のプレビュー版だった時点で最初に公開された。2026-08-04のGAリリースと、私たち自身のAPIテスト結果を反映して書き直している。

Key Takeaways

• 2026-08-04時点で、Qwen3.8-MaxはAPI経由のみで利用可能だ。AlibabaはHugging FaceとModelScopeでの重み公開を「来週」、つまり2026-08-10の週と約束している。
• 短い呼び出し1回あたりの費用は$0.001592で、Qwen3.7-Maxの$0.006428より安いことを確認した。トークンあたりの単価は上がっているにもかかわらずだ。
• Alibabaが公表した5つのベンチマークスコアはすべてベンダー公表値だ。2026-08-04時点で、独立した第三者評価は見つかっていない。
• 画像・動画入力は実際に新しく追加された機能であり、単なるラベル変更ではない。APIで動作することと、3.7-Maxが拒否することの両方を確認した。

プレビュー版とGA版で何が変わったのか

Qwen3.8-Maxは2026-08-03に一般提供（GA）を開始し、このページが2週間前に挙げていた未解決の疑問すべてに答えを出した。プレビュー時代に分かっていたのはパラメータ数と約束だけだった。GAリリースでは、確定した100万トークンのコンテキストウィンドウ、テキストに加えて画像・動画の入力、5つの公表済みベンチマークスコア、そしてトークンあたりの価格が加わった。

以下が、2026-07-19時点で未解決だった項目とその後の状況だ。

一つだけ解決しなかった項目がある。アクティブパラメータの内訳は依然として論争中だ。MarkTechPostのローンチ記事は、アクティブパラメータ数はAlibabaによって開示されていないと明言している一方、SiliconANGLE、The Decoder、Coursivはいずれも約950億アクティブと報じている。2026-08-04にMarkTechPostの記事を読み直したが、やはり「非開示」と書かれたままだった。どちらかのソースが誤っているということであり、正直に言えば、この特定の数字についての報道はローンチ当日から食い違っていた。

私たちもどちらが正しいか検証できなかった。OpenRouterの/modelsレスポンスにはパラメータ数のフィールドが一切含まれていないため、私たちのテストでは2.4兆という総数も950億というアクティブ数も、確認も否定もできない。

Qwen3.8-Maxはオープンソースか？　8月4日時点ではまだ違う

いいえ。2026-08-04時点で、Qwen3.8-MaxはAPI経由でのみ利用可能だ。 AlibabaはHugging FaceとModelScopeでの重みの公開を「来週」と予定しているが、ライセンスについては何も発表していない。各種報道は「利用可能（available）」と「オープン（open）」を混同し続けており、その違いこそがこの話の核心だ。見出しが何と書いていようと、今日の時点でダウンロードできる重みは存在しない。

3つの状態が1つの言葉に押し込められている。しかしこれらは同じものではない。

誰かの言葉を鵜呑みにするのではなく、入手できる最も確かな証拠を確認した。Qwen3.8のHugging Face検索結果を2026-08-04に見ると、Alibaba公式のモデルカードは1件も返ってこない。代わりに表示されるのは、Qwen3.8_4B_Distilledという名前とその派生を含む、コミュニティによる4件のアップロードだ。これらはサードパーティによる蒸留モデルであり、フラッグシップ本体ではない。このページをざっと眺めているだけだと、これらを本物のリリースと勘違いしやすい。

ライセンスについて一点。前例が「約束」であるかのように報じられ続けているので触れておく。Qwen 3.5とQwen 3.6はどちらもApache 2.0でリリースされた。2.4兆パラメータ規模で制限的なコミュニティライセンスが適用されれば、技術的には「オープンウェイト」を名乗りながらも、実際に何を構築できるかは大きく変わってしまう。ライセンス文書が出るまでは、この重みで何ができるかを語る人は誰であれ推測しているにすぎない。だからこそQwen3.8-Maxは、私たちの2026年に使う価値があるオープンソースLLMまとめにはまだ含めていない。まだ資格を満たしていないからだ。

実測結果：単価は35.6%上昇したのに、1回あたりの費用は4分の1に

2026-08-04に、OpenRouter経由でqwen3.8-max、qwen3.7-max、qwen3-maxに対して合計40回の課金付き呼び出しを行い、総額$1.4728を使った。 以下のすべてのコストは、返ってきたusageオブジェクトから算出し、OpenRouter自身の課金額と突き合わせて確認済みだ。すべて一致した。そして見出しの結論は、価格変動とは逆方向を向いている。

まず価格から。2026-08-04にGET /modelsで取得したライブ価格によると、3.8-Maxは100万トークンあたり入力$2.00／出力$6.00、対する3.7-Maxは**$1.475／$4.425だ。これは両方向で35.6%の値上げ**であり、比率はどちらの方向でも同じになる（2.000/1.475 = 6.000/4.425 = 1.3559）。最新の数値はOpenRouterのモデルページで確認できる。

次に、同じ単純なプロンプトを3モデルそれぞれ3回ずつ、temperature: 0、ストリーミングで送った結果だ。

2つの「最初のトークン」列が別々に必要なのは、両方の推論モデルが回答本文より先に非表示の推論内容をストリーミングするためだ。3.8-Maxでは3回中2回で1秒未満でトークンが届くが、ユーザーが実際に読める最初の単語はその4〜5秒後に届く。3.7-Maxの1回目の実行では、それすら一度も届かなかった。推論モデルに対してストリーミングUIを構築している場合、接続が生きていることが証明された後も、スピナーは回り続けることになる。

推論トークンの列は二度読む価値がある。「Bloomフィルタを3文で説明してください」というプロンプトに対して、3.7-Maxは1,174〜1,500の推論トークンを消費した。3.8-Maxは156〜194だった。つまりおよそ7倍少ない思考量で同じ答えにたどり着いており、推論トークンは出力単価で課金される。結果として、3.8-Maxは1回あたりおよそ4倍安く、私たちのマシンからのネットワーク往復を含めた応答時間でも4〜5倍速い。それでいてトークンあたりの単価は35.6%高い。定価は上がったのに、請求額は下がった。

これはプロンプトが長くなると逆転する。実測ではなくライブ価格から算出すると、30,000トークンの入力と500トークンの出力を伴う呼び出しは、1,000回あたり3.8-Maxで$63.00、3.7-Maxで$46.46だ。入力100,000トークンでは$203.00対$149.71になる。トークンの大半が入力になると、推論効率の優位性は値上げ分を相殺しきれなくなり、3.8-Maxは3モデルの中で最も高価になる。どのモデルが最安かは、あなたの入力対出力の比率に本当に左右される。これは私たちのLLM API価格比較が繰り返し示している教訓と同じだ。

reasoning_effortは新機能。3.7-Maxは黙って無視する

reasoning_effortは3.8-Maxのサポート済みパラメータには含まれているが、3.7-Maxには存在しない。3.8-Maxでは、これを設定すると結果がそれなりに変わる。それぞれ3回ずつの実行で、minimalは67、108、124の推論トークンを生成し、highは163、136、173だった。中央値で言えば、同じプロンプト、temperature 0で108対163だ。

実際にお金がかかる発見は、旧モデルの方にある。3.7-Maxにreasoning_effort: "low"を送ると、拒否されずに受理されるが、そのまま無視される。その呼び出しは1,401の推論トークンを消費し、私たちが記録した同じ形状の呼び出しと同じ$0.006689が課金された。エラーも警告も、効果も一切ない。推論の強度を下げてコストを調整しているつもりなら、実際に呼び出しているモデルでそれが機能しているかを確認したほうがいい。ここでは、サポートされていないパラメータが大きな音を立てずに静かに失敗するからだ。

移行前に確認すべき「空の応答」の罠

最初のテスト実行ではmax_tokens: 400を使い、私たち自身のスクリプトがクラッシュした。その原因は、テスト結果以上に価値のあるものだった。Qwen3.7-Maxはトークン予算のすべてを推論に使い切り、空の文字列を返すことがあり、その際finish_reason: "length"が付き、満額課金される。

これを3回別々に経験した。max_tokens: 400では、完了トークン402のうち400が推論に使われ、回答の文字数はゼロ、それでも$0.001822が課金された。max_tokens: 1500では、1,502トークンのうち1,500が推論、文字数はゼロ、何も得られないまま$0.006689が課金された。さらに別の呼び出しでも$0.006735が発生した。エラーも例外もなく、流暢に見えるレスポンスオブジェクトの中身がただ空だっただけだ。

既存の3.7-Max連携を移行しようとしていて、コード側で控えめなmax_tokensを設定している場合は、このパスをテストする時間を確保してほしい。3.8-Maxは推論がずっと短いため、この問題への露出は大幅に小さい。ただし、無縁というわけではない。

誰も触れない、小さなトークンのオーバーヘッド

同一の12語のプロンプトが、3.8-Maxでは67プロンプトトークン、3.7-Maxでは29とカウントされた。これはどの実行でも一貫していた（qwen3-maxでは27）。つまり固定オーバーヘッドがおよそ38トークンあり、おそらくシステムプロンプトやチャットテンプレートが大きくなっているのだろう。100,000トークン規模のRAG呼び出しでは誤差の範囲だが、短いプロンプトを大量に投げる高頻度の分類タスクでは、一言も書かないうちに入力コストが2倍以上に膨れ上がる。

Qwen3.8-Maxは本当に画像と動画を受け付けるのか

受け付ける。そしてマルチモーダル入力はこの世代で本当に新しく追加された機能であり、単なるラベルの貼り替えではない。 APIは3.8-Maxに対してtext+image+video->textを返し、3.7-Maxはテキストのみだ。同じ画像を両方に送って違いを確認したところ、旧モデルはルーティング層の時点で拒否した。

テスト画像は、真偽が構成上明らかになるよう、自前で書いたPNGエンコーダを使ってローカルで生成した。750×270ピクセル、白地に黒のブロック体数字4739、上部に赤い横帯という内容だ。base64エンコードで送信すると、qwen3.8-maxはDIGITS: 4739とTOPBAR: redを返した。両方とも正解で、6.99秒、$0.002146。同じリクエストをqwen3.7-maxに送ると、HTTP 404 {"error":{"message":"No endpoints found that support image input"}}が返ってきた。

動画も機能するが、危うく失敗として報告しそうになった注意点がある。試した3つの公開MP4 URLのうち2つはHTTP 400 "Failed to download multimodal content"を返した。これはAlibaba側がファイルの取得に失敗しているのであって、経路が動画そのものを拒否しているわけではない。取得できたURLでは、3.8-MaxはBig Buck Bunnyのクリップをキャラクター名まで含めて正確に描写し、24.24秒、$0.006528だった。

このAPIで開発する前に、実務上の注意点が2つある。動画は約10秒のクリップに対して通常のプロンプトトークン696として課金され、usage.prompt_tokens_details.video_tokensは0を返したため、このフィールドから動画分のコストを切り出すことはできない。そして、形式が不正なコンテンツパートは静かに失敗する。video_urlの代わりに{"type": "video", "video": [url]}を送ると、HTTP 200が返り、モデルは動画が見えないと丁寧に答えるだけで、それでも課金される。video_urlを使うこと。

知っておく価値があるのは、3.8-Max自身に自らの能力を説明させたときのことだ。返ってきたのはInput modalities: textだった。これは誤りであり、私たち自身のテストの次の項目がそれを証明している。モデルの自己申告は言語モデルの出力であって、仕様書ではない。

100万トークンのコンテキストウィンドウはどこまで持ちこたえるか

生成した埋め草テキストの10%、50%、90%の深さに3つの固有の事実を仕込み、1回の呼び出しで3つすべてを尋ねた。2モデル・6回の実行で18個中18個の「針」が正しく戻ってきた。プロンプトサイズは5,723から247,911トークンまでの範囲で、回答を読んで判定するのではなく、コード上の完全一致部分文字列検索で採点した。

私たちのqwen3.8-maxの実行結果は次のとおりだ（qwen3.7-maxの2回の実行はそれぞれ83,380トークンと247,873トークン、qwen3-maxの1回の実行は78,255トークンで、いずれもすべての針を正しく返した）。

レイテンシは準線形にしかスケールしない。ここが実用上重要な点で、入力トークンが43倍になっても、応答時間は4.2倍にしかならない。

ここで正直な限界を挙げておく。長文コンテキスト評価の中では、これはまだ簡単な部類に入るからだ。仕込んだ事実をそのまま検索できることは、大きな文書全体にわたる推論についてはほとんど何も語らない。しかも各サイズは1回しかテストしていない。私たちは100万トークンの呼び出しは行っていない。 入力100万トークンあたり$2.00という価格では、その1回だけでこのテスト実行全体を上回る約$2.00がかかり、サンプルが1つだけでは有益な情報も得られなかっただろう。したがって、公称の100万という上限は私たちの手では未検証のままだ。そして、比較した両方のサイズで3.7-Maxは3.8-Maxとまったく同じ結果を出したため、長文コンテキストの検索性能はこの世代の差が現れる場所ではない。

ここで、ローンチ報道が完全に見落としている価格の罠が一つ見つかった。qwen3-maxにはプロンプトトークンが32,000を超えると単価が2倍になり、128,000を超えると再び上がる階層型の価格override が設定されているが、3.8-Maxと3.7-Maxはどんな長さでも一律料金だ。実際の課金額からこの階層を確認した。qwen3-maxへの78,255トークンの呼び出しには$0.12227が課金され、これは見出し価格の$0.78/Mではなく$1.56/Mのレートだ。この長さでは、3.7-Maxのコスト（$0.12523）とほぼ同額になる。見出し価格は半分以下なのに、80,000トークン付近での実質価格はほぼ誤差の範囲でしかない。

Alibabaが公表した5つのベンチマークスコアと、そのすべてが未検証である理由

AlibabaはGAリリースと同時に5つのベンチマークスコアを公表した。そのすべてがAlibaba自身の社内テストによるものであり、2026-08-04時点で私たちは独立した第三者評価を見つけられなかった。 この一文は、数字から3段落も離れた場所ではなく、数字のすぐ隣に置かれるべきものだ。

Alibabaはまた、社内集計値が0.474から0.725に上昇したと報告し、このモデルをClaude Opus 4.8、Fable 5、GPT-5.6 Solと同等かそれ以上と位置づけた。アリーナ順位も出回っており、Alibaba自身による2026-08-03の発表によれば、Text Arenaで5位、Vision Arenaで2位とされているが、私たちはライブのリーダーボードで再確認していない。アリーナ順位は日々動く。今週読んだ順位はどれも、日付の付いたスナップショットとして扱ってほしい。

私たちも含め、誰もまだ測定していないものがある。同時並行負荷下でのスループット、英語以外の言語での性能、安全性・アライメント評価、ツール呼び出しの信頼性だ。私たち自身の数字がカバーするのは、単一のルートにおけるレイテンシ、コスト、モダリティ、長文コンテキスト検索だけであり、それ以外は何もない。Bloombergのローンチ報道は、独立したテストなしにベンチマークの主張をそのまま繰り返しており、現時点でのほぼすべての報道がその状態にある。

検証済みの数字を求めるなら、私たちのQwen対DeepSeek対GLM比較の方が良い参照先であり、規模でおよそ2.8兆パラメータのKimi K3は、誰もがこのモデルとベンチマークで比較する規模上のライバルだ。

Qwen3.8とQwen3-8B、そしてこのリリースの裏にあるオープンウェイトの逆転

Qwen3.8はAlibabaの2.4兆パラメータのフラッグシップだ。Qwen3-8Bは、2025年からダウンロード可能なQwen3シリーズの、密な80億パラメータモデルだ。 名前がよく似ているだけで、規模はおよそ300倍離れている。検索エンジンは今でもこの2つを混同しており、驚くほど多くのフォーラムの回答も同様だ。

命名の混乱は今週、むしろ悪化した。現時点でHugging Face上に「Qwen3.8」という名前を冠しているものは、コミュニティによる4Bの蒸留モデルだけだ。重みを探していてそのうちの一つを取得してしまうと、2.4兆パラメータモデルとは何の関係もないものをダウンロードすることになる。

2世代連続の非公開フラッグシップ、そして今回

オープンウェイトの約束こそがここでの本当のニュースであり、一族の歴史を見るとその意味は違って見えてくる。Alibabaは2世代にわたって、意図的な使い分けを続けてきた。誰でも使えるオープンウェイトの働き者モデルと、非公開のフラッグシップだ。

Alibabaは2世代連続でフラッグシップ層を非公開にし、今になって自社史上最大のモデルを公開すると言っている。もし重みが約束どおり届けば、それは本物の方針転換であり、「フロンティア級は非公開のまま」を既定路線とするすべてのラボに圧力をかけることになる。もし遅れれば、これは3世代連続で非公開のMaxリリースということになる。両方の結末が2026-08-04時点でまだあり得る。私たちはGLM 5.2でも同じ力学を見ており、あのときは発表内容よりも、実際に出荷されたライセンスの方が重要だった。

Qwen3.8-Maxは自前で動かせるのか？（それでも、まだ無理だ）

無理だ。GAの仕様は、その答えを曖昧にするどころか、むしろはっきりさせている。 総パラメータ数2.4兆というのは、重みが公開された後であっても、自前のハードウェアで動かせる規模のモデルではない。685BのDeepSeek-V3.2でさえ、実際にセルフホストした人々からは本格的なインフラプロジェクトだと言われている。これはその何倍もの規模だ。

では、オープンウェイトの2.4兆パラメータモデルは、実際には何をもたらすのか。

• 推論プロバイダーがホストできるようになり、価格競争が生まれ、トークンあたりのコストが下がる
• ソブリン用途、規制業種、エアギャップ環境での導入が、この規模で初めて可能になる
• 研究者やファインチューニング従事者が、フロンティア級のベースモデルを手に入れられる
• あなたのマシンや、単体のA100、スタートアップのGPU予算で動くという意味ではない

大規模なオープンウェイトモデルを動かすのに実際何が必要かの計算を知りたいなら、私たちのLLM VRAM要件ガイドがその計算を正しく行っている。このモデルについての短い結論は、やめておけ、だ。

乗り換えるべきか、試すべきか、待つべきか

検証結果よりも、その手法の方が重要だ。私たちが本番相当でテストしたどのモデルも、リーダーボード上の順位とは違う振る舞いを見せてきた。あなたのプロンプト、あなたのコードベース、リトライへの許容度は、誰のベンチマークにも入っていないからだ。今回の実行に含めた2つのコーディングタスクがそれを裏付けている。3.8-Maxと3.7-Maxはどちらも、文字列幅の切り詰めタスクで11問中11問正解し、日付計算のファジングテストでも5,000件中5,000件に合格した。正確性では両者を区別できなかった。私たちが測定した差は、簡単なプロンプトにおけるレイテンシとトークン消費に現れているのであって、難しいタスクでの能力差ではない。

移行を検討していて、コストモデルにもう一つ視点が欲しい場合は、私たちのチームにワークロードを検証させてください。

すべての数値は2026-08-04時点で検証済み。価格、アリーナ順位、重み公開のタイムラインは頻繁に変わる。私たちの測定は単一の経路（OpenRouter経由でAlibabaへ）、1台のマシン、1日分のデータであり、レイテンシはn=3、その他のほとんどの機能テストはn=1にもとづく。

よくある質問

Qwen3.8-Maxはオープンソースですか？

2026-08-04時点では違います。API経由でのみ利用できます。AlibabaはHugging FaceとModelScopeでの重み公開を「来週」と予定していますが、ライセンスについては何も発表していません。オープンソースだと伝える見出しは、事実より先走っています。Hugging Faceを検索しても、返ってくるのはサードパーティによる4Bの蒸留モデルだけで、Alibaba公式のモデルカードではありません。

Qwen3.8-Maxの料金はいくらですか？

入力100万トークンあたり$2.00、出力100万トークンあたり$6.00で、キャッシュされた入力は$0.25と報告されています。これはQwen3.7-Maxより両方向で35.6%高い水準です。短い呼び出し1回あたりの中央値は$0.001592で、推論トークンをはるかに少なく出力するため、同じプロンプトでも3.7-Maxよりおよそ4倍安く済むことを確認しました。

Qwen3.8-Maxのパラメータ数はどれくらいですか？

Alibabaの発表および、これを報じたすべての媒体によれば、総パラメータ数は2.4兆です。アクティブパラメータ数については論争があり、SiliconANGLE、The Decoder、Coursivは約950億のアクティブパラメータと報じていますが、MarkTechPostはAlibabaが開示していないとしています。APIにはパラメータ数のフィールドが存在しないため、どちらの数字も私たちは検証できませんでした。

Qwen3.8-Maxのコンテキストウィンドウはどれくらいですか？

ライブAPIは1,000,000トークンのコンテキストと、最大131,072トークンの完了トークンを返します。247,911トークンまでの検索テストを行い、失敗はありませんでした。100万トークンの呼び出しは行っていません。1回で約$2.00かかり、私たちのテスト予算を超えてしまうためで、そのためこのウィンドウの上限は私たちの手では未検証です。

Qwen3.8-Maxは画像・動画入力に対応していますか？

両方に対応しており、私たちも確認しました。ローカルで生成したPNGから数字と色を正しく読み取り、Alibabaが取得できるURLを与えると動画も正確に描写しました。Qwen3.7-Maxは404を返して画像を完全に拒否します。私たちが試した3つのテスト動画URLのうち2つは、プロバイダー側のダウンロード処理で失敗しました。

Qwen3.8-Maxのベンチマークスコアは第三者によって検証されていますか？

いいえ。Terminal-Bench 2.1の86.6、GPQA Diamondの92.6、PaperBenchの93.0、OSWorld-Verifiedの86.1、DeepSWE 1.1の56.6はすべて、Alibabaの社内テストによるものです。2026-08-04時点で、いずれについても第三者による評価は見つかっていません。

Qwen3.8-Maxをローカルで動かせますか？

現実的には、重みが公開された後でも無理です。2.4兆パラメータという規模は、すでに本格的なインフラプロジェクトとされているDeepSeek-V3.2の何倍にもなります。データセンターを運用していない限り、自前のGPUではなく推論プロバイダー経由で利用することになるでしょう。

Qwen3.7-MaxからQwen3.8-Maxに移行すべきですか？

トークンの構成次第です。短いプロンプトでは、3.8-Maxはコストがおよそ4分の1、速度は4〜5倍になることを確認しました。長い入力を多用するワークロードでは35.6%高くなり、検索テストでは同じ結果でした。画像や動画の入力が必要なら、3.7-Maxはそもそも対応していません。

Qwen3.8-Maxの重みはいつ公開されますか？

Alibabaは2026-08-03の発表で「来週」と述べ、公開先としてHugging FaceとModelScopeを名指ししました。正確な日付もライセンス文書もまだありません。オープンウェイトの姉妹モデルであるQwen3.8-27Bも同時に公開されると報じられています。私たちは2026-08-10に再確認する予定です。