Qwen3.8-Max 正式版公開：
2.4兆パラメータが Arena テキスト第5位、来週ウェイト公開予定

GA 前に押さえるべき選定リスク：

• 「Open-Source」表示と実体の乖離：qwen.ai は GA 当日からオープンソース表記を掲げましたが、Hugging Face と ModelScope にはリポジトリもライセンスもありません。法務・コンプライアンス判断を誤るリスクがあります。
• ベンチマークがベンダー自社実行：PaperBench、QwenSWEBench、RecreationBench 等は阿里内部ベンチです。Artificial Analysis や Arena.ai による GA 版の独立再現は、執筆時点では未公開です。
• プレビュー期の情報不足：7 月 19 日プレビューは活性パラメータ未公開、モデルカードなし、安全評価なし、利用規約で自動化生産環境呼び出しを禁止していました。複数の独立評価機関が本番移行を非推奨としていました。
• 活性パラメータ開示の遅れ：Kimi K3 は約 500 億、DeepSeek V4-Pro は 490 億を早期開示しましたが、阿里はプレビュー期に一切示さず、GA で初めて 950 億を公表しました。

2026 年 7 月中下旬、国産 LLM は密集リリース期に入り、ペースは極めて速くなりました。

• 7 月 16 日：月之暗面が Kimi K3 を公開。2.8T パラメータ（896 エキスパート中 16 活性化）。独立ベンチマークと技術レポートの透明性路線を打ち出しました。
• 7 月 19 日：Qwen3.8-Max プレビューが Token Plan / Qoder / QoderWork 経由で先行開放。正式価格の 10% ですが、活性パラメータ未公開、ベンチ表なし、自動化生産利用禁止条項あり。
• 7 月 27 日：Kimi K3 が約束どおり完全ウェイトを Hugging Face で公開。Attention カーネル、MoE 通信ライブラリ等の一部 Infra も同時 OSS 化しました。
• 7 月 31 日：DeepSeek が V4-Flash 正式版を公開。パラメータ規模を増やさず、アーキテクチャと学習最適化で Agent・コード系ベンチが自社 V4-Pro プレビューを大幅に上回りました。
• 8 月 3 日：Qwen3.8-Max が GA。完全ベンチ表と「千問办公」Agent 製品が同時ローンチ。腾讯 WorkBuddy、Moonshot Kimi Work と競合します。当日、阿里巴巴香港株は約 7%、米国株は約 4.5% 上昇しました。
• 8 月 10 日前後（予定）：Qwen3.8-Max と小型版 Qwen3.8-27B のウェイトが Hugging Face と ModelScope に公開される予定ですが、執筆時点では具体日とライセンス条項は未公表です。

「パラメータ競争」の物語は「アーキテクチャ効率競争」へ移行しています。DeepSeek V4-Flash はパラメータを増やさず自社のより大きいモデルを上回り、Qwen3.8-Max の「大容量・低活性」設計も同じ賭けです。

以下は阿里公式公開資料に基づきます。「阿里自測」と明記した項目は、執筆時点で第三者独立再現はありません。本番移行前は公式最新公告で再確認してください。

なぜ Dense パラメータの単純積み上げではなく MoE ＋ ハイブリッド Attention なのか？ Qwen3.8-Max はスパース MoE で総パラメータを 2.4 兆にしつつ、実際の活性量を 950 億に抑えます。推論コストは 2.4T 全量呼び出しではなく、千亿級モデルに近い水準です。これが API 料金を入力 $2・出力 $6（Claude Opus 5 の $5/$25、Fable 5 の $10/$50 を大きく下回る）に抑えられる根本理由です。

reasoning_effort 三档設計はコスト制御のための機能です。low / medium / xhigh（デフォルト xhigh）の三档で推論強度を調整できます。ネイティブ API の enable_thinking パラメータ、または Anthropic 互換インターフェースの reasoning.effort フィールド経由で呼び出せます。

長期自律タスクがコア訴求ですが、検証方法には注意が必要です。 阿里の事例には、16 日間無人工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、自社 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）が含まれます。これらは阿里自社ベンチで、公開度は限定的です。GitHub の qwen-code-dev-bot/oh-my-cli に部分トレースがありますが、独立監査済み結果ではありません。

エコシステム配置： Qwen3.8-Max は「千問办公」Agent プラットフォームに同期接続され、OpenAI 互換と Anthropic 互換の両 API プロトコルに対応します。Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等の主流 Agent ツールチェーンに base URL 差し替えで接続できます。

四つの争点と透明度の痛点：

• 「Open-Source」ラベルがウェイトに先行： 公式サイトは GA 当日からオープンソース表記を掲げましたが、Hugging Face / ModelScope に対応リポジトリ、ライセンス、確定公開日はありません。
• ベンチマークがすべてベンダー自社フレームワーク： PaperBench、QwenSWEBench、RecreationBench 等は内部ベンチです。中立プラットフォームによる GA 版の独立再現は未公開です。
• プレビュー版の透明性不足： 7 月 19 日プレビューは活性パラメータ、モデルカード、安全評価を公開せず、複数の独立評価機関が本番移行を非推奨としました。
• 活性パラメータ開示の遅れ： Kimi K3 は約 500 億、DeepSeek は 490 億を早期開示。阿里はプレビュー期に一切示さず、GA で初めて 950 億を公表しました。

唯一の独立盲測（269 ファイルの実プロジェクトアーキテクチャ設計タスク）では、Kimi K3 が 83 点、Qwen3.8-Max プレビュー版が 80 点でした。差は小さく、「全面優位」ではなく「互角の勝負」です。

阿里は OpenAI 互換と Anthropic 互換の両 API を提供しています。既存プロジェクトは base URL と API キーの変更だけで接続できます。

from openai import OpenAI

client = OpenAI(
    api_key="your_dashscope_api_key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

response = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[{"role": "user", "content": "このコードベースを分析して..."}],
    extra_body={"enable_thinking": True, "reasoning_effort": "xhigh"}
)

以下が主要な公式ソースです。リリースやページ更新後はリンクを再確認してください。

https://qwen.ai

https://help.aliyun.com/zh/model-studio

https://huggingface.co/Qwen

六段階導入ガイド（Qwen3.8-Max が自社スタックに適合するか評価）：

1. 呼び出し経路の確定： API 利用なら QwenCloud（DashScope）経由で OpenAI / Anthropic 互換プロトコルを選択します。オンプレミスが必要なら Qwen3.8-27B 小型版のウェイト公開を待つか、Kimi K3 公開済みウェイトを評価します。
2. オープンウェイト状態の確認： 8 月 4 日時点でウェイトは未公開です。公式「Open-Source」表記をダウンロード可能なウェイトと同一視しないでください。Hugging Face / ModelScope の公式リポジトリ公告を追跡します。
3. reasoning_effort の設定： タスク複雑度に応じ low / medium / xhigh を選択します。単純タスクは low でコスト抑制、複雑 Agent タスクは xhigh で深い推論を取得します。
4. Agent ツールチェーンへの接続： Claude Code、Qoder CLI、OpenClaw 等で base URL と API キーを差し替え、Anthropic 互換エンドポイントで移行コストを下げます。
5. 業務シナリオ A/B テスト： 阿里自測ベンチだけで移行判断しないでください。自社の実コードベースと Agent ワークフローで Qwen3.8-Max と Kimi K3 / DeepSeek V4 を比較します。
6. 独立ベンチ再現の待機： Artificial Analysis、Arena.ai 等の GA 版正式再測結果を待ち、本番デフォルトルートに組み込むか判断します。

引用可能な主要データ（EEAT）：

• 総パラメータ vs 活性パラメータ： Qwen3.8-Max は総 2.4 兆、token あたり活性 950 億。推論コストは 2.4T 全量呼び出しではなく千亿級 Dense モデルに近い（出典：阿里巴巴 GA 公開資料、2026-08-03）。
• API 価格競争力： 入力 $2/百万 token、出力 $6/百万 token。Claude Opus 5（$5/$25）と Fable 5（$10/$50）を下回り、暗黙キャッシュヒットは $0.25/百万 token まで低減（出典：阿里 Model Studio 料金表、2026-08）。
• 消費者向け展開： 中国市場の Apple Intelligence 生成 AI 能力は Qwen モデル（圧縮後ローカル実行）に基づき、iPhone 15 以降で端末内推論します。千問系列は数億台の iPhone のシステム級 AI エンジンに拡張されています（出典：Apple / 阿里公開情報、2026-07）。

よくある質問 FAQ：

• Q: Qwen3.8-Max は今すぐ使えますか？オープンソースですか？ A: API は QwenCloud（DashScope）経由で利用可能です。ウェイトは未公開で、8 月 10 日前後の公開が予定されていますが、具体日は公式公告を確認してください。qwen.ai の「Open-Source」表記は現時点では意図を示すものであり、公開済みアーティファクトではありません。
• Q: Kimi K3 とどちらが強いですか？ A: 権威ある統一ベンチはありません。唯一の独立盲測では Kimi K3 83 点 vs Qwen プレビュー 80 点で差は小さいです。Kimi K3 の強みは公開済みウェイトと第三者ベンチ、Qwen3.8-Max の強みは低い API 価格とより広いネイティブマルチモーダル対応です。
• Q: 2.4 兆パラメータは個人開発者には非現実的ですか？ A: API 経由なら千亿級モデルに近いコストです。完全版のローカルデプロイには多ノードデータセンターが必要です。現実的な選択肢は Qwen3.8-27B 小型版のウェイト公開を待つことです。
• Q: 阿里公開のベンチマークは信頼できますか？ A: 参考にはなりますが結論ではありません。第三者再現を待つか、自社業務シナリオで A/B テストすることを推奨します。

まとめ： Qwen3.8-Max GA は国産 LLM「3T クラブ」競争の新たな節目です。Arena テキスト第 5 位、低 API 価格、Agent エコシステム統合は魅力的ですが、ウェイト未公開と「オープンソース」表記の先行が最大の争点です。本番移行前は独立ベンチ再現と自社 A/B テストを優先してください。

Agent ワークフローをクラウド API 呼び出しのみに依存すると、ネットワーク遅延、Token 請求の予測困難、モデルルート変更時の移行コストがボトルネックになります。純ローカル Ollama デプロイはユニファイドメモリ上限、7×24 安定性、マルチリージョン拡張に制約があります。Claude Code、Qoder CLI、OpenClaw、Xcode CI/CD をフル macOS 環境で動かし、Agent ノードを 7×24 常時稼働させたいチームには、CALMVPS ベアメタル Mac Mini M4 レンタルが通常より適しています。Apple Silicon 専有、Metal ネイティブ加速、六地域ノードの柔軟切替、約 120 秒デプロイで重 Agent ループをクラウドにオフロードできます。詳細は料金ページをご確認ください。

本番移行前に Qwen3.8-Max の最新料金、オープンウェイト公開状況、ベンチマーク数値を公式ソースで再確認してください。本稿情報は 2026 年 8 月初旬の公開資料に基づきます。