最高級AIとほぼ同点、料金は約1/40。
Alibabaの新AI「Qwen3.8」は本物か
2026年7月19日、Alibaba Cloudが発表した新AIモデル「Qwen3.8-Max-Preview」。コーディング試験では首位のClaude Fable 5とわずか1.25点差、それでいて月額$18と料金は約1/40。この「うますぎる話」のどこまでが実測で確認でき、どこからが未検証の主張なのかを整理し、いま試す価値があるかを判定する。
史上最大級の巨大モデル
首位のClaude Fable 5（82.5%）と僅差の2位
354回の操作をすべて成功＝壊れにくい
同じ仕事量なら他社の約1/40のコスト
低コストのからくりのひとつ
GPU30〜40枚が必要＝個人では非現実的
2.4兆パラメータ時代の幕開けとQwen3.8の衝撃
2026年7月19日、Alibaba Cloudが発表した「Qwen3.8-Max-Preview」は、AI業界に「2.4兆（2.4T）パラメータ」という未曾有の数字を突きつけた。Claude Fable 5やKimi K3が主導権を握るフロンティアモデル市場に対し、Alibabaが真っ向から挑んだ野心的な挑戦状である。
ただし額面通りに受け取るのは時期尚早。「Fable 5に次ぐ世界第2位の性能」を標榜する一方、公式の技術レポートやモデルカードは欠落しており、BenchLMなど主要トラッカーの検証済みベンチマークスコアは「0%（未公開）」のままである。
検証ステータス：何が確認できて、何がまだ主張のままか
2026-07-19 時点
| 情報源 | 状態 | 内容 |
|---|---|---|
| 公式技術レポート | ✕ 未公開 | アーキテクチャ詳細・学習データの一次情報が存在しない |
| モデルカード | ✕ 未公開 | 活性化パラメータ数・安全性評価が不明 |
| BenchLM 検証スコア | ✕ 0%（未検証） | 主要トラッカーでの第三者検証はゼロ |
| KingBench（第三者） | ✔ 81.25% | AICodeKing による実測。Fable 5（82.5%）に肉薄 |
| StackPerf（第三者） | ✔ 失敗 0件 | 269ファイル・354参照のリポジトリ調査でツール呼び出し失敗ゼロ |
本スライドでは、この巨大モデルが孕む戦略的ポテンシャルとプレビュー版ゆえの不確実性を分けて評価する。
技術プロファイル：Sparse MoEと常時稼働の「Thinkingモード」
スペックの解剖 — 2.4兆パラメータとMoEの実像
総パラメータ2.4兆のSparse MoE（Mixture of Experts）構造。推論コストと速度を規定するのは総パラメータではなく「アクティブパラメータ数」だが、その活性化率は未公表。巨大な知識ベースが推論効率にどう転換されているかの見極めが技術選定の鍵になる。
Sparse MoE の仕組み：2.4Tのうち、実際に計算するのは一部だけ
トークンごとにRouterが少数のExpertを選択して活性化する
■ シアン = 活性化されたExpert。1トークンあたり実際に計算へ参加するのはごく一部で、これが「2.4Tなのに推論できる」根拠。ただし活性化率（アクティブパラメータ数）は未公表のため、推論コストの正確な見積もりはまだできない。
マルチモーダル — 現状は「テキスト＋画像」
テキスト生成に加えVision understanding（画像理解）にネイティブ対応。ドキュメント解析や画像ベースのプロトタイプ生成に適性を持つが、音声・動画を含む「真の万能型」という主張は未実証である。
エージェント志向のThinkingモード
- 常時稼働・無効化不可。推論強度は xhigh / high / low から選択でき、標準の xhigh は極めて深い推論ステップを踏む。
- トレードオフとして推論遅延とトークン消費が増大。リアルタイム用途より、一貫性と正確性が要る長時間タスク（Long-running tasks）向きの設計。
推論強度の選択とトレードオフ
Thinkingモードは無効化できない — 選べるのは「深さ」だけ
| 推論強度 | 推論の深さ | 遅延・トークン消費 | 向いている用途 |
|---|---|---|---|
| xhigh（標準） | ●●● 極めて深い | 大 — 応答遅延・消費とも最大 | 長時間の自律タスク、一貫性が要る調査・実装 |
| high | ●●○ 深い | 中 | 通常のコーディング・分析 |
| low | ●○○ 浅い | 小 | 軽量な変換・要約（それでもThinkingは切れない） |
主要フロンティアモデルとの徹底比較
焦点はAlibabaが主張する「Fable 5級」の真偽。限定的なサードパーティデータに基づく現時点の整理は次の通り。
KingBench スコア — 「Fable 5級」主張の実測値
AICodeKing 実測（0–100%）。差はわずか1.25ポイント
※ SWE-Bench Pro（Fable 5: 80.3%）や Frontend Arena（Kimi K3: 1679点）は測定軸が異なるため同一グラフにはしない。Qwen3.8 の BenchLM 等での公式検証は未実施。
フロンティア4モデルの現在地
2026-07-19 時点の公開情報・サードパーティ実測に基づく
| モデル | 規模 | 公開されている実測 | 強み | 現在地 |
|---|---|---|---|---|
| Qwen3.8-Max (Alibaba) | 2.4T Sparse MoE | KingBench 81.25% StackPerf ツール失敗 0件 | ツール呼び出しの堅牢性、圧倒的低コスト、常時Thinking | プレビュー版。公式検証なし、「追う立場」 |
| Claude Fable 5 (Anthropic) | 非公開 | KingBench 82.5% SWE-Bench Pro 80.3% | 数時間級エージェントの安定性、確立された安全ガバナンス | 性能リーダー |
| GPT-5.6 Sol (OpenAI) | 非公開 | — | 速度とクリーンなコード生成、エコシステム成熟度 | 実用性リーダー |
| Kimi K3 (Moonshot) | 2.8T MoE | Frontend Arena 1679点 | デザインセンス・3D生成 | 7/27 オープンウェイト化予定 |
性能実証：ベンチマークと実利用フィードバック
KingBench & StackPerf の分析
- フロントエンド生成の驚異：Three.jsやSVGを用いた視覚的コンテンツ生成で高い適性。天気アプリのデモでは、アニメーション付きUIを単一プロンプトで生成した。
- ツール利用の完全性：269ファイル規模のリポジトリ調査タスクで、354箇所の参照を行いながらツール呼び出しの失敗ゼロ。大規模コードベース解析における安定挙動の強力なエビデンス。
StackPerf：リポジトリ調査タスクでのツール呼び出し成功率
269ファイル規模のコードベース調査（サードパーティ計測）
自律エージェントは1回のツール呼び出し失敗が後続タスク全体を狂わせるため、この「完全性」は実務上ベンチマークスコア以上に重要な指標。
プレビュー版特有の課題（So What?）
- 「思考ループ」への陥入：複雑な推論で同じ論理を繰り返し、回答遅延とトークン過剰消費を招く傾向が散見される。
- ベンチマーク最適化の疑惑：モデルカード不在の現状では過学習（オーバーフィッティング）を排除できない。実務導入には独自データセットでの再検証が不可欠。
実践的導入ガイド：$18で「40倍」の経済学
「40倍の価値」を生むロジック
Standardプラン（$18/月）が「他社の40倍（40x utility）」相当と言われる背景は、Qwen3.8-Max利用時のクレジット1/10消費キャンペーンと夜間最大98%オフの組み合わせ。Fable 5級の推論を極めて安価に実行できる。
同等の作業量にかかる相対コスト
Alibaba公称の「40x utility」に基づく相対値（小さいほど安い）
内訳：クレジット1/10消費キャンペーン × 夜間最大98%オフ（Nightly discount）。ベンダー公称値のため、実ワークロードでの再計測を推奨。
利用プラットフォームとガバナンス
- OpenAI互換APIを提供。CursorやClaude Codeなど既存ツールチェーンへの「差し替え（リップ・アンド・リプレース）」で迅速に評価可能。
データレジデンシーへの警鐘：プレビュー版の利用リージョンはシンガポール（ap-southeast-1）のみ。データ越境移転に厳格な制約を持つ日本のエンタープライズには、機密情報の取り扱い上の大きな懸念材料となる。
オープンウェイト化の衝撃：市場とハードウェアの現実
市場への圧力とコスト破壊
2.4兆パラメータ級がオープンウェイト（Apache 2.0想定）で公開されれば、クローズドモデル中心の価格戦略は維持が困難になる。ベンダーロックインを回避し、自社インフラで最高峰の知能を運用できる時代の到来を予感させる。
ハードウェア要件の現実
「オープン」は「安易なローカル実行」を意味しない。8bit量子化時でも約2.4TBに達し、実運用にはH100/H200 GPUを30〜40枚備えたデータセンター級クラスタが必要。個人PCでの実行は非現実的で、蒸留モデルの登場が実質的な前提となる。
自社運用に必要なGPU：H100/H200 × 30〜40枚
8bit量子化でも約2.4TB — ■ 最低ライン30枚 / ▨ 構成により+10枚
1マス = H100/H200 1枚（80GB級）。個人PC・単一サーバでの実行は非現実的で、実質的には蒸留モデルの公開待ちか、クラウドAPI利用の二択となる。
戦略的アクション
7月27日にオープン化が予定されるKimi K3と合わせ、現在は「大規模モデルのオープン化競争」の渦中。APIを通じてモデルの癖（推論強度とループの相関など）を把握し、ウェイト公開後のファインチューニングや自社運用に向けた知見を今から蓄積すべきだ。
結論：Qwen3.8-Max-Preview は「買い」か
真価は「2.4兆」という象徴的な数字ではなく、「Fable 5級の推論性能を、圧倒的低コストかつ既存ツールと即時接続可能な形で市場に解き放ったこと」にある。マーケティング的主張が先行している面は否めないが、ツール呼び出しの堅牢性に見られる実力は本物である。
- 個人開発での初期評価
$18のStandardプランを契約し、クレジット消費優遇期間中に、既存コーディングエージェントでの「Thinkingモード」の費用対効果を測定する。
- 非機密データでのA/Bテスト
Fable 5やGPT-5.6 Solと同じ開発課題を与え、ツール呼び出し精度とデザイン品質を自社基準で再検証する。
- 正式版・ライセンス確定後の本格導入
オープンウェイト版の正式公開、ライセンス条件、シンガポール以外のリージョン可否が確定した段階で、本番適用を判断する。
Qwen3.8-Max-Previewは、AI開発の民主化とコスト破壊を加速させる歴史的なプレビューとなる可能性を秘めている。まずはこの「思考する巨人」を低コストで使い倒すことから、次世代のAI戦略を開始したい。