DJミオ：こんばんは、「Midnight AI Groove」の時間です。ナビゲーターのDJミオです。
DJレン：DJレンです。今夜は、かなり情報量の多いAIニュース回。テーマはずばり、Qwen 3.8 Maxを中心にした2026年夏のオープンウェイト最前線です。
DJミオ：しかも今日は、ただ「新モデル出ました」で終わらないんだよね。性能、価格、ライセンス、インフラ、エージェント、さらに中国系オープンモデル群の戦略まで、ぜんぶつながってる。
DJレン：そう。だからこの回では、話題の中心であるAlibabaのQwen3.8-Maxを軸にしつつ、周辺で語られていたQwen3.8-27B、DeepSeek V4 Flash、Kimi K3、GLM系、MiniMax H3、そしてエージェント実行基盤や評価ベンチの話まで、過不足なく整理していきます。
DJミオ：では行きましょう。今夜のグルーヴ、スタート。
1. まず何が起きたの？
DJミオ：トップニュースは、Alibaba QwenがQwen3.8-Maxを発表したこと。そして重要なのが、来週オープンウェイトを公開すると宣言した点です。
DJレン：しかも同時に、Qwen3.8-27Bもオープンウェイト化される予定とされている。ここがすごく大きい。巨大フラッグシップと、より現実的に使えそうな中型モデルの両方を打ち出した形だね。
DJミオ：Qwen3.8-Maxは、Alibaba自身の表現では**「これまでで最も高性能なモデル」**。特に、
- コーディング
- 長期のエージェント作業
- マルチモーダル推論
この3つを前面に出していた。
DJレン：そして価格も発表された。
- 入力 $2.00 / 100万トークン
- 出力 $6.00 / 100万トークン
- キャッシュ済みトークン $0.25 / 100万トークン
前世代のQwen Maxより少し安くなっている、という文脈もあったね。
2. Alibabaが打ち出した能力主張
DJレン：この発表が注目された理由の一つは、公式の能力主張がかなり攻めていたこと。
DJミオ：具体的には、
- 10日以上の自律コーディング
- 500ターン超のチップ設計最適化
- 365日規模のEC戦略運用
- そして、視覚が単なる入力ではなく、実行ループの一部として組み込まれたネイティブ・マルチモーダル
という話だった。
DJレン：つまり「賢いチャットボットです」ではなく、長期タスクを遂行する作業主体として売り出しているわけだね。
DJミオ：公開GitHubトレース付きの10日超自律コーディングという主張もあって、ここはかなりインパクトがあった。ただし後で触れるけど、こういうデモはモデル単体の能力なのか、ハーネス込みの能力なのかを見分ける必要がある。
3. 報告されたスペック
DJミオ：スペック面も整理しよう。
DJレン：公式および周辺要約から出てきた主要な数字はこんな感じ。
- 総パラメータ数 2.4T
- 1Mトークンのコンテキスト長
- 最大出力 128kトークン
- reasoning effortのモードとしてlow / medium / xhigh
- OpenAI互換・Anthropic互換のプロトコル対応とされる
- ベンチマーク主張としてPaperBench 93.0、CoWorkBench 74.8、WideSearch 81.9
- さらに、二次情報として1トークンあたり95B active parameterという話
DJミオ：この95B activeというのが本当なら、2.4T totalに対して有効化は約4%。つまりかなり強いMoE（Mixture of Experts）型の疎構造ってことだよね。
DJレン：そう。全部を毎回動かすんじゃなく、一部エキスパートだけを使う。だから「保存は巨大、推論時の活性は比較的小さい」という性格になる。
DJミオ：ただし、これは「軽い」という意味では全然ない。そこは後で重要な論点になる。
4. どこで使えるのか
DJレン：Alibabaは配布面も一気に広げていた。
- Qwen Studio
- API
- Command Code
- さらに後からVenice
などで提供。
DJミオ：加えて、周辺インフラの対応表明も早かった。
- Baseten
- Hermes Agent
-
Command Code
などがサポート予定や統合を示していた。
DJレン：OpenAI/Anthropic互換プロトコルという話が事実なら、既存のツールチェーンにかなり差し込みやすい。これはエンジニアには重要だね。
5. 第三者評価はどうだった？
DJミオ：ここ、いちばん気になるところ。独立評価ではかなり強い数字が出ていた。
DJレン：まずFrontend Code Arenaで、Qwen3.8-Maxは総合4位、Elo 1668。
上には
- Claude Opus 5 [Max] 1705
- Kimi K3 [Max] 1676
- Claude Opus 5 [High] 1669付近
DJミオ：かなり上位だね。サブカテゴリでも強い。
- Consumer Productで2位
- Brand & Marketing、Reference-based design、Gaming、Content Creation Toolsで3位
- Data & Analyticsで4位
- Simulationsで5位
DJレン：そしてVision Arenaでは2位、1305点。トップのClaude Fable 5 [High]との差はわずか13点。
DJミオ：つまり、コーディング寄りだけじゃなく、ビジョンやデザイン系でもかなり強い。
DJレン：さらにVals Indexでは、
- オープンウェイトモデル中2位
- 全43モデル中10位
- スコア66.1
DJミオ：しかもValsは、Claude Opus 4.7と同スコア66.1だと言っていたね。
DJレン：それでいてテストあたりコストは約2.3倍安い
- Qwen3.8-Max: $2.68
- Opus 4.7: $6.17
という報告。
DJミオ：ベンチマーク個別では、
- SWE-bench 87.3%
-
Terminal-Bench 2.1で67.4
だった。
DJレン：SWE-bench 87.3はかなり強い。比較として記事内では、
- GPT-5.5: 82.6%
- GLM-5.2: 83.3%
- Claude Opus 4.8: 89.2%
という位置づけだった。
DJミオ：Terminal-Bench 2.1も、Qwen 3.7 Maxの61.0から67.4へ上昇。約2.5か月でVals Indexが57.5→66.1、+8.6ポイントという急伸も強調されてた。
6. どこまでが事実で、どこからが熱狂か
DJミオ：AI界隈って、数字と雰囲気がごっちゃになりやすいので整理しよう。
DJレン：事実として言えることは比較的はっきりしている。
- AlibabaがQwen3.8-Maxを発表
- 来週オープンウェイト公開予定
- Qwen3.8-27Bもオープンウェイト化予定
- API価格を公開
- ArenaやValsで高順位
- 1Mコンテキスト、128k出力などの運用情報が報告された
DJミオ：一方で、意見・解釈・誇張も多かった。
たとえば、
- 「中国はもはや遅れていない」
- 「オープンモデルが勝ち始めた」
- 「Opus 4.8はほぼ飲み込まれた」
- 「Anthropicに明確な圧力」
- 「最高の物体検出VLM」
こういうのは、あくまで投稿者の読み。
DJレン：そう。中心的な事実だけ見ても十分に強いニュースなんだけど、そこにコミュニティの熱狂がかなり上乗せされていた。
7. でも“open-weight”だからといって手元で気軽に回せるわけではない
DJレン：ここがすごく大事。今回の議論で最も重要なカウンターポイントの一つが、**「オープンウェイト」≠「ローカルで簡単に動かせる」**という話だった。
DJミオ：Jamin Ballの指摘が代表的だったね。巨大MoEの価格比較は、単純なトークン単価だけでは語れないし、そもそもモデルが巨大すぎる、と。
DJレン：比較対象として出てきたのが、
- Qwen 3.8 Max >2T params
- Kimi K3 ~104B active / token
- GLM 5.2 = 744B total, 40B active
Kimi K3では重みをロードするだけで1TB超のメモリ、最低でもH100/B200を8枚以上、推奨は64+アクセラレータのスーパーノード級という話が出ていた。
DJミオ：Qwen3.8-Maxも、activeが少し低いとしても、2.4T級MoEは消費者向けローカルモデルじゃない。この点はかなり冷静に見ないといけない。
DJレン：StableQuanの実務的なコメントもあって、巨大モデルは
- 長大プロンプトでRAMを食う
- ツール呼び出しも遅い
- 消費者ハードでは扱いづらい
だから、APIで使った方がいいというわけだね。
DJミオ：だからこそ、みんなが実際にはQwen3.8-27Bに強く反応している。フラッグシップは影響力、27Bは普及力、という分担。
8. Qwen3.8-27Bの意味
DJミオ：27Bの方は、むしろエンジニアやローカル勢にとって本命かもしれない。
DJレン：Redditではかなり盛り上がっていて、UnslothのDaniel Hanが「Qwen3.8-27Bは17GB VRAMで動く」と示唆したことが話題だった。
DJミオ：ただし、これは普通に考えると量子化やQAT前提だろう、と推測されていた。フル精度27Bが17GBという意味ではないだろう、と。
DJレン：コメントでは、
- 17GBは16GB勢には惜しい
- でも非常に期待できる
- 48GB VRAMならq8系も現実的かも
- もっと大きい122Bや60B denseも欲しい
みたいな反応が多かった。
DJミオ：要するに、コミュニティが本当に欲しいのは「ベンチで数ポイント上がる2T級」だけじゃなくて、実際に回せる強いモデルなんだよね。
9. ライセンス問題：いちばん現実的な懸念
DJレン：性能よりも実は深刻かもしれないのが、ライセンスの不確実性。
DJミオ：OstrisAIが、Qwenのライセンスが米国、EU、英国、韓国での使用やダウンロードを禁じているように読めると指摘した。もしそうなら、かなり重大。
DJレン：ただし、このデータセット内ではAlibaba自身からの明確な補足説明は見当たらず、最終的に解決されていない。
DJミオ：そしてこの問題は、同時に話題になっていたMiniMax H3でも発生していた。地理的制約があるなら、それは「open-weight」と言えても、OSI的なオープンソースとは全然違う。
DJレン：エンジニア目線で重要なのはここで、
「open weights」と言っても実際には
- オープンソース権利がない
- 用途制限がある
- 地域制限がある
- 商用利用許可が主要地域で不明
ということがある。
DJミオ：つまり、マーケティング上の“オープン”と、法務上・商用上の“使える”は別。これは本当に大事。
10. なぜこの発表は戦略的に重要なのか
DJミオ：今回の発表は、単なる新製品ではなく、Alibabaの戦略転換として読まれていた。
DJレン：ZhihuFrontierの解釈では、Alibabaは従来、Maxラインを閉じていて、オープン側はQwen3-235Bくらいまでだった。それが今回は最上位クラスを開く方向に動いた。
DJミオ：背景としては、DeepSeek、Kimi、GLMなど中国系オープンモデル群が存在感を増しすぎて、API独占だけでは価値を保ちにくくなったという読み。
DJレン：つまり、
- 独占性よりエコシステム影響力
- モデル売上だけでなく開発者ロックイン
- ハーネス、推論基盤、蒸留、アプリ統合
こうしたところで勝負するフェーズに入ってきた、ということだね。
DJミオ：巨大フラッグシップをオープンウェイトで出す意義は、みんなが自前ホストすることではなく、自分たちの系譜をエコシステム標準にすることかもしれない。
11. アーキテクチャ的に見ても興味深い
DJレン：Qwen3.8-Maxの技術的特徴として重要なのが、疎なMoEをかなり強く押し進めている可能性。
DJミオ：95B active / 2.4T totalが正しければ、活性化率は約4%。比較として、Qwen3-235B-A22Bは約10%に近い、とされていた。
DJレン：これは何を意味するかというと、保存コストは巨大でも、推論時には狭いエキスパートだけを使って効率を出す方向性だね。
DJミオ：その流れと並んで、エコシステムではlinear attentionみたいな別の設計トレンドへの言及もあった。ただし、これはQwen3.8-Maxに直接結びついた確定情報ではない。
DJレン：重要なのは、こうした設計により、
- 総パラメータを増やし
- API価格を下げ
- それでも強い性能を維持する
ということが可能になっているかもしれない、という点だ。
12. このモデルは“チャット”というより“長期エージェントの基盤”
DJミオ：Qwen3.8-Maxの語られ方で特徴的なのは、**汎用チャットより「coding and cowork」**が前面だったこと。
DJレン：主張されていたユースケースも、
- 10日以上の自律コーディング
- 500ターン超のチップ最適化
-
365日規模のEC戦略
で、完全にlong-horizon agent向け。
DJミオ：ベンチマークも
- PaperBench
- CoWorkBench
-
WideSearch
と、単発QAというより、目標維持・ツール利用・長い軌跡の一貫性を見るものが並んでいた。
DJレン：ここで重要なのが、最近の潮流として長期タスク能力はモデル単体ではなく、モデル×ハーネスの性質として理解されるようになってきたこと。
DJミオ：そうそう。Clineの話がその象徴だった。多くのオープンモデルはRLで「確認や検証に余分なトークンを使う」よう訓練されていて、その振る舞いを許すハーネスだと約20%性能が上がるという主張。
DJレン：だからQwen3.8-Maxも、「モデルがすごい」だけではなく、検証重視の長期ループを回すランタイムと組み合わせたときに真価を発揮するタイプかもしれない。
13. 反応の温度差
DJレン：コミュニティの反応もきれいに三層に分かれていた。
DJミオ：まず支持・熱狂。
- Tekniumが「Qwen 3.8 Maxとローカル27Bが来る」
- Basetenが「対応する」
- Hermes Agentで試せという声
- 「ついにオープンのmaxモデルだ」
DJレン：次に中立・分析的な反応。
- トークン効率も見ろ
- infra負荷は巨大
- 伸びの大半はポストトレーニングでは？
- ベンチの条件変更には注意
といった視点だね。
DJミオ：Valsは特に、AlibabaのTerminal Bench報告はタイムアウト条件を調整しているが、Vals側は元のタイムアウトを維持したという方法論上の注記をしていた。
DJレン：そして懐疑的な反応としては、
- ライセンス制約があるなら本当にオープンか？
- スーパーノード前提なら競争上の実効性は限定的では？
- ベンチが伸びても、最上位クローズドと完全同等とはまだ言えない
といったもの。
14. 2026年のオープンモデルサイクルの中で見ると？
DJミオ：Qwen3.8-Maxは、単独で現れたわけではない。2026年は、中国系の巨大オープン／準オープンモデルが連続する周期にある。
DJレン：比較対象として繰り返し挙がっていたのは、
- Kimi K3（2.8T）
- GLM-5.2
- DeepSeek V4 Flash / Pro
-
MiniMax H3
など。
DJミオ：Artificial Analysis系の見立てとしては、中国の最前線モデルは米国トップモデルに3〜9か月遅れと言われつつ、オープンウェイト前線に限ればこの2年ほぼ中国主導という話もあった。
DJレン：要するに、
- クローズド最上位はまだ米国優勢な場面が多い
- でもオープンウェイト最前線は中国勢が主導
- しかもコーディング、デザイン、一部マルチモーダルで差が縮まっている
という構図だ。
DJミオ：だから今回の発表は、1モデルのニュースというより、勢力図の再編を見せるシグナルとして受け止められた。
15. エンジニアにとっての実務的意味
DJレン：ここからは実装者の視点でまとめよう。
DJミオ：Qwen3.8-Maxが提示したトレードオフはこうだね。
- かなり強い評価性能
- 攻めたAPI価格
- ただし巨大なサービング負荷
- ライセンス／地域制約の不確実性
- 1Mコンテキストと128k出力で、大規模ワークフロー向き
DJレン：特に、キャッシュトークンが$0.25/Mというのは、エージェント用途で効く。
同じコードベース、同じ指示、同じツールログを何度も再利用するからね。
DJミオ：巨大リポジトリや長期エージェントでは、入力の大半が「毎回同じ前提」になりがち。そこが安いのはかなり意味がある。
DJレン：ただし、自前運用は大変だから、実際には
- APIでQwen3.8-Max
- ローカルや広範配布ではQwen3.8-27B
という住み分けがあり得る。
DJミオ：あと、一部の見方では、Qwen3.8-Maxは
- 画像認識やラベリングに強い
- サンプル効率がいいかもしれない
- 27Bへ蒸留・OPDしやすいかもしれない
という期待もあった。
ここからは周辺トピックも押さえる
DJミオ：この号はQwenだけでなく、周辺の話が全部つながっているので、そこもちゃんとカバーしていこう。
16. 長期エージェントは「モデルの知能」だけではない
DJレン：大きなサブテーマは、長期エージェント性能はモデル単体で決まらないということ。
DJミオ：ZhihuFrontierのまとめでは、長期タスクの失敗は
- 目標ドリフト
- コンテキスト破損
-
疎な報酬と不可逆な行動
みたいな問題に分かれるとされていた。
DJレン：そして制御の中心は、昔の「プロンプト工学」から、今は
- ランタイム
- メモリ
- ツール呼び出し
- 検証
- オーケストレーション
- リカバリ
を含むハーネス設計に移っている。
DJミオ：この流れでいくつか具体的な製品も出てきた。
- Cloudflare /computer：isolateとLinux containerを動的に切り替え、各エージェントに“自分専用のコンピュータ”を与えるランタイム
- Cursor：クラウドエージェントのトークン効率20〜30%改善、computer-useで80%改善、さらにGoogle Workspace連携
- LangChain Managed Deep Agents：評価、メモリ、OAuth、チャネル連携、サンドボックス付きでpublic betaへ
- Hermes Agent Herald：音声、プラグイン、A2A、Webhook、研究・生産性スキル、トークン効率改善
DJレン：つまり今の競争は、モデル単体のベンチだけじゃなく、どんな実行基盤で能力を引き出せるかなんだ。
17. ハーネス差が実際に結果を変える
DJミオ：このテーマでは実例も多かった。
DJレン：
- Kimi K3のCEO-Bench結果はプロバイダのエンドポイントで大きく変わった
- Clineはハーネス変更だけで約20%改善と主張
- 同じモデル・同じエンドポイントでも、エージェントの足場次第で24タスク成功と19タスク成功に分かれたというRedditの指摘もあった
DJミオ：つまり、ベンダーの「10日自律コーディング」みたいなデモを見るときは、その中にハーネスの工夫がどれだけ含まれているかを見ないといけない。
DJレン：モデルの生の知能と、周辺の検証・復旧・ツール制御を切り分けるのは今後ますます難しくなるね。
18. ベンチマークと評価設計も進化中
DJレン：評価の話も重要だった。
DJミオ：たとえば、
- MerchantBench：365日ECシミュレーション、約98,843商品、26ツール、累積純資産で評価
- One Layer Deeper：反復モジュラー平方に基づく適応計算チャレンジ
- Artifacts Hub / Adoption Dashboard：792のオープンモデルを追跡
-
ITSMBench：軌跡付きのオープンベンチとして注目
など、新しい評価資産が出てきている。
DJレン：さらに、軌跡を公開すべきだという主張もあった。スコアだけだと、
- モデルが悪いのか
- タスク定義が悪いのか
- 検証器が脆いのか
わからないからね。
DJミオ：これは本当にその通り。長期エージェント評価では、失敗理由の可視化がスコア以上に重要になってきている。
19. 自動研究とポストトレーニングの工学化
DJミオ：最近は「モデルを使ってモデルを鍛える」流れも加速してる。
DJレン：ここでは
- RSIBench-DataでKimi K3 + Kimi Codeが27.317% weighted score
- IntologyのLocusがPostTrainBenchでSOTA主張
- LocusでポストトレーニングしたQwen3 1.7B Baseが公式人手チューニング版を上回る
-
ライブKaggleでも16日後に平均4位
といった話が出ていた。
DJミオ：一方で、評価の厳密さへの警告もある。
- ノイズの多いRLVRデータでは、厳密条件だとMATH精度が9%以上落ちたという報告
- 代理目的を最適化しても、本番ロールアウトでは悪化したという例
みたいな話もあった。
DJレン：つまり、自動化が強くなっている一方で、検証設計が甘いと自己欺瞞になるということだね。
20. DeepSeek V4 Flash：コスパ最前線のもう一つの主役
DJレン：Qwenが主役だったけど、同じ日にかなり存在感があったのがDeepSeek V4 Flash。
DJミオ：特に話題になったのは、コスト調整後性能が非常に強いこと。
Valsでは、スコア60超のモデルの中で最安、しかも次点より35倍安いという主張があった。
DJレン：WeirdMLでは、
- Flash-0731 high / maxで57.1% / 63.0%
という報告も出ていた。
DJミオ：ただしこちらも注意が必要。コスパ散布図に対しては、
- “kill line”とまでは言いすぎ
- Pareto frontier上だからといって他モデルが全部死ぬわけではない
- レイテンシ、可用性、文脈長、品質のばらつき、ハード条件などもある
という反論が出ていた。
DJレン：その通り。あとRedditでは、284B級のDeepSeek V4 Flashが2T級QwenやKimiに「匹敵する」と言っても、それは能力同等を意味するのか、価格性能で近いという意味なのかという議論もあったね。
21. DeepSeekのローカル実行とランタイムの話
DJミオ：DeepSeek関連では、ローカル推論や推論高速化の話も面白かった。
DJレン：
- llama.cppがDeepSeek V4向けMTP/DSpark対応を追加
- DGX Sparkベンチで約50%のスループット向上
- ただし最新0731はMTPではなくDSpark中心という注意
DJミオ：さらに、MferenceというMLXベースのローカル推論エンジンも出てきた。
これは
- 共通コアとKVだけ常駐
- 必要エキスパートだけSSDからストリーム
という方式で、巨大MoEを低常駐メモリで動かす試み。
DJレン：Apple M5 Proでの報告値としては、
- Gemma 4 26B-A4B：~2GB RAM、31–35 tok/s
- Qwen 3.6 35B-A3B：~1.45GB、19–23 tok/s
- DeepSeek V4 Flash 284B-A13B：5.3–6.8GB RAM、約91GBディスク、最大4.8 tok/s
という数字が出ていた。
DJミオ：かなりI/O律速だけど、巨大MoE+SSDストリーミングでローカル化する未来は見えてきてる感じがするね。
22. 中国系オープンウェイト勢は一枚岩ではない
DJレン：面白かったのは、「中国ラボを一括りにするな」という投稿。
DJミオ：そこでは、各社の戦略がかなり違うとされていた。
- Qwen：分散配布・エコシステム重視
- DeepSeek：アーキテクチャ、論文、重み公開の存在感
- Ant Ling：安価な長期サービングに重点
- GLM：別ラインで高性能競争
-
MiniMax：マルチモーダル／ビデオ側
みたいな感じ。
DJレン：Ant Ling 3.0 Flashについては、
- 124B total
- 5.1B active
- KDA + MLA hybrid attention
-
262k context
で、安い長期エージェントループに焦点を当てているとの説明があった。
DJミオ：つまり、「中国勢が強い」という大きな物語は事実としてあっても、その中身は各社バラバラの勝ち筋なんだよね。
23. GLM 5.3の気配
DJミオ：GLM系も次の動きが近そうだった。
DJレン：GitHub上のSDKブランチから、GLM 5.3が示唆されていた。JSON Schema structured output対応の更新が見つかっていて、近いのではと言われていた。
DJミオ：しかも既にGLM-5.2 MaxがFrontend Code Arenaで総合2位、オープン1位という文脈もある。だから次弾が来るとまた勢力図が動くかもしれない。
24. MiniMax H3：Qwen以外で最も目立ったマルチモーダル/動画系
DJレン：Qwenの外側で最大級の話題はMiniMax H3だった。
DJミオ：これは33B級の動画モデルとして語られ、
- テキスト、画像、動画、音声参照
- 最大15秒クリップ
- 2K
- ローカルではRTX 5090級で40GB前後、約5.5分で5秒生成
みたいな初期報告があった。
DJレン：さらにVideo Arenaでオープンモデル1位、しかも次のオープンを280ポイント以上引き離す、画像→動画では総合トップ級に並ぶ、という強い評価。
DJミオ：一般用途の“オムニモーダル生成系”としての完成度が高いとされていて、
- テキスト
- 画像
- 動画
- 音声
を同一コンテキストで扱う点が評価されていた。
DJレン：ただし、これもライセンスがややこしい。最初は「US/EU/UK/Koreaで使えない」と読まれたが、後から正式な許可プロセスが必要なだけで完全禁止ではないという補足も出た。
DJミオ：この違いは大きいよね。法務上は「絶対不可」と「申請制」は全然違う。
25. RedditでのMiniMax H3反応
DJミオ：Less Technical寄りのRedditでは、MiniMax H3のデモ動画がかなり盛り上がっていた。
DJレン：
- “Will Smith eating spaghetti”系の定番ストレステストで高評価
- フル精度重みのデモでは音声の表現力や物理整合性、例えばテーブルの揺れ方の自然さが話題
- RTX 4090 Laptop 16GB + 64GB RAMで低解像度生成できたという投稿も
DJミオ：もちろん、これらは多くが定量評価ではなく印象ベース。でも、コミュニティが「ローカル動画生成が一段上がった」と感じていたのは確かだね。
26. OpenAIやその他の周辺ニュースも少し
DJレン：この号には他にも重要な話題があったので、軽く押さえておこう。
DJミオ：
- OpenAIの次期モデルが数学・理論計算機科学の長年の未解決問題で10件の新結果を出したという発表。トークンコストはGPT-5.6 Sol換算で約$2,000と主張されたが、試行全体コストの解釈には議論あり。
- GPT-Liveの技術深掘り。低遅延音声パスと非同期推論/ツールパスを分離し、セッション開始のラウンドトリップを6→1に削減。
- Google Gemini SparkがChromeで自動ブラウズし、ログイン済みアカウント上の作業を補助。
- Sakana Namazu APIは日本語・日本文化・日本ビジネス向け最適化を掲げる。
- LiteParseはPDFから構造化情報をms/page級で抽出。
- Jina reranker v3.5は0.6BでBEIR高スコア。
- DSPy 3.3.0はコード＋プロンプト最適化や新しいツール呼び出しを追加。
DJレン：どれも、「モデル単体」から「システム全体」へ重心が移っているのを感じさせるね。
27. セキュリティ、政策、地政学も背景にある
DJミオ：今回の空気感には、技術以外の大きな背景もあった。
DJレン：
- Hugging Face CEO関連の報道で中国がオープンモデルを支配しているという言説
- ホワイトハウスがOpenAI、Anthropic、Google、Metaを招いて新しい自主的AI枠組みやサイバー評価を進めているという話
- 7月に約2,500件の高/重大CVEが公開され、過去記録の約5倍という報告
- オープンウェイトは攻撃面だけでなく防御側の能力向上にも関係するという主張
DJミオ：この意味でも、Qwen3.8-Maxのようなモデルのオープン化は単なるプロダクト競争ではなく、研究・産業・安全保障・開発者エコシステムにまたがる話なんだよね。
28. RedditでのQwenに対する現実的な視点
DJレン：RedditのLocalLlama周辺では、かなり現実的な声が多かった。
DJミオ：そうだったね。
- 2.4T級はすごいけど、本当に欲しいのは27Bやより小さいdense
- DeepSeek V4 Flashの方がサイズ対性能では印象的では？
- ベンチマークが何を測っているのかよくわからない
- 10日自律コーディングの真価は、検証方法と終了条件を見ないと評価できない
- 同じモデルでもハーネス差が大きい
DJレン：すごく健全な反応だと思う。盛り上がりつつも、「で、再現できるの？」「自分のGPUで回るの？」「その勝ち方はモデルのおかげ？」と問うている。
29. Claude系への不満も背景としてあった
DJミオ：対比として、Less Technical系サブレではClaudeの長期コーディング品質への不満もかなり見られた。
DJレン：
- Opus 5が長文脈で壊れやすい
- 指示忘れ、文脈喪失、修正時の副作用が目立つ
- Fable 5は良いが高い／クォータ制限がつらい
- だからCodexや他モデルに流れている
という声だね。
DJミオ：こういう不満があると、QwenやKimiやDeepSeekのような新顔が「単にベンチで強い」以上に魅力的に見えてくる。
30. 総括：Qwen3.8-Maxは何を意味するのか
DJレン：では最後に、今夜のポイントをまとめよう。
DJミオ：Qwen3.8-Maxは、表面的にはAlibabaの新しい2.4T級フラッグシップです。でも本当の意味はもっと広い。
まとめると
-
性能面
- コーディング、デザイン、ビジョン、長期エージェントで非常に強い初動評価
- ArenaやValsで上位
- SWE-benchやTerminal-Benchでも高スコア
-
価格面
- API価格は比較的攻めている
- 特にキャッシュトークンの安さはエージェント運用に効く
-
技術面
- 2.4T total、95B activeとされる疎MoE
- 1Mコンテキスト、128k出力
- ネイティブなマルチモーダル実行ループ
-
実務面
- ただし巨大すぎて、“open-weight”でもローカル実用は簡単ではない
- 本当の普及役はQwen3.8-27Bかもしれない
-
法務面
- ライセンスや地域制限の読み方が未解決
- 「公開される」ことと「自由に使える」ことは違う
-
戦略面
- Alibabaは閉鎖的な最上位API戦略から、エコシステム主導戦略へ踏み出している可能性
- 中国系オープンウェイト勢が前線を形成し、米国クローズド勢との差を縮めている
-
時代の流れ
- 勝負はモデル単体から、モデル×ハーネス×インフラ×評価設計へ移っている
DJレン：そして忘れてはいけないのは、Qwen3.8-Maxのニュースは単独の花火ではなく、Kimi K3、DeepSeek V4 Flash、GLM、MiniMax H3、そしてエージェント実行基盤の進化と一緒に見て初めて意味がわかるということ。
DJミオ：2026年のAIは、「どのモデルがいちばん賢いか」だけじゃない。
どのモデルが、どのハーネスで、どの価格で、どの法的条件のもと、どの仕事に使えるのか。
そこまで含めて競争になってる。
DJレン：そしてQwen3.8-Maxは、その新しい競争のど真ん中に投げ込まれた一球、というわけだ。
DJミオ：今夜の「Midnight AI Groove」、そろそろエンディングです。
DJレン：Qwen3.8-Maxは確かに強い。でも本当の見どころは、巨大フラッグシップの象徴性と、27B級の実用波及、そして長期エージェント時代の設計思想だと思います。
DJミオ：オープンウェイトの未来は、もはや「配布するかどうか」だけじゃない。動かせるか、使えるか、勝てるか。その全部が問われてる。
DJレン：また次回、深夜のAI周波数でお会いしましょう。
DJミオ：お相手はDJミオと、
DJレン：DJレンでした。
DJミオ：Good night, and keep the agents running.
