Alibabaが「Qwen3.8-Max」投入、来週に重み公開予定——モデルの堀はさらに薄くなる

---

TL;DR

• Alibabaが2.4兆パラメータの新モデル「Qwen3.8-Max」を発表。一部ベンチマークでClaude Fable 5・GPT-5.6 Solを上回るとする一方、コーディングエージェント系評価では両モデルに劣ると自認。重みは来週公開予定。
• 元Salesforce幹部Efrat Rapoportら、Salesforceで働いていた4人が新会社「June」を創業し、Marc BenioffのTime Ventures主導で2000万ドルを調達。エージェントを企業の既存システムへ組み込む難しさに賭ける。
• 富士通・NECはAXへの本格的な取り組みはこれからと説明し、富士通CFOは費用対効果の提示を課題に挙げた。能力と普及の距離を裏付ける材料。

本命: Qwen3.8-Max、来週に重み公開予定

技術的読み

2.4兆パラメータで、Alibabaがこの規模では初めて重み公開を予定するモデル。Qwen公式アカウントはQwen3.8-MaxとQwen3.8-27Bの重みを来週公開すると予告している(Qwen公式X)。自社ベンチマークでは、Terminal Bench 2.1でClaude Fable 5を上回り、SWE-bench ProでGPT-5.6 Solを上回ったとする一方、DeepSWE 1.1などコーディングエージェント向けベンチマークでは両モデルに劣ると自ら認めている(ITmedia)。評価項目によって優劣が逆転しており、包括的な性能優位とはいえない。

第三者評価でも裏付けはある。クラウドソースのArena.AIリーダーボードでは、テキスト部門でFable 5とClaude Opus系3モデルに次ぐ位置、フロントエンドコーディングではOpus系2モデルとKimi K3にのみ劣後、ビジュアル解析でもFable 5にのみ劣後とThe Vergeが報じている。自社ベンチマークだけでない位置づけとして読める。

「10日以上自律的にコーディング作業を継続」というデモが紹介されているが、独立検証は報じられていない。単発デモの持続時間は、失敗率・ブレ幅のデータが出るまで評価不能というのが妥当な立場(T2)。

シグナル判定: signal寄り。確信度は中——重み公開の予定とAPI価格は発表済みだが、重みはまだ公開されていない。性能面は第三者ベンチマークの一部裏付けにとどまり、実運用でのコスト・安定性データもまだない。

ビジネス的読み

API料金は入力100万トークンあたり2ドル、出力6ドル(ITmedia)。重み公開は来週予定で、Alibabaは今年一時プロプライエタリ寄りに振れていたところから、オープンウェイトに回帰する(The Verge)。

T1(モデルは交換可能な部品、堀はモデル上流)に照らすと、トップ集団の性能がオープンウェイトで手に入る世界では、「自社でモデルを持つこと」自体の防御可能性はさらに薄まる。

逆張り・見落とし

「一部ベンチマークで上回る」という見出しの裏で、Alibaba自身がエージェント系評価での劣位も開示している。優位性を一括りにしないための材料になる。

含意とポジション

so what: 日常的なコーディング・文書タスクで「最強モデル」を固定する必然性はさらに薄まる方向。T10(階層に最適モデル)に沿って、コスト最適モデルへ日常業務を落とし、本当に難しいタスクだけフロンティア系に残す設計が一段と現実的になる。ただし長時間自律稼働が必要な用途では、独立検証が出るまでFable 5/GPT-5.6 Sol系の選択を変える理由はない。

スタンス更新: モデル選定をベンダー固定で設計している場合、来週の重み公開後に一度コストパフォーマンスを実測し直す価値がある。「モデルを持つこと」自体を堀にしている設計があれば、前提が崩れつつあることの再確認材料。

その他の重要トピック

June——AIエージェント導入自動化への賭け

元Salesforce幹部Efrat Rapoportを含む、Salesforceで働いていた4人が創業した「June」がステルス状態を終え、Marc BenioffのTime Ventures主導で2000万ドルのpre-seedを調達(TechCrunch)。企業の既存システム(Salesforce、ServiceNow、Databricksなど)をスキャンしてボトルネックを見つけ、エージェント実装の手順書を自動生成する。創業者は、エージェントのテンプレート作成よりも、重複フィールドや技術的負債を抱える既存システムとの統合が難しいと説明している。これはT8(コモディティ後の防御線は問題選定・現場の統合)を裏付ける証言であり、エージェントのデモと企業への実装の間に溝があるというT3の実例でもある。

so what: 汎用テンプレートを作るだけでは価値化できない。テンプレ化で属人を外せるかを問うなら、対象は自社内の複雑な統合作業そのものであり、そこに請求可能な価値がある。スタンス更新: 「エージェント構築」を売る場合、モデル精度でなく、既存システムとの統合・データクレンジングの手間を丸ごと引き受ける方に価値の重心を移すべき。

スクウェア・エニックス、GeminiでゲームQAを自動化

Google Cloud Next Tokyo ‘26の基調講演で、GeminiベースのマルチモーダルAIによるゲームQAテスト自動化を披露(ITmedia)。AIが画面を見てコントローラーを操作し、検証タスクを自ら考えて進める。基盤は「Gemini Enterprise Agent Platform」(旧Vertex AI)。担当者は「文字のやりとりだけでなく、音を聞き、複雑に変化する画面を見て状況を把握できる能力」の有用性を強調しているが、公開されているのは自社デモ動画のみで、削減工数や不具合検出率の定量データは記載がない。

so what: 「画面を見て操作する」型のマルチモーダルQA自動化は、反復的なUI検証作業への適用例として観察に値するが、定量成果が出るまでは「デモが動いた」以上の判断材料にはならない。スタンス更新: 同種業務があれば適用余地の検討はしてよいが、導入判断は工数削減の実測値待ちでよい。

富士通・NEC、AI需要は旺盛でも収益化にタイムラグ

富士通のCFOは、顧客がDXからAXへ取り組みを広げ始めており、今後本格化すると説明した。NECのCFOも、現時点ではAI活用の前提となるモダナイゼーションやDXが収益につながり、AXの本格化はこれからだと述べた(ITmedia)。費用対効果については、富士通CFOが「AIエージェントのコストパフォーマンスや成果をどう示すか」と課題を挙げている。検討段階から本番導入へ進みにくいことを業界共通の壁とするのは記事筆者の考察であり、両CFOの直接発言ではない。

so what: 「AIエージェント導入」を売る側にとって、“できる”のデモから”コストパフォーマンスの証明”への移行が次の競争軸になる、という点でJuneの賭けとも符合する。スタンス更新: エンタープライズ向け提案では、機能デモより先に、コスト対効果を測定・提示する仕組み自体を商品の一部にする方が刺さるという仮説の裏付けが積み上がっている。

TokTier——エージェント基盤ではトークン化も待ち時間になる

コーディングエージェントは小さなツール結果を追加するたびに長い会話履歴を再送する。TokTierの研究は、2つのエージェント環境における153,951回の呼び出しを分析し、プロンプトキャッシュのヒット率が94.1%でも、トークン化が最初のトークン生成までの時間の最大64%を占めると報告した(arXiv)。提案手法は追記部分の境界周辺だけを再トークン化し、失敗時は範囲を広げるか全体処理へ戻すことで、参照実装と同じトークン列を保証する。

so what: 自前でLLM推論基盤を運用する事業者には、KVキャッシュだけでなくトークン化の再利用も待ち時間削減の対象になる。外部APIを使う小規模チームには直接の実装課題ではないが、エージェントの応答遅延をモデル推論だけの問題と決めつけない材料になる。

今週試すなら / 無視していい hype

今週試すなら: Qwen3.8-MaxはAPI経由(入力$2/出力$6・100万トークンあたり)で既に利用可能。自分の日常タスクで実測コストパフォーマンスを一度測ってみる価値がある。 無視していい hype: 「10日間自律稼働」的な単発耐久デモの数字だけを性能指標として扱うこと。独立検証・失敗率データがない限り話半分に。