アリババQwen3.8-Max登場——Fable 5級と主張の真相検証
アリババは8月3日、同社史上最大となる2.4兆パラメータの新モデルQwen3.8-Maxを公開した。自社ベンチマークではAnthropicのFable 5に匹敵、一部では上回るとする一方、独立検証サイトArena.AIでは中国製モデル中最高位ながら世界順位はやや控えめな結果に留まる。何が本当で何が誇張なのか、来週のオープンウェイト公開の意味は何か、独自整理と両論併記で読み解く。
- 何が起きたか：アリババが8月3日、2.4兆パラメータの新モデルQwen3.8-Maxを公開。同社史上最大かつ最も高性能なモデルと位置づけ
- 自社の主張：コーディング・マルチモーダル推論等でAnthropic Fable 5と同等か上回るとする独自ベンチマーク結果を公表
- 独立検証の実態：Arena.AIではテキスト部門で中国モデル中1位も世界5位、ビジョン部門は世界2位でFable 5系列にのみ次ぐ結果
- オープンウェイト化：8月10日の週に重みを一般公開予定。Qwenの最上位「Max」クラスとして初のオープン化
- 日本への注目点：①自社発表と独立検証の数値差を区別して読む②中国製オープンモデルの選択肢拡大③市場評価の潮流を参考にする視点
何が発表されたのか——Qwen3.8-Maxの全体像
8月3日、アリババが打ち出した新モデルは市場を即座に動かした。まず発表の骨格を押さえよう。
2.4兆パラメータ、Qwenシリーズ史上最大
Qwen3.8-Maxは2.4兆パラメータを持つ、アリババQwenシリーズ史上最大かつ最も高性能なモデルとして発表された。1回のタスクごとにモデルの一部だけを稼働させる設計（Mixture of Expertsという技術）により、計算コストを抑えながら大規模なパラメータ数を実現している。文脈window は100万トークンに対応し、テキスト・画像・動画を扱うマルチモーダル対応も特徴だ。
16日間の自律コーディングという実演
アリババは、社内テストでQwen3.8-Maxが16日間にわたり、ほぼ人手を介さずにAIコーディングツールを自律的に構築・テスト・改良し続けたという結果を公表した。法務文書のレビューや財務調査、建築の3Dモデリングといった実務タスクへの対応力も強みとして打ち出している。
発表直後に株価が急伸
発表を受け、アリババの株価はニューヨーク市場の時間外取引で4.5%、香港市場で7%上昇した。市場関係者は「中国AI企業と米国企業の性能差が急速に縮まっている証左」と受け止めている。
- 2.4兆パラメータのQwenシリーズ史上最大モデルとして8月3日公開
- Mixture of Experts設計で計算コストを抑えつつ大規模化を実現
- 16日間の自律コーディングという長時間実行能力を実演
- 発表直後に株価が香港市場で7%急伸するなど市場が好感
自社発表と独立検証——数字のギャップを検証
「Fable 5に匹敵」という見出しは魅力的だが、その根拠を丁寧に見ると、自社発表と独立検証の間に無視できない差があることが分かる。
自社ベンチマークは「各社の最良条件」を比較
アリババは、コーディング能力を測るSWE-bench Proや独自評価NL2Repo-Benchで、Qwen3.8-MaxがClaude Opus 4.8・Fable 5・GPT-5.6 Solと比較して同等以上のスコアを示したと発表した。ただしこの比較は各ベンダー自身の推論環境（Anthropicモデルの評価にはClaude Code、OpenAIモデルの評価にはCodex）を使い、それぞれの競合モデルで得られる最高スコアと比較するという手法を取っている。
独立検証Arena.AIでは「世界5位」
一方、独立系の比較評価サイトArena.AIでの結果はより控えめだ。Qwen3.8-Maxはテキスト部門で中国製モデル中は最高位となったが、世界順位では5位にとどまり、Fable 5には及ばない。画像などを扱うビジョン部門では世界2位につけたが、これもFable 5系列のモデルにのみ次ぐ結果だった。
アナリストは「差は縮まっているが」と評価
Union Bancaire Priveeのファンドマネージャー、Ling Vey-Sern氏はこの結果について「差はおそらくもっと縮まっており、急速に狭まっている」とコメントしつつも、中国AI企業の急速な進歩を示す一例だと位置づけた。Forrester社のアナリストも、今回の発表はアリババが独占系のリーダー企業に迫っていることを示す一方、それが全体像ではないと指摘している。
- 自社発表は各社最良条件下でのベンチマーク比較にもとづく
- 独立検証Arena.AIではテキスト部門で世界5位、Fable 5には及ばない
- ビジョン部門は世界2位だがFable 5系列に次ぐ結果にとどまる
- 専門家は性能差の縮小自体は認めつつ全体像には慎重な見方を示す
【編集部独自整理】ベンチマーク比較の読み方
「AIモデルの性能競争」を報じるニュースは今後も続く。今回の事例を題材に、こうした発表をどう読み解けばよいか、本サイト編集部で指針を整理した。
📊 AI Global Times編集部による独自ベンチマーク読解ガイド
【情報源の区別】
・自社発表：開発元が選んだベンチマーク・条件・比較対象を使用。都合の良い結果を選びやすい構造的傾向がある
・独立検証（Arena.AI等）：第三者が運営し利用者投票や統一条件で比較。比較的中立性が高い
【Qwen3.8-Maxの場合の対比】
・自社発表：「Fable 5と同等かそれ以上」（特定ベンチマーク・特定条件下）
・独立検証：「中国モデル中1位、世界5位」（テキスト部門・Arena.AI）
・差の理由：比較対象の選定・評価環境・条件設定の違いによるもので、必ずしも「誇張」ではなく「見せ方の違い」
【実務での判断指針】自社発表は「その分野での強み」を示す参考情報として、独立検証は「総合的な位置づけ」を示す参考情報として、それぞれ別の目的で活用するのが実務的
「同等」という言葉の幅を意識する
今回のケースで重要なのは、自社発表と独立検証のどちらかが「間違っている」わけではないという点だ。特定のタスク・条件下では確かに競合水準に達している場合もあれば、総合力では及ばない場合もある。「同等」という言葉が指す範囲がどこまでかを確認する習慣が、こうした発表を正確に理解する鍵になる。
実務での選定は「自社のユースケースでの検証」が最終的な答え
結局のところ、いずれのベンチマークも自社の具体的な利用シーンでの性能を保証するものではない。日本企業がAIモデルを選定する際は、公開されているベンチマーク数値を参考情報としつつ、最終的には自社の代表的なタスクで実際に試用して判断することが、最も確実な方法であることに変わりはない。
- 自社発表と独立検証はそれぞれ異なる目的の参考情報として区別すべき
- 数値の差は誇張というより比較条件や対象選定の違いによるものが多い
- 「同等」という言葉が指す範囲を確認する習慣が正確な理解につながる
- 最終判断は自社の実際のユースケースでの検証に勝るものはない
中国オープンモデル競争の最新地図
Qwen3.8-Maxの登場は単独の出来事ではなく、中国オープンモデル競争が加速する大きな流れの一部だ。全体像を整理する。
Kimi K3に続く「オープン最大級」競争
本サイトでも既報の通り、Moonshot AIは7月にKimi K3（2.8兆パラメータ）を史上最大のオープンモデルとして公開した。Qwen3.8-Max（2.4兆パラメータ）はこれに次ぐ規模で、両モデルとも100万トークンの文脈windowに対応する。パラメータ数だけを見ればKimi K3がやや上回るが、数字の大小が実際の性能を直接意味するわけではない点には注意が要る。
来週、Qwen最上位クラス初のオープン化
アリババは、Qwen3.8-Maxの重みを8月10日の週に一般公開する計画を明らかにした。これはQwenシリーズの最上位「Max」クラスとして初めてのオープンウェイト公開となる。これまでMaxクラスはクローズドな提供にとどまっていたが、今回の方針転換は中国企業のオープン戦略がさらに踏み込んだことを示している。
複数の中国企業が同時多発的に競争
Qwen3.8-Maxは、Moonshot AI・DeepSeek・Z.ai・ByteDanceといった複数の中国AI企業と同時に競争関係にある。米国の閉鎖的なフロンティアモデル路線とは対照的に、中国企業は総じてオープンウェイト戦略を重視しており、この傾向は今後も続くとみられる。
選択肢拡大は歓迎、ただし評価基準は自社で持つ
中国製オープンモデルの選択肢が増えることは、日本企業にとって価格競争やライセンス条件の多様化という恩恵をもたらしうる。一方で、各社の発表内容を鵜呑みにせず、独立検証データと自社検証を組み合わせて評価する体制を持つことが、これだけ選択肢が増える時代にはますます重要になる。
- Kimi K3に続くオープン最大級モデルとしてQwen3.8-Maxが登場
- 8月10日の週にMaxクラス初のオープンウェイト公開が予定される
- Moonshot・DeepSeek・Z.ai・ByteDance等と同時多発的に競争中
- 選択肢拡大の恩恵を活かすには自社での評価基準を持つことが重要
この発表をどう評価するか——2つの見方
Qwen3.8-Maxの登場を中国AIの実質的な躍進と見るか、市場心理を煽る発表戦略の一環と見るか。双方の論拠を整理する。
▶ 前向きに見る側（実質的躍進論）：独立検証Arena.AIでも、Qwen3.8-Maxは中国製モデル中で最高位、ビジョン部門では世界2位という結果を出している。これは誇張抜きの客観的な実績だ。16日間の自律コーディングという実演も、単なる数値競争を超えた実務的な能力を示している。オープンウェイト公開の方針も含め、アリババが本気で世界のフロンティア争いに参入しようとしている姿勢は明確であり、専門家が指摘する「差が急速に縮まっている」という評価にも一定の根拠がある。
▶ 慎重に見る側（発表戦略論）：一方で、自社発表の「Fable 5と同等」という見出しが独立検証の実態（世界5位）よりも大きく報じられがちな構造には注意が必要だ。各社が自社に有利な条件でベンチマークを選ぶのは業界の常だが、株価が発表直後に急伸したという事実は、市場が発表内容を額面通りに評価している可能性を示唆する。実際のビジネス価値や信頼性は、今後の実運用における独立した継続的な検証を経てはじめて確認できるものであり、発表直後の株価反応だけで実力を判断するのは早計だ。
両方の見方に理がある。中国AI企業の実質的な進歩は認めつつ、発表内容と独立検証の数値差を意識した冷静な評価が引き続き求められると考えられる。
- 独立検証でも中国モデル中最高位という客観的な実績は評価できる
- 16日間の自律コーディング実演は数値競争を超えた実務能力の証左
- 自社発表の見出しが独立検証の実態より大きく報じられる構造には注意が必要
- 株価の急伸だけで実力を判断せず継続的な独立検証を待つ姿勢が重要
日本のAI活用・企業への影響まとめ
- ① ベンチマーク発表は情報源を区別して評価：自社発表と独立検証（Arena.AI等）の数値には構造的な差が生じやすい。日本企業がAI導入の意思決定を行う際は、両方の情報源を確認し、それぞれの性質を理解した上で参考にすることが望ましい
- ② 来週のオープンウェイト公開で選択肢がさらに拡大：Qwen3.8-Maxの重み公開により、Kimi K3に続く選択肢が日本企業にも開かれる。自己ホストの設備要件やライセンス条項は既報のKimi K3の事例が参考になるため、両モデルを比較検討する価値がある
- ③ 中国AI企業間の競争激化を調達戦略に活かす：アリババ・Moonshot・DeepSeek・Z.ai等が同時多発的に競争することで、価格や機能面での選択肢が増える可能性がある。日本企業は特定ベンダーへの依存を避け、複数選択肢を比較できる調達体制を維持することが中長期的に有利だ
- ④ 最終判断は自社ユースケースでの実測に依拠する：いずれのベンチマーク数値も、自社の具体的な業務での性能を保証するものではない。導入検討時は必ず自社の代表的なタスクで試用検証を行い、公開数値はあくまで参考情報として扱う姿勢が重要だ
※本記事は2026年8月5日時点の公開情報にもとづく分析です。ベンチマーク数値は各情報源の発表時点のものであり、今後更新される可能性があります。導入判断は必ず一次情報・最新の公式発表をご確認ください。
Qwen3.8-Maxとは何か。Anthropicのモデルとどう比較されているのか。
Qwen3.8-Maxは、アリババが2026年8月3日に公開した2.4兆パラメータの新モデルで、同社のQwenシリーズとして過去最大かつ最も高性能だとされる。アリババは自社の内部評価結果として、コーディング・マルチモーダル推論・エンジニアリングなど複数のベンチマークでAnthropicのClaude Fable 5と同等か、一部では上回るスコアを示したと発表した。ただし、これはアリババ自身が実施した評価であり、各社の推論環境（Anthropicモデルの評価にはClaude Code、OpenAIモデルの評価にはCodexを使用）を使い、それぞれの競合モデルで得られた最高スコアを比較対象としている。独立検証サイトArena.AIでの結果は自社発表よりも控えめで、テキスト部門では中国製モデル中最高位ながら世界順位では5位、Fable 5には及ばない。画像などを扱うビジョン部門では世界2位につけ、Fable 5系列のモデルにのみ次ぐ結果だった。
Qwen3.8-Maxの重みはいつ公開されるのか。Kimi K3とどう違うのか。
アリババは、Qwen3.8-Maxの重みを8月10日の週に一般公開する計画を明らかにしている。これはQwenシリーズの最上位「Max」クラスとして初めてのオープンウェイト公開となる。同じく中国企業Moonshot AIが7月に公開したKimi K3（2.8兆パラメータ）と比較すると、Qwen3.8-Maxはパラメータ数でやや小さいが、1回のタスクごとに一部のみを稼働させる設計（Mixture of Expertsと呼ばれる技術）を採用しており、計算コストを抑える工夫がされている。文脈window は両モデルとも100万トークンに対応する。アリババは、16日間にわたりモデルが自律的にAIコーディングツールを構築・改良し続けた内部テストの結果も公表しており、長時間の自律実行能力を強みとして打ち出している。
この発表は日本企業にどう影響するのか。
三つの点で重要だ。第一に、独立検証と自社発表の間に一定の差があることから、ベンチマーク数値を評価する際は情報源の性質（自社発表か独立検証か）を明確に区別して読む習慣が必要だ。第二に、Kimi K3に続きQwen3.8-Maxも来週オープンウェイト公開が予定されており、中国製オープンモデルの選択肢は増え続けている。日本企業がAI導入を検討する際、性能だけでなく自己ホストに必要な設備要件やライセンス条項も含めた総合評価が引き続き重要になる。第三に、株式市場がこの発表を好感し株価が上昇したことは、AI性能の主張が実際のビジネス価値として市場に評価される時代になっていることを示している。日本企業も、自社のAI活用の実績や成果を対外的にどう発信するかという観点で、こうした動きを参考にできる。
確認日時：
著者：AI Global Times編集部
更新理由：アリババが2026年8月3日に公開したQwen3.8-Maxを受けて作成。Forbes・CNBC・Computerworld・Business Standard・Insights Integration等の公開情報を確認し、自社ベンチマークと独立検証Arena.AIの結果を比較整理した上で、ベンチマーク発表全般の読み方に関する独自ガイドを作成。実質的躍進論と発表戦略論の両論を併記した。
編集メモ：「Fable 5に匹敵」という見出しだけ見たら結構な衝撃やったけど、独立検証まで掘ってみたら「世界5位」という、もうちょい地に足のついた数字が出てきた。誇張とは言い切れへんし、実際すごい進歩なんは間違いない。ただ、この手の発表って自社に都合ええ切り取り方をするのが業界の常やから、記事を書く側としては「どの数字が誰の発表か」を丁寧に区別する作業がめちゃくちゃ大事やなと改めて思った。来週の重み公開でどこまで実力が検証されるか、Kimi K3のときみたいに続報を追いかけていきたい。