アリババがQwen3.8-Maxを更新：コーディングに狙いを定めたスナップショット
アリババは2026年9月2日、Qwen3.8-Maxの更新版スナップショットであるQwen3.8-Max-0902の公開を発表した。アーキテクチャは変わらず、2兆4000億パラメータと100万トークンのコンテキストウィンドウはそのまま。変わったのはポストトレーニングで、コーディングと共同作業（「Cowork」モード）に焦点が置かれている。QwenCloudの公式モデルカードはこれを「an upgraded snapshot of qwen3.8-max」と説明し、上限を明記している。コンテキスト最大100万トークン、入力99万1000トークン、出力13万1000トークン、レート制限は毎分100万トークン・毎分15,000リクエスト。価格は前のスナップショットと同じで、入力100万トークンあたり2ドル、出力100万トークンあたり6ドル、キャッシュ読み出し100万件あたり0.17ドルとなっている。
このモデルはテキスト・画像・動画を入力として受け取り、出力はテキストのみ。推論モード（「thinking」）に加え、コードインタプリタ、ウェブ検索、画像検索、スクレイピングといった組み込みツールを備える。アリババは8つのコーディング系ベンチマークについて自己申告の結果を公開した。たとえばTerminalBench 3.0は11.3から29.0ポイントへ、DeepSWE 1.1は56.6から69.3へ、QwenSWEbench V2は55.1から70.0へ、JobBenchは53.4から64.0へと伸びている。
Arena.aiによれば、Qwen3.8-Max-0902はCode Arena: WebDevランキングに1,691ポイントで総合1位デビューし、AnthropicのMaxモデル（Opus 5）を3ポイント、Kimi K3（Max）を17ポイント上回った。ところが2026年9月5日時点のランキングでは、同モデルは1,686ポイントで4位、1,868票に対して「Preliminary」と表示されている。1位はOpenAIのgpt-6-astra-maxで、1,199票に対し1,797ポイント。ランキング全体では126モデルに対して650,961票が集まっている。
アリババが公開した同じ比較表では、Anthropicの最上位モデルが8行の比較で先行し、Qwen3.8-Max-0902は3つの専門的な指標で上回っている。新しいスナップショットにオープンな重みの公開予定はなく、QwenCloudのAPI経由でのみ利用でき、OpenAIおよびAnthropicのAPIとの互換性が謳われている。QwenとArena.aiによるX上の告知投稿は直接確認できなかった（サーバーが402エラーを返す）。内容は第三者のインデックス経由でしか把握できていない。ベンチマークの数値は自己申告であり、慎重に見る必要がある。
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- QwenCloudの公式モデルカード（パラメータ、コンテキスト、上限、価格、ツール）と、arena.aiのCode Arena: WebDevランキングを直接開いた。後者は2026年9月5日時点でQwen3.8-Max-0902を1,686ポイントの4位、gpt-6-astra-maxを1,797ポイントの1位としており、デビュー時の首位はすでに成立していない。さらにTechNode（公開日とポストトレーニングという性質）、AlphaSignal（価格、キャッシュ、ベンチマーク、API互換性）、そしてアリババの自己申告値と唯一の第三者検証データ（Arena.aiでの順位）を明確に区別しているbyteiotaを読んだ。QwenとArena.aiのX投稿はHTTP 402を返したため、直接の情報源としては使っていない。競合する2件は見送った。1件は一次情報が検証不能なzipアーカイブでしか配布されておらず、もう1件は公式ブログではなく役員のソーシャル投稿による発表だったためだ。
- Incertezze
- Xの告知投稿は開けない（HTTP 402）。内容は第三者のインデックス経由でしか分からない一方、公開そのものと仕様はQwenCloudの公式カードで確認できている。ベンチマーク数値（TerminalBench、DeepSWE、QwenSWEbench、JobBench）はほぼすべてアリババの自己申告で、第三者による再現はない。Code Arenaのスコアは「Preliminary」と付されており、票が積み上がれば動く。デビュー時の1,691ポイントと9月5日の1,686ポイントの差について、プラットフォーム側の説明はない。正確な公開時刻も、モデルカードとは別の公式ブログ記事も見当たらず、学習コストや旧スナップショットの提供継続についてもアリババは明らかにしていない。
- Perché pubblicarla
- 主張とその賞味期限を、同じ独立した情報源の上で両方確認できるのは珍しい。9月2日に発表された1位は、5日にはもうない。モデルのランキングが実際にどう動くのか——暫定スコア、積み上がる票、3日で入れ替わる順位——を示し、第三者が確認した唯一の数字と、提供元が自社について申告する8つのベンチマークを切り分けるための材料になる。加えて、実務で使う人には具体的な話でもある。価格は同じ、アーキテクチャも同じ、コーディング能力だけが違い、オープンな重みはない。