Alibaba Groupは8月3日、次世代のフラッグシップAIモデル「Qwen3.8-Max」をグローバル向けに発表した。総パラメータ数2.4兆という巨大な規模を誇りながら、推論時にアクティブになるパラメータ数を約4%の950億に抑えるスパースなMixture-of-Experts（MoE）アーキテクチャを採用している。これにより、圧倒的な規模と計算効率のトレードオフを成立させた。最大100万トークンのコンテキストウィンドウを備え、約75万語に相当する長大な文書を一度に処理する能力を持つ。
同社によれば、Qwen3.8-MaxはAnthropicの「Claude Fable 5」や「Claude Opus 5」といった米国の最先端モデルに匹敵する自律稼働能力を備えている。単一のプロンプトに応答して終わる従来のチャット型AIとは異なり、数日間に及ぶ複雑なタスクを人間の介入なしに完遂するよう設計されている。現在、このモデルはAlibaba CloudのModel Studio APIや、生産性プラットフォーム「QwenWork」を通じて利用できる。来週には、このクラスのモデルとしては異例となるオープンウェイトとしての公開が控えている。
プロジェクトを自己進化させる自律的ループ
Qwen3.8-Maxの特筆すべき点は、自ら仮説を設定し、実行と検証を繰り返してシステムを自己進化させるループを回す点だ。
ソフトウェア開発のライフサイクル全体をモデル単体で完結させた事例に、自己進化の能力が如実に表れている。「oh-my-cli」と呼ばれるプロジェクトの構築タスクにおいて、Qwen3.8-Maxは16日間にわたって自律的に稼働を続けた。コミュニティからの要望をイシューとして自己定義し、コード生成、テスト、自己修復のサイクルを回すことで、人間のエンジニアの関与なしに265回のコミット、127件のプルリクエスト（PR）、151件のイシューを処理した。
AIの学習効率を高める手法を提唱した最新の論文（Unified Data Selection for LLM Reasoning）を読み込ませた実験では、実装コードが一切ない状態からパイプラインを構築した。モデルは約5日間（約125時間）をかけて7,600行のコードを書き上げ、33回のGPU学習を自律的に実行して論文の実験を再現している。さらに、再現後にモデル自身が4ラウンドにわたって18の改善案を考案し、検証を重ねた事実がある。最終的に、論文の元のアプローチを上回り、難関数学ベンチマーク「AIME24」のスコアを2.71%引き上げる新たな手法を自力で導き出している。
Alibaba CloudのTianchiプラットフォームで開催されたWWW2025マルチモーダル対話意図認識コンテストの成果も、この自律性を示す根拠となる。24時間という制限時間の中で、テキストとインターフェースのスクリーンショットの両方を読み解き、モデル自らがBERTやMacBERT、RoBERTa、視覚モデルのQwen2.5-VL-7Bなどをファインチューニングしてアンサンブルを組むシステムを構築した。人間の526チームを相手に、全体の87%にあたる458チームを打ち破る勝率を記録している。
視覚と論理をつなぐネイティブなフィードバック機構
高度な自律性を根本から支えているのが、視覚処理をタスクの計画や検証のプロセスに深く組み込んだネイティブなフィードバック機構だ。Qwen3.8-Maxにとって、視覚は入力データのパース処理に終わらない。行動の妥当性を自ら評価し、軌道修正するための「目」として働く。
この機構が最も威力を発揮したのが、ハードウェアのチップ設計タスクである。暗号化アクセラレータ（GCD/RSA）の設計において、モデルは初期設計で8,298ゲートを消費していた。そこからシミュレーションと論理合成の視覚的フィードバックを重ね、500ターンの反復と71回の評価を自律的に実行した。不具合や冗長性を自ら特定して論理回路を再構築した結果、最終的なゲート数を678まで削減している。物理的なレイアウトにおいても、初期の106x106マイクロメートルから46x46マイクロメートルへと大幅な縮小に成功した。
ソフトウェア操作の領域においても同様に、コードによるバックエンド処理とGUI操作を組み合わせたハイブリッド・エージェントとして振る舞う。200ページを超える長大なPDFや、100時間を超える映像ストリームを解析し、情報を抽出する。さらには稼働中のアプリケーションの画面から得た視覚的フィードバックをもとに、ソースコードなしでアプリケーション全体をゼロから再構築する能力を示している。
実務への波及と長期的な意思決定能力
Qwen3.8-Maxがもたらす影響は、開発環境や研究室の枠を超え、複雑な実務の現場へと波及する。企業の法務コンプライアンス審査において、通常はパラリーガルチームが1週間を要する数百の文書群から1,284件の関連条項を1時間以内で抽出した。レストランの創業タスクでは、原価率を保ちながら26品のメニューを考案し、構造エンジニアリングでは30階建てのビルの免震モデルをブラウザ上で再構築している。
長期的な意思決定の能力は、「E-Commerce Bench」と呼ばれる365日に及ぶEコマース運営シミュレーションで明確に示された。このベンチマークは、600のサプライヤーと7,000の製品、さらには詐欺的な業者が入り乱れる複雑な市場環境を再現したものだ。モデルは1年間にわたり、仕入れ交渉や価格設定、在庫管理を自律的に行い、100,000人民元以上の純利益を生み出した。初期資金の4.16倍というリターンは、中国国内の競合であるGLM 5.2の成績を38%上回る結果である。目前のタスクを処理するだけでなく、長期的なキャッシュフローを見据えて交渉と投資のリズムを自己調整できる能力は、今後の企業向けAIの在り方を大きく変える可能性を秘めている。
制約下での生存戦略とオープンソースが切り拓く次章
今回のQwen3.8-Maxの発表は、AI開発における地政学的な競争の力学を明確に映し出している。米国政府は過去2年間にわたり、先進的なAIチップの中国企業への輸出を制限し、Alibabaのような企業を世代遅れの技術にとどめようと試みてきた。
制約下にあっても、Alibabaはアルゴリズムの洗練とシステムアーキテクチャの工夫によりトップクラスのモデルを構築できることを実証した。あえて最上位モデルの重みをオープンソースとして公開する戦略は、AnthropicやOpenAIをはじめとする米国の競合他社に対する明確な挑戦状である。市場もこの動きを好感し、発表当日のAlibabaの香港上場株価は7%上昇し、125.20香港ドルで取引を終えた。
来週に予定されているオープンウェイトの具体的な公開形態こそが、技術コミュニティの最大の注目点となる。2.4兆パラメータという途方もない規模のモデルが、どのような量子化フォーマットやライセンス条件で提供されるのか。推論時に950億パラメータのみをアクティブにする設計が、ローカル環境での稼働要件をどこまで引き下げるのか。その実用性が明らかになったとき、グローバルな開発者コミュニティにおけるAI開発の主導権争いは新たな局面を迎える。
