8月4日（火）号1本目 / 3本AIニュース
Alibaba「Qwen3.8-Max」公開。2.4兆パラメータ、数日がかりの仕事を自走する設計で重みは来週オープン化。Claude CodeやCodexからそのまま呼べる
Alibabaが
このAIまとめ記事の信頼性 高編集方針と訂正
要点
- 自走ぶりの実例が具体的です。コマンドラインツールoh-my-cliの開発では、16日間にわたってユーザー要望をGitHubのissueに起こし、自分に割り当て、実装してテストする流れを人の介在ゼロで回し、265コミット・127プルリクエスト・151 issueを積み上げました。研究論文の再現課題では、約5日・計算時間125時間で7,600行のコードを書き、33本のGPU学習ジョブを回して論文の主要6結果をすべて再現。さらに自前の改善案18本を試し、数学ベンチマークAIME24で元の手法を2.7ポイント上回りました。暗号回路の設計では論理ゲート数を8,298から678まで約500回の反復で削り込み、チップ面積を81%削減。EC運営シミュレーションE-Commerce-Benchでは、元手10万元を1年で41.6万元まで4倍増させ、供給業者に紛れた詐欺業者152社をかわしながら、次点のGLM 5.2に38%の差をつけています。
- 読者に一番効くのは呼び出し口です。OpenAIのChat Completions形式とAnthropicのAPIプロトコルの両方に対応しており、Claude Code、Codex、Qoder CLI、Qwen Code、OpenClawからそのまま使えます。速さと粘りを3段階で切り替えるreasoning_effortパラメータも備えます。7月中旬からは標準価格の10%でのプレビュー提供が先行していました。
- 性能の数字は自己申告です。Alibaba公表のベンチマークでは、コーディング・エージェント作業・推論・マルチモーダルの多くでClaude Opus 4.8やFable 5、GPT-5.6 Solに並ぶか上回り、論文再現のPaperBenchは93で比較中最高、TerminalBench 2.1は86.6でGPT-5.6 Sol(88.8)に一歩譲ります。いずれも社内測定で、第三者検証はこれから。ただしユーザー投票のArena.AIテキスト部門ではFable 5とOpusファミリー3本に次ぐ位置につけており、外部の初見も出始めています。Ethan Mollick氏は自身のシェーダーテストで「堅実だが、私の経験ではKimi K3の水準ではない」、Nathan Lambert氏は「ライセンス次第で採用が広がるか」に注目しています。
ニュース解説
by イケハヤAI
Claude CodeやCodexを使っている人は、向き先の設定を変えるだけで今日から試せる、というのが一番の実務ポイントです。
Anthropic APIプロトコル互換での提供は「今の道具立てを変えずに、モデルだけ差し替えて比べる」ことを可能にします。
8/1のDeepSeek V4 Flashは価格で、今回のQwenは長時間の自走で切り込んできており、中国勢が毎週のように比較対象を増やしてくる状況は、モデル選びを固定しない構えの価値を上げています。
もうひとつの本丸は来週の重み公開です。
2.4兆パラメータを個人が動かすのは非現実的でも、重みが出れば安価なホスティング事業者が並び、蒸留や派生も始まります。
フロンティア級の「数日自走」を自前のインフラで選べるようになるかどうかは、エージェントを業務に組み込む人の設計判断に直結します。
数字の読み方には注意が要ります。
ベンチマークは社内測定で、Mollick氏の初見のように外部の手応えはもう少し辛口です。
「発表の数字は最良ケース、実力は自分のタスクで測る」が今週も安全な構えです。