Qwen3.8とは：2.4兆パラメータ、95B稼働、Max APIと27Bオンプレミスを企業視点で比較

2026年8月3日、Qwenチームは「Qwen3.8-Max」を正式発表しました。総パラメータ数は2.4兆、1トークンあたりの稼働パラメータは950億で、100万トークンの長文コンテキストと、テキスト・画像・動画入力に対応します。8月中旬には、オープンウェイト版の「Qwen3.8-2.4T-A95B」と「Qwen3.8-27B」も公開されました。

企業が注目すべきなのは、モデルの大きさだけではありません。同じQwen3.8でも、クラウドのMax APIを利用する場合、大規模MoEモデルを自社運用する場合、27Bモデルをオンプレミスで運用する場合では、性能、コスト、運用負荷が大きく異なります。

本記事では、それぞれの特徴と違いを整理し、企業がどのモデルを選ぶべきかを分かりやすく解説します。

一、製品構成：Max API、2.4T-A95B、27Bの違い

Qwen公式発表とAlibaba Groupの発表によると、Qwen3.8には大きく3つの導入方法があります。

「Qwen3.8-Max」はクラウドAPIとして利用するマネージド型モデル、「Qwen3.8-2.4T-A95B」は大規模環境での自己運用を想定したオープンウェイトモデル、「Qwen3.8-27B」は比較的ローカル運用しやすいDenseモデルです。

企業にとって大きな違いは、どこまで自社で運用する必要があるかです。APIにはモデルだけでなく、推論基盤、キャッシュ、ツール、運用機能が含まれます。一方、オープンウェイト版で提供されるのは基本的にモデルです。自己運用する企業は、推論エンジン、権限、ログ、監視、ツール用サンドボックス、更新管理を用意する必要があります。

🔗 AI Agent開発の実務でも説明している通り、AI Agentの安定性や信頼性は、基盤モデルだけでは決まりません。

二、アーキテクチャ：2.4兆パラメータをすべて動かすわけではない

総パラメータ数は2.4兆ですが、1トークンの処理で実際に使われるのは約950億です。必要な専門モジュールだけを選んで動かすことで、大規模モデルの性能を維持しながら、推論時の計算量を抑える仕組みです。

オープンウェイトモデルは92層、512のエキスパートで構成され、各トークンでは一部のエキスパートだけが選択されます。また、Gated DeltaNetとGated Attentionを組み合わせ、長いコンテキストを効率よく処理できる設計となっています。

企業が自己運用する場合、特に注意したいのは次の3点です。

1. 950億は計算量の目安であり、2.4兆の総パラメータはGPUメモリやストレージに影響する
2. 長いコンテキストほどKV Cacheが増え、メモリ使用量やレイテンシ、コストも上昇する
3. MoEの実効性能はGPU性能だけでなく、GPU間通信、推論エンジン、バッチ処理にも左右される

つまり、「95Bしか動かないから軽い」と考えるのは正確ではありません。 大規模MoEモデルを効率よく動かすには、GPUクラスタ全体の設計と運用が重要になります。

🔗 既存GPUクラスタでMoEを評価する場合は、GPU使用率を高める方法も合わせて確認してください。実効性能はGPUの型番だけでは決まりません。

三、ベンチマーク：高スコアでも、測定条件の確認が必要

Qwenが公開した、企業利用と関係の深い主なベンチマーク結果は次の通りです。

これらはQwenの公開資料に基づく数値であり、すべてが同じ条件で独立検証されたものではありません。EvoLinkの検証記事は、Harness、ツール、APIルート、推論予算が変われば結果も変わると指摘しています。BenchLMのモデルプロファイルからも、Qwen3.8-Maxがすべての分野で首位ではないことが確認できます。

そのため企業では、公開ベンチマークだけで判断せず、自社の実タスクで検証することが重要です。企業評価では、公開スコアで能力の方向性を確認し、測定条件を読み、その後に20～50件の実タスクで成功率、修正時間、レイテンシ、総コストを比較するのが適切です。

🔗 MCPとAI Agentを使う場合も、モデル単体ではなく、ツール、権限、実行環境を含めたシステム全体で評価する必要があります。

四、APIコスト：トークン単価だけでは判断できません

2026年8月19日時点のQwenCloud公式料金は次の通りです。

ただし、企業の実際のコストはトークン料金だけでは決まりません。特にAI Agentでは、推論トークン、外部ツールの利用料、失敗時の再実行、人による確認作業まで含めて考える必要があります。長時間動くAgentでは、モデル利用料よりも外部処理やレビューのコストが大きくなる場合もあります。キャッシュは、社内規程、マニュアル、リポジトリ情報など、同じ情報を繰り返し利用する処理で特に有効です。

🔗 APIとGPU保有を比較する際は、クラウドとオンプレミスの比較を使い、3年間のTCOで判断することを推奨します。

五、自己運用：27BはPoC向け、2.4Tはインフラプロジェクトです

Qwen3.8-27Bは、比較的自己運用しやすいモデルです。重みの容量は、BF16で約54GB、FP8で約27GB、4-bit量子化では約14GBが目安です。ただし実際の運用では、これに加えKV Cacheや推論フレームワークなどのメモリも必要になります。16GB GPUでも条件によっては動作しますが、企業利用では余裕がありません。単一ユーザーのPoCなら24～32GB程度を一つの目安とし、長いコンテキストや複数ユーザーで利用する場合は、さらに大きなGPU構成が必要です。

一方、Qwen3.8-2.4T-A95Bは規模が大きく異なります。4-bit量子化でも、モデルの重みだけで約1.2TBに達します。そのため、GPUを用意するだけでは不十分です。高速なGPU間通信、分散推論、ストレージ、監視、冗長化まで含めたインフラ全体の設計が必要になります。

🔗 MaaSの企業導入を活用すれば、用途に応じてモデルやGPUを切り替え、複数部門で共通利用しやすくなります。

六、4週間PoC：実際の業務で判断する

Qwen3.8を企業で導入する場合、公開ベンチマークだけでなく、自社の実業務でPoCを行うことが重要です。4週間を目安に、次の流れで評価すると判断しやすくなります。

第1週：実タスクを20～50件用意する

顧客対応、社内規程、技術文書、表計算、PDF、コード、ツール操作など、実際の業務に近いタスクを用意します。あわせて、合格条件、禁止行動、人による評価基準を事前に決めておきます。

第2週：Maxと27Bを同条件で比較する

Max APIで性能の上限を確認し、27Bではローカル運用を検証します。比較時は、コンテキスト長、推論モード、量子化、利用ツール、プロンプトなどの条件を記録し、できるだけ同じ条件で評価します。

第3週：失敗しやすい条件を加える

古い文書、矛盾した指示、壊れたファイル、ツールのタイムアウト、権限エラーなどを意図的に加えます。重要なのは、正解できるかだけではありません。判断できない状況で停止するか、確認を求めるか、それとも推測して処理を続けるかも確認します。

第4週：成功タスク単価を計算する

トークン料金だけでなく、GPU利用時間、ストレージ、運用、再試行、人による確認時間まで含めて計算します。企業導入では、100万トークンあたりの価格より、「成功した1タスクにいくらかかったか」で比較する方が実用的です。

最終的には、性能、安定性、運用負荷、コストを合わせて評価し、APIと自己運用のどちらが自社に適しているかを判断します。

七、結論：Qwen3.8は有力な選択肢。ただし全面移行を急ぐ必要はない

Qwen3.8を企業が評価する際のポイントは、次の4つです。

1. 2.4T-A95Bはオープンウェイトで利用できますが、自己運用には大規模なGPU基盤が必要です。
2. モデル単体の性能だけでなく、長時間のAgent処理やツール実行能力も重要です
3. Max APIとオープンウェイトモデルは、コストや運用方法が異なるため、分けて評価する必要があります
4. 多くの企業にとって、27Bは自己運用を始める現実的な選択肢です。

導入時は、まずMax APIで性能の基準を確認し、次に27Bでデータ管理、運用負荷、コストを検証する方法が現実的です。2.4T-A95BのGPUクラスタは、27Bでは必要な性能を満たせず、かつAPIではセキュリティやガバナンス要件を満たせない場合に検討すればよいでしょう。

モデルは短期間で進化しますが、企業のAI基盤は数年単位で運用されます。Qwen3.8の価値は、既存環境をすぐに置き換えることではありません。APIからローカル運用、大規模GPUクラスタまで、企業が用途に合わせて選べる選択肢が増えたことにあります。