ニュース

一部でFable 5超え、わずか3週間で改良版「Qwen3.8-Max-0902」登場

  • 竹元 かつみ

2026年9月3日 12:51

　公開からわずか3週間で、定番“Qwen”の巨大AIがもう一段強くなった。Alibabaのモデル開発チームQwenは9月2日(日本時間)、最上位モデルの改良版「Qwen3.8-Max-0902」の提供を開始した。仕事の代行力を測るベンチマーク「JobBench」では64.0を記録し、Anthropicの「Claude Fable 5」の57.4を大きく上回った。画像や動画も入力できるマルチモーダルモデルで、今回の更新ではグラフの読み取りや文書解析が強化された。

　Qwen3.8-Max-0902は、総パラメータが2.4T(2.4兆)、コンテキスト長が100万トークンのAIモデル「Qwen3.8-Max」のスナップショット(改良版)である。スナップショットとは、同じモデルを追加学習で更新した特定時点の版を指す。今回はコーディングと共同作業(Cowork)に重点を置いて追加学習し、企業の複雑な業務や科学研究、長時間の自律作業に強くなったという。

Qwen3.8-Max-0902と旧版、Claude Opus 5、Fable 5、GPT5.6 Solのベンチマーク比較。JobBenchは64.0でFable 5の57.4を上回った

　Qwenが公開したベンチマークでは、実世界の複雑なソフトウェア開発を測る「QwenSWEBench V2」は70.0で、Fable 5の67.1と「Claude Opus 5」の68.0を上回る。長時間の事務作業を測る「CoWorkBench」は76.1と、Fable 5の75.9に対し僅差ながら優位に立った。実世界の視覚推論を測る「ERQA」は78.3と、Fable 5の70.0を上回った。一般的な視覚推論の「BabyVision」(w/ CI)も93.8で、Fable 5の90.5を上回る。

　もっとも、全面勝利ではない。マルチモーダルなツール利用を測る「ClawEval-MM」(Pass@3)は80.2で、Fable 5の81.2をわずかに下回った。端末のコマンド操作を伴うコーディングの「TerminalBench 3.0」は29.0で、Fable 5の34.0、Opus 5の42.7に届かない。外部ツールを使いこなす力を測るToolathlon Verified(Pass@1)も73.3で、Fable 5の77.9を下回った。得意と不得意がはっきり分かれる結果だ。

　API料金は旧版から据え置きで、100万トークンあたり入力2ドル(約318円、1ドル=約159円換算)、出力6ドル(約954円)。同じ入力を繰り返し読ませるキャッシュの読み取りは0.17ドル(約27円)まで下がる。

　なお、8月12日にオープンウェイト(モデルの重み)として公開されたのは、Qwen3.8-Maxのベースにあたる「Qwen3.8-2.4T-A95B」だ。Qwen3.8-Maxはこれに視覚入力やデフォルト100万トークンのコンテキスト長、公式組み込みツールなどを加えた上位版で、重み自体は公開されていない。

　0902相当の改良がベースのQwen3.8-2.4T-A95Bの重みにも反映され、オープンウェイトとして公開されるのだろうか。記事執筆時点(9月3日)で、その予定は明らかになっていない。