Qwen3.8-Max正式版：2.4T MoE仕様とModelflare設定
Qwen3.8-Maxの2.4T/95B MoE、1Mマルチモーダルコンテキスト、推論設定、Modelflareの現在価格、推奨する導入構成を解説します。
Qwen チームは 2026 年 8 月 3 日、Qwen3.8-Max を正式にリリースしました。混同しやすい旧モデル Qwen3-8B ではなく、7 月の qwen3.8-max-preview のままでもありません。現在の公式 API モデル ID は qwen3.8-max で、Modelflare も同じ ID を使用します。
Qwen3.8-Max は現在の Qwen で最大規模の Max フラッグシップであり、コーディング、専門的なワークフロー、長期的な Agent、ネイティブなマルチモーダル処理を主な対象としています。Qwen は同時に、Qwen3.8-Max と Qwen3.8-27B のオープンウェイトを翌週に公開すると発表しました。リポジトリとライセンスが実際に公開されるまでは、「オープンウェイトを発表済み」が正確であり、「すでにローカルへデプロイできる」とは言えません。
主な仕様
| 項目 | Qwen3.8-Max |
|---|---|
| Modelflare のモデル ID | qwen3.8-max |
| アーキテクチャ | Mixture-of-Experts（MoE） |
| 総パラメータ数 | 2.4T |
| 1 Token あたりの活性化パラメータ数 | 95B |
| コンテキスト長 | 1M tokens |
| 非思考モードの最大入力 | 991K tokens |
| Thinking mode の最大入力 | 983K tokens |
| 最大出力 | 131K tokens |
| 最大推論 Token | 262K tokens |
| 入力モダリティ | テキスト、画像、動画 |
| 出力モダリティ | テキスト |
| 推論強度 | low、medium、xhigh。デフォルトは xhigh |
| 公式機能 | Prefix Completion、Function Calling、Context Cache、Structured Outputs、Batch、Responses の組み込みツール |
2.4T はモデル全体のパラメータ数であり、1 Token を生成するたびに 2.4T のすべてを実行するという意味ではありません。公式リリースでは活性化パラメータ数を 95B としており、MoE 推論で実際に関与する計算規模を理解するにはこちらが有用です。1M のコンテキストも、すべてのリクエストで上限まで入力すべきという意味ではありません。入力と推論の予算が増えるほど、レイテンシ、キャッシュ、コストを慎重に設計する必要があります。
Qwen3.8-Max が重視する領域
Qwen は今回のリリースをコーディングと Cowork の幅広いアップグレードと位置付け、次の 3 種類の作業を強調しています。
- 空のディレクトリから数日規模のソフトウェアプロジェクトを完成させ、単独の関数生成にとどまらないこと。
- 調査、データ分析、Office、デザインなどの専門的な業務で、多段階の成果物をまとめること。
- 画像と動画の理解を、静的な認識 1 回だけでなく、計画、実行、検証の全体で利用すること。
Qwen は、10 日を超える自律コーディングや数百ターンの半導体設計最適化など、ベンダーによるデモを公開しています。これらは Harness、ツール、環境、プロンプト、評価方法の影響を受けるシステムレベルの事例であり、自分のアプリケーションで同じ結果が得られる保証にはなりません。本番のモデル選定では、自社のリポジトリ、文書、ツール権限、合格基準を使った固定サンプル評価が必要です。
推論強度の選び方
Qwen3.8-Max は reasoning_effort をサポートします。
low：短い質問、軽量なコード説明、コストを重視する処理。medium：日常的な開発、分析、複数ステップのタスクを始める基準。xhigh：難しい推論、長期的な Agent、複雑な専門作業。デフォルト値でもあります。
Qwen によると preserve_thinking はデフォルトで有効で、複数ターンの作業が以前の推論状態を継続できます。クライアントがメッセージ履歴を独自に再構築する場合は、最終テキストだけを連結せず、プロバイダーが返した推論フィールドとツール状態を維持してください。最大 262K の推論 tokens を利用できますが、「上限まで使える」ことは「デフォルトで使い切るべき」ことを意味しません。タスク成功率と単位コストから effort を決めてください。
Modelflare で現在利用できる方式
2026 年 8 月 4 日時点で、Modelflare は qwen3.8-max を次のプロトコルで公開しています。
- OpenAI Chat Completions
- OpenAI Responses
- Anthropic Messages 互換エンドポイント
プロトコル表示が証明するのは経路の存在であり、QwenCloud 固有の機能がすべて自動的に転送されることではありません。QwenCloud は web_search、code_interpreter、web_extractor、t2i_search、i2i_search を Responses の組み込みツールとして掲載しています。各機能を実際の Modelflare 対象経路で検証するまでは、クライアント定義の Function Calling を優先し、組み込みツールは未検証として扱ってください。
現在の qwen-award グループの公開価格は次のとおりです。単位は 100 万 tokens あたりの米ドルです。
| 課金項目 | 価格 |
|---|---|
| 入力 | $1.239 |
| 出力 | $3.71 |
| キャッシュ読み取り | $0.161 |
| 明示的なキャッシュ作成 | $1.547 |
| 1 時間の明示的なキャッシュ作成 | $2.4752 |
このグループを利用できるのは、対象となる API Keys のみです。価格、利用資格、プロトコル範囲は変わる可能性があります。最新情報はモデルと料金とリクエストごとの利用ログで確認してください。
推奨する Chat Completions 設定
まず Modelflare API Key を環境変数に保存します。
export MODELFLARE_API_KEY='YOUR_MODELFLARE_API_KEY'
最初はテキストリクエストで基本経路を確認します。
curl -N -sS https://modelflare.dev/v1/chat/completions \
-H "Authorization: Bearer $MODELFLARE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3.8-max",
"messages": [
{
"role": "user",
"content": "Design a safe rollout plan for this service and include validation and rollback gates."
}
],
"reasoning_effort": "medium",
"stream": true
}'
まず medium で品質、レイテンシ、コストの基準を作り、本当に深い推論が必要なタスクだけを xhigh に上げます。上流のデフォルトが xhigh であることは、すべてのバッチリクエストに最大の推論予算を与える理由にはなりません。
マルチモーダル入力の導入方法
公式モデルはテキスト、画像、動画を受け付けますが、マルチモーダルのコンテンツ形式はプロトコルと上流実装によって異なります。次の 3 段階で導入してください。
- まずテキストだけで認証、モデル権限、ストリーミング、課金を検証する。
- 固定した 1 枚のテスト画像で、コンテンツ形式、サイズ制限、出力を確認する。
- その後に長い動画、ツール、複数ターンの視覚フィードバックを追加し、再試行で課金対象の処理が重複しないか確認する。
画像 URL、Base64 payload、ファイルアップロード、プロバイダーのオブジェクトストレージを互換性のある同一プロトコルとして扱わないでください。クライアントが実際に送るコンテンツブロックをそのままエンドツーエンドで検証する必要があります。
推奨するプラットフォーム設定
- アプリケーションごとに個別の API Key を使用し、プライマリグループに
qwen3.8-maxが実際に掲載されていることを確認する。 - 日常の開発と分析は
mediumから始め、短いタスクはlow、難しい長期タスクだけをxhighに上げる。 - 長いコンテキストでは分割とキャッシュを設計し、毎回ナレッジベース全体を 1M コンテキストへ入れない。
- Chat Completions、Responses、Anthropic の wire contract を別々に検証する。
- プロバイダーの組み込みツールは、対象の Modelflare 経路で実リクエストに合格するまで本番依存にしない。
- 固定タスクセットで成功率、最初の出力、総レイテンシ、推論 Token、キャッシュヒット、リクエスト単価を比較する。
- preview から正式モデルへ移行するときは回帰サンプルを再実行し、同じシリーズ名なら出力も同じだと仮定しない。
適する用途と注意が必要な用途
Qwen3.8-Max は、複雑なソフトウェアエンジニアリング、多段階の専門ワークフロー、長文書や動画の理解、マルチモーダルなフィードバックを使う Agent、推論とオーケストレーションを 1 つのフラッグシップにまとめたいチームに適しています。高スループット、低レイテンシの単純なテキスト変換では、最も経済的なデフォルトとは限りません。同じ入力を使い、Qwen Flash、DeepSeek V4 Flash、または別の小型モデルとコストとレイテンシを比較してください。
情報源と更新日
- Qwen3.8-Max 公式リリース：リリース日、95B の活性化パラメータ、Coding/Cowork の事例、オープンウェイト計画。
- QwenCloud Qwen3.8-Max モデルページ：コンテキスト、入出力上限、モダリティ、公式機能、価格。
- Modelflare のモデルと料金：現在のグループ、プロトコル、プラットフォーム価格。
本記事の確認日は 2026 年 8 月 4 日です。オープンウェイトの状態、モデルのスナップショット、価格、対応プロトコルは変わる可能性があります。本番設定では、呼び出し時点の公式モデルページ、ウェイトリポジトリのライセンス、Modelflare のライブカタログを参照してください。