Qwenチームは2026年8月3日、Qwenファミリーで最も高性能なモデル「Qwen3.8-Max」を正式リリースしました。Qwen 3.5のアーキテクチャを土台に総パラメータを2.4兆(アクティブ95B)へ拡大し、コーディング・実務・研究・長期タスクの能力を全面的に強化しています。Qwen-Maxクラスのモデルとしては初めて重みをオープンソース化する予定で、来週の公開を予告しました。現在はQwenCloudのAPI経由で利用できます。

モデル概要

• ▸規模 — 総パラメータ2.4兆(アクティブ95B)。Qwen 3.5のアーキテクチャを基盤に構築
• ▸重みの公開 — Qwen-Maxクラスのモデルとして初のオープンウェイト。来週Hugging FaceとModelScopeで公開予定
• ▸提供形態 — QwenCloudのAPIで利用可能。OpenAI互換(chat completions/responses)とAnthropic互換のAPIに対応し、Claude CodeやCodexなどのコーディングエージェントからも利用できる
• ▸推論制御 — reasoning_effort(xhigh・medium・lowの3段階、既定はxhigh)で推論の深さとコストを調整。preserve_thinkingが既定で有効

コーディング:3つの長期自律実証

• ▸自己進化ハーネスの構築 — CLIツール「oh-my-cli」をゼロから開発する10日超の自律コーディングで、要望をイシュー化しエージェントが実装・テスト・マージまで回す進化ループを構築。約16日間の完全自律運用で265コミット・127PR・151イシューを蓄積
• ▸論文の再現と改善 — LLM推論のデータ選択に関する論文とGPUだけを与えられ、約5日間(約125時間)で約7,600行のコードを書いて論文の主要6結果を再現した上で、4ラウンド18案の自己改善ループを回し、AIME24で論文手法を2.7ポイント上回る新手法を考案
• ▸コンペで人間チームに勝利 — Alibaba CloudのTianchiで開催されたマルチモーダル対話意図認識コンペに24時間の制限付きで参加し、45回の提出で精度を0.60から0.853まで改善して、526の人間チーム中458チーム(87%)を上回った

実務能力とRLのスケーリング

• ▸職種横断の検証 — 数百文書から1,284の関連条項を1時間以内に抽出する法務レビュー、銀行アプリの8画面プロトタイプの一発生成、26品のメニュー開発、30階建てビルの耐震構造モデルの再構築など、数百の高付加価値職種の実ワークフローで能力を検証
• ▸クオンツ研究の自動化 — 6つの短い記述から約330のサブエージェントを展開して約6,000回のバックテストを完了し、超過シャープレシオ0.64〜1.48のファクターを選定

RL(強化学習)の環境と計算資源を同時にスケールさせることで、QwenWork・Claude Code・Codex・OpenClaw・Hermesといった複数のハーネスを横断して実務能力を底上げしたとしています。実行ベースの検証・ルーブリックによる判定・エージェントによる検査を1つに統合した報酬システムと、バッチ内の分布を均衡させるオンラインデータバランサーにより、RL計算量の安定したスケーリングを実現したと説明しています。

長期タスク:チップ設計とEC経営シミュレーション

• ▸自律チップ設計 — GCD/RSA暗号アクセラレータの設計を約500ターン・71回の評価の自律実行で最適化し、ゲート数を8,298から678まで削減。物理設計でもダイ面積を81%削減し、500MHzでのタイミング収束を達成
• ▸EC経営シミュレーション — 実取引データに基づく365日のベンチマーク「E-Commerce Bench」で、初期資金¥100,000を最終残高¥416,252(4.16倍)まで増やし、2位のGLM 5.2を38%、前世代Qwen3.7-Maxを152%上回った

マルチモーダルエージェント

200ページを超える決算資料などのPDFの横断理解や、100時間を超える動画を人物・出来事・時刻・場面で整理する「ビデオメモリグラフ」の構築に対応します。生成の途中経過を自ら視覚的に確認して修正するフィードバックループを備え、コーディングとGUI操作を組み合わせるハイブリッドエージェント能力を測る独自ベンチマーク「RecreationBench」も提案しました。既存のエージェントハーネスに画像・動画処理やマルチモーダルメモリなどを追加する拡張ライブラリ「Qwen-MM-Plugins」も併せて発表しています。

ベンチマーク

Claude Opus 4.8、Claude Fable 5、GPT-5.6 Sol、Gemini3.1-Proなどと比較した詳細なベンチマーク表を公開しています。コーディングエージェント・一般エージェント・マルチモーダルの広い範囲で前世代のQwen3.7-Maxから大きく向上しており、PaperBenchやOSWorld-Verifiedをはじめとする複数の項目では、比較対象のフロンティアモデルを上回るスコアを報告しています。