Alibaba、コード特化モデル Qwen3.8-Max-0902 を公開──Code Arena WebDev で Claude Opus 5 を上回り首位を獲得
パラメータ数や価格を据え置いたままポストトレーニングを刷新し、TerminalBench などのエージェントコーディング性能を大幅に引き上げた。
リリース: 2026-09-02 · 読了 3 分記事の要約
1. 核心（What）
- Alibaba はフラッグシップモデルのインプレースアップグレード版である Qwen3.8-Max-0902 を公開した。
- Code Arena の WebDev 部門で 1691 点を記録し、Claude Opus 5 を抑えて首位を獲得した。
- パラメータ数は 2.4 兆、コンテキスト長は 100 万トークンで、価格は入力 $2 / 出力 $6 のまま据え置かれている。
2. 影響（Why）
- エージェント開発におけるコスト対効果の転換点: 明示的キャッシュ読み取りが 100 万トークンあたり $0.17 に抑えられるため、大規模リポジトリを毎回全量投入する社内コーディングエージェントの運用コストを大幅に引き下げられる。
- 国内 SaaS 事業者へのアーキテクチャ上の選択肢: [国内 AI コーディング支援ツール開発] のような中規模ベンダーは、Claude API 一択だったプロトコルを OpenAI 互換の QwenCloud に一部切り替え、複雑なマルチステップタスクの推論コストを抑制する検証を進める価値がある。
3. 根拠・詳細（How）
- ポストトレーニングによるベンチマークの向上: コーディングおよび Cowork エージェント向けタスクの追加学習により、TerminalBench 3.0 が 11.3 から 29.0 へ、DeepSWE 1.1 が 56.6 から 69.3 へそれぞれスコアを伸ばした。
- API 仕様と推論コントロールの拡張: 最大 262K トークンの思考バッファ（reasoning budget）を割り当て、reasoning_effort パラメータや preserve_thinking 機能によりターン間で推論内容を保持する構造を採用している。
4. 展望・課題（Next）
- 多言語や汎用タスクでの詳細な評価: 公式比較テーブルでは依然として多くのコーディングタスクで Claude Opus 5 が優勢であり、実務的な複雑なリポジトリ構造の修正で実用上の優劣を見極める必要がある。