何が公開されたか
Alibaba の Qwen チームが、マルチモーダルの Mixture-of-Experts（MoE、入力ごとに一部の専門家ネットワークだけを動かす方式）モデル「Qwen3.8-Flash-Next」を公開しました。総パラメータは1250億ですが、1トークンの処理で実際に動くのは60億にとどまります。技術レポートは GitHub、重みは Hugging Face と ModelScope で入手でき、製品版は「Qwen3.8-Flash」として QwenCloud から提供、APIも間もなく稼働するとしています。
注目すべきは1250億のうち510億を占める新しい「Nグラム埋め込み層」です。よく使われる単語のまとまりを独立した項目として保持する「フレーズ辞書」のような構造で、フレーズ単位の情報をネットワークの入口に流し込みます。Qwen チームはこの層を GPU メモリではなく通常のシステムRAMに置いても「比較的低い追加コスト」で動くと説明しています。つまりパラメータ数の4割強は、高価なGPUメモリを占有しない設計になり得るということです。
コンテキストはネイティブで262,144トークン、YaRN を使えば100万トークンまで拡張できます。
なぜ重要か：パラメータ競争から「活性パラメータ効率」競争へ
このモデルの意味は、スコアそのものより「何を削って達成したか」にあります。比較対象の Qwen3.7-Plus は総パラメータ3970億・活性170億で、Flash-Next の活性60億は約3分の1。それでいて学習コストは約9分の1、多くのベンチマークで上回る、というのが Qwen チームの主張です。
Alibaba 公開のベンチマークでは、DeepSeek-V4-Flash（2840億／活性130億）と Anthropic の Claude Opus 4.6（Max）を相手に大半のタスクで首位に立っています。特徴的なのは伸びた領域の偏りです。実在のソフトウェアプロジェクトでバグを自力で発見・修正させるエージェント型コーディングで DeepSWE 58.7、SWE-bench Pro 62.5 と両者を上回り、オフィス業務系の CoWorkBench では73.9対45.1（DeepSeek-V4-Flash）と差が開きます。職務ワークフローを測る JobBench は55.7で、Qwen3.7-Plus の27.6のほぼ倍です。
一方、科学的推論の GPQA Diamond（91.7）や競技プログラミングの LiveCodeBench v6（91.9）は各社ほぼ横並び。Claude Opus 4.6 が上回るのは超難問を集めた Humanity’s Last Exam（40.0対35.9）だけですが、これは2026年2月リリースの旧世代モデルである点は割り引いて読む必要があります。ベンチマークの数字と実運用での挙動が一致しない点も、記事は明示しています。
価格構造という本題
事業側にとっての本題は価格です。Alibaba が8月上旬に Claude Opus 4.8、Gemini 3.1 Pro、GPT5.6 Sol の対抗として投入した旗艦 Qwen3.8-Max は入力100万トークン2.00ドル／出力6.00ドル。Flash-Next はその約12分の1、入出力ともにおよそ12倍の価格差です。性能は旗艦をわずかに下回る程度とされます。
さらに、ローカル実行可能な Qwen3.8-27B が低コストと実性能で支持を集めており、「クラウド旗艦・格安クラウド・ローカル」の三層が同一ファミリーで揃いつつあります。この価格圧力は OpenAI と Anthropic に及び、OpenAI は GPT-5.6 系で大幅値下げに動きました。ユーザーには追い風ですが、巨額投資を正当化する急成長シナリオを維持したいAI各社にとっては逆風になります。
💼 事業会社視点：これは自社にどう効くか
日本企業の役員が今週決めるべきは「モデル選定」ではなく「モデル差し替え可能な設計になっているか」です。
受託開発・SIerにとって、Flash-Next の意味は工数の再定義です。エージェント型コーディング（DeepSWE 58.7、SWE-bench Pro 62.5）が入力100万トークン0.16ドル帯で使えるなら、既存コードの改修・バグ修正・移行案件の原価が変わります。人月単価で見積もる前提のままでは、AI前提の価格を出す競合に単純に負けます。見積書の内訳を先に組み替えてください。
SaaS・ECの事業責任者には CoWorkBench 73.9、JobBench 55.7 の方が効きます。カスタマーサポート、受注処理、社内オペレーションといった「オフィス業務の自動化」で差が開いた領域は、まさに日本企業の間接コストが集中する部分です。旗艦モデルの12分の1という価格は、これまで「ROIが合わない」と棚上げしていた低単価・高頻度の業務を、採算ラインに引き上げます。
ただし、中国製モデルの採用可否は技術判断ではなく統制判断です。重みが Hugging Face／ModelScope で公開されている以上、自社インフラでの実行という選択肢はあります。データを外に出さない構成で検証できるかを、法務・情報システム部門と先に握っておくべきです。
打ち手は一つ。現在契約中のAI基盤について、プロバイダ切り替えのスイッチングコストを実測してください。 価格が四半期ごとに一桁動く市場では、ロックインの深さがそのまま将来の交渉力になります。