Qwen3.8-Maxとは？2.4兆パラメータの性能・料金・使い方とPreview版/Fable 5との違い【2026年8月最新】

Qwen3.8-Max（クウェン3.8マックス）は、Alibaba（阿里巴巴）のQwenチームが2026年8月3日に正式リリースした、総パラメータ2.4兆・アクティブ約950億のスパースMoE型フラッグシップAIモデルです。 7月に先行提供された「Qwen3.8-Max-Preview」の正式版にあたり、API単価は東京リージョンで入力100万トークンあたり1.65ドル・出力4.951ドル。Max級では初となるオープンウェイト公開が予告されていますが、2026年8月6日時点でウェイトはまだ公開されていません。

この記事では、次のことがわかります。

• Qwen3.8-Maxの確定スペック（2.4T総／95Bアクティブ・1Mコンテキスト・画像/動画入力）
• 日本から使うといくらか — 東京リージョンの実単価とシンガポール価格との差
• オープンウェイト公開の現在地と、Hugging Face上の「非公式アップロード」の見分け方
• 公開されても自社で動かせるのか（必要VRAMの目安）
• バッチ推論・ファインチューニング非対応など、公式ドキュメントで確認できる制約
• Claude Fable 5・GPT-5.6 Sol・Kimi K3・前世代Qwen3.7 Maxとの勝ち負け
• 導入前に確認すべきガバナンス項目

新モデルの実力を正確に把握したい開発者、業務導入の可否を判断したい情報システム／DX担当者に向けた内容です。ベンダー発表の数字と第三者指標の温度差まで含めて、冷静に整理します。

Qwen3.8-Maxとは？2026年8月3日に正式リリースされたAlibabaの最上位モデル

出典: QwenLM/Qwen3 GitHub公式リポジトリ

Qwen3.8-Maxは、Qwenファミリーの最上位（Max級）にあたるマルチモーダル・フラッグシップです。 7月17〜19日に提供された qwen3.8-max-preview を経て、2026年8月3日にモデルID qwen3.8-max として一般提供（GA）が始まりました。同時に公式ベンチマーク、従量課金の単価、アクティブパラメータ数、6リージョン提供が一気に公表されています。

基本スペック（公式ドキュメント準拠）

読み方で最も注意したいのが「2.4兆」と「950億」の関係です。MoE（Mixture-of-Experts）方式では、推論のたびに全パラメータが動くわけではありません。2.4兆はモデル全体の規模、実際に1トークンの生成に関与するのは約4%にあたる950億です。つまり2.4兆という数字はコストや速度に直結せず、「大きさ＝賢さ」ではないという前提で読む必要があります。

「Qwen3.8」「Max」「Preview」「27B」の呼び分け

検索で混同が起きやすいのが、次の4つの呼称です。

7月時点の情報を見て「モデルカードも料金表もない未完成品」という印象を持った方も多いはずですが、GA後は公式ドキュメントに単価・機能対応・レート制限まで揃っています。 Preview版の情報で判断を止めている場合は、いったんアップデートが必要です。

Qwenシリーズの系譜を追いたい方は、Qwen3.7 Maxの解説記事やQwen3.6 Maxの解説記事も参考になります。

オープンウェイト公開の現在地（2026年8月6日時点）

Qwen3.8-Maxのウェイトは、2026年8月6日時点でまだ公開されていません。 Alibabaは正式リリース時に「来週」＝2026年8月10日の週に、Hugging FaceとModelScopeで公開すると予告しています。対象は Qwen3.8-Max（2.4T）と Qwen3.8-27B の2本とされます。

Max級のクローズドモデルをオープンウェイト化するのはQwenとして初で、2.8兆パラメータのKimi K3に続く「2兆超オープンウェイト第2号」になる見込みです。オープンウェイト競争の文脈はKimi K3の解説記事にまとめています。

Hugging Face上の「Qwen3.8-27B」は公式ではない

ここが実務上いちばん事故りやすい点です。現在Hugging Faceを検索すると Qwen3.8-27B-FP8 のような量子化モデルが見つかりますが、これらはサードパーティ（huginnfork など）による先行アップロードで、Qwen公式のものではありません。

見分け方はシンプルです。

• 公式 … 名前空間が Qwen/（例：Qwen/Qwen3.8-27B）で、Qwen公式組織ページに掲載されている
• 非公式 … 個人・第三者アカウント名で始まる。モデルカードの出所・量子化手順が不明なことが多い

2026年8月6日時点で、Qwen公式のHugging Face組織に Qwen3.8-* のモデルカードは存在しません。 業務で使うなら、公式名前空間に出るまで待つのが安全です。

ライセンスは未公表。「地域制限」の噂は要注意

ライセンス本文も8月6日時点で未公開です。 過去のQwen 3.5／3.6系はApache 2.0でしたが、Qwen3.8系が同じ条件になる保証はありません。

SNSでは「米国・EU・英国・韓国での利用（ダウンロード含む）を禁じる条項がある」という読みが拡散し、その後「禁止ではなく認可プロセスが必要なだけ」との反論も出ました。ただしこの論点は、同時期に公開された別モデルのライセンスと混同されている可能性が高く、Qwen3.8では未確認です。 地域制限つきオープンウェイトの実例としてはMiniMax H3の解説記事が参考になりますが、Qwen3.8については公開時にライセンス原文を必ず自分で確認するという姿勢にとどめてください。

もうひとつ、企業導入で見落とされがちな論点があります。オープンウェイトモデルには、商用クローズドAPIベンダーが提供する知財補償（indemnification）が付きません。 ForresterやGartner系のアナリストも、オープンウェイト採用時はコードスキャンとガバナンス体制の整備が前提になると指摘しています。オープンウェイト全体の是非についてはAnthropicのオープンウェイトに対する立場も併せてどうぞ。

公開されても自社で動かせるのか

2.4T版は、ウェイトが公開されても大半のユーザーは動かせません。 MoEはアクティブパラメータこそ95Bですが、どのエキスパートが選ばれるか事前にわからないため、全パラメータをメモリ上に常駐させる必要があります。CPU RAMへのオフロードという常套手段が効きにくく、1bit量子化しても数百GB級です。同規模帯のKimi K3（2.8T）では「64アクセラレータ以上のスーパーノード」構成が推奨され、ダウンロードサイズも594GB〜1.4TBと推定されています。個人・中小規模のオンプレは現実的ではありません。

ローカル運用の主役になるのは、むしろ Qwen3.8-27B のほうです。参考として、前世代 Qwen3.6-27B（dense）の実測ベースの目安を挙げます。

※これは前世代27Bの実測値であり、Qwen3.8-27Bの数値ではありません。構成が変われば必要量も変わります。

• KVキャッシュはコンテキスト長に比例します（8k→約1.9GB、32k→約7.8GB、128k→約31.0GB）
• 快適に動かす目安は VRAM 24GB級（RTX 3090/4090）＋システムRAM 32GB以上（推奨64GB）＋空きストレージ100GB
• 128GBのユニファイドメモリ機（Mac Studio / Strix Halo / DGX Spark）が個人には現実解という声が多く、M1 Ultra Mac Studioで45〜60 tok/sという報告もあります
• 量子化すると公表ベンチ値より性能は落ちます。ベンチ値をそのままローカル環境の期待値にしないでください

27B級のローカル運用感についてはQwen3.6 Plusの解説記事も参考になります。

Qwen3.8-Maxの料金｜東京リージョンは入力$1.65・出力$4.951

出典: Alibaba Cloud Model Studio 公式サイト

Qwen3.8-MaxのAPI料金はリージョンによって異なり、日本の利用者が使う東京リージョンは入力$1.65／出力$4.951（いずれも100万トークンあたり）です。 よく見かける「$2／$6」はシンガポールリージョンとOpenRouter経由の価格で、東京を選べば約17.5%安くなります。 シンガポール価格がそのまま紹介されている情報も多いため、リージョン選択は最初に確認してください。

① API従量課金（USD／100万トークン）

押さえておきたい点は3つです。

1. 1Mコンテキスト全域で単一ティア。長文プロンプトで単価が跳ね上がる「長文ティア課金」はありません。高くなるのは純粋にトークン数が増えるからです。
2. 前世代より値下げ。Qwen3.7-Maxは$2.50／$7.50だったため、東京リージョン比で入力34%・出力34%の引き下げです。
3. キャッシュ単価が非常に安い。同一プレフィックスを繰り返し投げるエージェント用途では、暗黙キャッシュ（$0.206）とキャッシュ読取（$0.137）がコストを大きく左右します。

価格競争全体の流れはGPT-5.6の値下げに関する記事や中国製AIモデルの台頭を整理した記事でも触れています。

② ツール利用課金

トークン課金とは別に加算されます。エージェントに検索を多用させる設計では、トークン代よりツール代が支配的になるケースがある点に注意してください。

③ Token Plan（QwenCloudのクレジット制サブスク）

個人向けにはクレジット制のサブスクも用意されています。

• QwenだけでなくGLM・DeepSeek・Kimi・MiniMax・Wanなども横断利用でき、Web検索／画像検索／コードインタープリタなどのツールも含まれます
• ただしクレジット消費レートは非公開かつ動的です。5時間窓／7日窓の固定期間制でロールオーバーもしないため、予算を厳密に読む業務用途では従量課金APIのほうが見積もりやすいという結論になります
• ⚠️ プレビュー期間の優遇（クレジット消費0.05倍＝90%オフ、22:00〜08:00 UTC+8の夜間は最大98%オフ）は2026年8月3日10:00（UTC+8）で終了しました。 「Qwen3.8は激安」という7月時点の情報は、すでに前提が変わっています
• 金額は情報源によって差があるため、契約前に必ず公式のプランページで確認してください

④ 無料で試す方法

• Qwen Studio（chat.qwen.ai／旧Qwen Chat） — ブラウザからログインすれば無料でモデルを切り替えて試せます。まずはここが最短です
• Alibaba Cloud Model Studioの無料枠100万トークン（有効90日）は、シンガポールリージョン限定です。東京リージョンには適用されません。「無料枠で試して、そのまま東京で本番」という流れにはならない点に注意してください

機能対応マトリクス｜バッチ推論とファインチューニングは非対応

Qwen3.8-Maxは、Function callingや構造化出力といったエージェント基盤機能を備える一方で、バッチ推論とファインチューニングには対応していません。 「大規模モデルだから何でもできる」という前提で設計すると手戻りが出ます。公式ドキュメントに記載された対応状況は次の通りです。

実務への影響は次の通りです。

• バッチ推論が使えない … 大量のオフライン処理を割安な非同期バッチで流す、というコスト最適化ができません。数十万件のドキュメント分類のような用途では、同期APIをレート制限内で回す設計が必要になります
• ファインチューニングが使えない … 独自データでの追加学習は不可。ドメイン適応はプロンプト設計・RAG・Few-shotで行うことになります
• 東京リージョンではWeb検索ツールが使えない … 検索を伴うエージェントを組む場合、北京リージョンを使うか、自前で検索APIを呼ぶ設計にするかの二択です。データ所在地の要件と衝突しやすいので、初期の設計判断で必ず確認してください

レート制限は北京・その他グローバルで RPM 30,000／TPM 5,000,000、シンガポールで RPM 15,000／TPM 2,000,000 です。個人利用ではまず当たらない水準ですが、シンガポールは他リージョンの半分以下である点は覚えておくとよいでしょう。

ベンチマーク｜勝っている領域と、明確に負けている領域

Alibabaが公表した自社計測ベンチでは、研究再現（PaperBench）と指示追従（IFBench）で競合を大きく上回る一方、既存コードベースの改修（SWE-bench Pro／FrontierSWE）と高難度知識推論（HLE）ではClaude Fable 5に明確に劣ります。 「すべての指標で最強」という要約は、都合のよいベンチだけを拾っている可能性があります。

公式ベンチマーク（Alibaba自社計測・2026年8月3日公表）

※「上位（値非公表）」は、Alibabaの資料上でQwen3.8-Maxより上と示されているものの、具体的なスコアが公表されていないことを意味します。

読み解きは3点です。

1. 勝っている領域 — PaperBench（研究再現）93.0は競合を4.5〜12.7ポイント引き離しています。IFBench（指示追従）82.8は競合に10〜20ポイント差。Terminal-Bench 2.1もOpus 4.8／Fable 5は上回りますが、GPT-5.6 Sol（88.8）には及びません。
2. 負けている領域 — SWE-bench Pro（67.7 vs Fable 5の80.0）とFrontierSWE（73.5 vs 88.8）は大差、HLEは比較対象中で最下位です。既存の巨大コードベースの改修や高難度の知識推論は依然としてFable 5が優位という読みになります。
3. 世代進化は本物 — 前世代Qwen3.7-Max比で PaperBench 64.8→93.0、DeepSWE 1.1 21.6→56.6、JobBench 31.3→53.4。旧世代を使っている場合、乗り換え検討の価値は十分あります。

第三者アリーナでの位置

ここに温度差があります。 ベンダー自社ベンチでは最上位級に見えますが、独立系のアリーナでは Claude Opus 5・Kimi K3 の後ろ、というのが現時点の実像です。Frontend Code Arenaのドメイン別ではConsumer Product #2、Brand & Marketing／Reference-based design／Gaming／Content Creation Tools #3と、UI・フロントエンド寄りのタスクでは特に健闘しています。

比較対象の詳細はClaude Fable 5の解説記事、Claude Opus 5の解説記事、Claude Opus 5とFable 5を比較した記事で確認できます。

数字を鵜呑みにしないための注意点

• 掲載スコアの大半はベンダー自己計測です。第三者による網羅的な再検証はまだ成立していません
• ベンチの選定・プロンプト戦略はベンダーの裁量で決まります
• コーディング系の多くはClaude Codeハーネス上での計測とされ、ハーネス次第で数ポイント動きます
• QwenSWEBench／RecreationBenchなど自社設計ベンチは第三者検証がありません
• Fable 5の結果について「fallbackが含まれる可能性」とAlibaba自身が注記しています

できること・実務での使いどころ

Qwen3.8-Maxの売りは、単発の応答品質よりも「長時間の自律タスクを止まらずに走り切る」点にあります。 Alibabaはデモ実績として次を挙げています（いずれもベンダー主張で、第三者検証はありません）。

• oh-my-cli を16日間・265コミット・127プルリクエスト、人手介入なしで構築
• 論文をスターターコードなしで再現し、主要6結果を再現。さらにAIME24で原手法を2.7ポイント上回る（7,600行のコード生成）
• 淘宝／天猫の1年間シミュレーションEC運営で資本を4倍（416,252元）、競合を38%上回る
• チップ設計での500ターン超の最適化、10日超の自律コーディング、企業法務、Webデザイン
• 200ページ超の文書・100時間超の動画処理、Qwen-MM-Plugins によるBlender／CAD／動画編集の視覚的ツール操作

実務に落とすと、現実的な使いどころは以下です。

エージェント設計そのものの考え方はAIエージェントとは何かを解説した記事、コーディング用途のツール選定はAIコーディングツールおすすめの記事が入口になります。

Qwen3.8-Maxの使い方｜4つの入口

出典: Qoder 公式サイト

まず無料のQwen Studioで応答品質を確かめ、業務検証に進むならModel StudioのAPIを東京リージョンで叩く、という順番が最も無駄がありません。

API連携の手順（一般的な流れ）

1. Alibaba Cloudアカウントを作成し、Model Studioを有効化する
2. リージョンを東京（またはコスト・要件に合う拠点）で選ぶ。ここで単価と使えるツールが変わります
3. APIキーを発行する
4. OpenAI互換エンドポイントにベースURLを差し替え、モデルIDに qwen3.8-max を指定する。既存のOpenAI SDKを使ったコードはほぼそのまま動きます（Anthropic互換エンドポイントも用意されています）
5. 少量のテストトラフィックで、日本語品質・レイテンシ・キャッシュ効果を実測する
6. Web検索を伴うエージェントを組む場合は、東京リージョンでは組み込みWeb検索ツールが使えないため、外部検索APIを自前で呼ぶ設計にする

移行時に確認したいポイント

• Preview版（qwen3.8-max-preview）を使っていた場合、モデルIDと課金体系がGA版とは別です。切り替え漏れがないか確認してください
• 思考モードを使う場合、入力上限が983,616トークンに下がり、CoTは最大262,144トークンまで伸びます。長文入力＋深い推論を同時に要求する設計では上限に当たりやすくなります
• キャッシュ単価が安いので、システムプロンプトや参照ドキュメントを固定プレフィックスに寄せる設計がそのままコスト削減になります

他モデルとの比較｜Qwen3.7 Max / Fable 5 / Kimi K3 / GPT-5.6 Sol

出典: Anthropic 公式サイト

「コストを抑えて長時間タスクを回すならQwen3.8-Max、既存コードの改修精度で選ぶならFable 5、完全に自前で動かしたいならKimi K3か27B級」というのが現時点の整理です。

Qwen3.7-Maxからの乗り換え判断

世代差は素直に大きいです。 PaperBench 64.8→93.0、DeepSWE 1.1 21.6→56.6、JobBench 31.3→53.4と、自律実行系の伸びが顕著で、しかも単価は下がっています（$2.50／$7.50 → 東京で$1.65／$4.951）。3.7を使い続ける積極的な理由は現時点では見当たりません。詳細はQwen3.7 Maxの解説記事で確認してください。

Claude Fable 5との使い分け

Alibaba自身が「Fable 5に次ぐ」と表現しており、実際にSWE-bench Pro・FrontierSWE・HLEではFable 5が明確に上です。一方でPaperBench・IFBenchはQwen3.8-Maxが上回ります。したがって、

• 既存の大規模リポジトリを触らせる／高難度の推論を任せる → Fable 5
• 長時間の自律タスク・指示追従の厳密さ・コスト効率 → Qwen3.8-Max

という切り分けが実務的です。

Kimi K3・その他オープンモデルとの関係

Kimi K3（2.8T）は7月末にオープンウェイトで公開済みで、Frontend Code Arenaでは1,676 EloとQwen3.8-Max（1,668）をわずかに上回ります。「今すぐウェイトが手に入る」という点では現状Kimi K3が先行しています。ライセンスの明確さを重視するなら、MITで公開されているGLM-5.2の解説記事やLongCat-2の解説記事、コスト重視ならDeepSeek V4 Flashの解説記事も選択肢に入ります。

なお、AlibabaがClaude Codeの社内利用を制限しQoderへ移行した経緯はAlibabaのクロード禁止措置に関する記事にまとめています。エコシステムの囲い込みという観点でも、Qwen3.8-Maxの立ち位置は理解しやすくなります。

導入前チェックリスト｜セキュリティとガバナンス

Qwen3.8-Maxを業務に入れる前に、性能以外で確認すべき項目が6つあります。 東京リージョンを選べばデータ所在地の問題がすべて解決するわけではありません。

特にQwenWork（業務エージェント基盤）のように、社内ワークフローそのものを預ける形の導入は慎重に評価すべきです。海外報道では中国の国内法適用リスクを指摘する声もあります。生成AI全般のセキュリティ設計は生成AIセキュリティの解説記事、エージェント固有のリスクはAIエージェントのセキュリティガイド、コード生成のリスクはAIコーディングのセキュリティリスクを整理した記事が参考になります。

また、Alibabaが示す「16日間の自律コーディング」といった実績は、人手介入の有無やコードレビュー結果が非開示で、精査の余地があるとアナリストからも指摘されています。導入判断はデモ実績ではなく、自社データでのPoC結果で行ってください。

こんな人におすすめ／おすすめしない人

Qwen3.8-Maxは「コストを抑えて長時間のエージェントタスクを回したい開発者」に向き、「規制の厳しい業界で今すぐ本番投入したい組織」には向きません。

おすすめな人・企業

• エージェント／長時間タスクを大量に回す開発チーム — 東京リージョン$1.65／$4.951と安いキャッシュ単価は、トークン消費が膨らむ用途ほど効きます
• 長文ドキュメント・動画を大量処理したい人 — 1Mコンテキスト＋画像・動画入力＋OmniDocBench 92.1
• フォーマット厳守の業務出力を作りたい人 — IFBench 82.8は競合に10〜20ポイント差
• 研究再現・実験設計を任せたい人 — PaperBench 93.0
• Qwen3.7-Maxを使っている人 — 性能は上がり単価は下がるため、乗り換え検討の合理性が高い
• オープンウェイト公開を待って自社運用を計画している人 — ただし現実的な対象はMax（2.4T）ではなく27B級

おすすめしない人・企業

• 既存の巨大コードベースの改修が主用途の人 — SWE-bench Pro・FrontierSWEでFable 5に大差。ここは素直にFable 5系が有利です
• 大量のオフラインバッチ処理でコストを削りたい人 — バッチ推論非対応
• 独自データでドメイン特化させたい人 — ファインチューニング非対応
• 組み込みWeb検索を前提にエージェントを組みたい人（東京リージョン利用） — 東京では非対応。設計変更が必要です
• 医療・金融・公共などデータ主権要件が厳しい組織 — 中国事業者・ライセンス未公表・IP補償なしという条件が揃っており、現時点では他の選択肢を優先すべきです。安定志向の選定は生成AIツールおすすめの比較記事から始めるのが無難です
• 2.4T版をオンプレで動かすつもりの人 — ウェイトが公開されても、数百GB級のメモリ常駐が必要で現実的ではありません

よくある質問（FAQ）

Qwen3.8-MaxとQwen3.8-Max-Previewは何が違いますか？

Previewは7月17〜19日に先行提供された試験版（qwen3.8-max-preview）、Qwen3.8-Maxは8月3日にGAとなった正式版（qwen3.8-max）です。モデルIDも課金体系も別物で、Preview期間中の90%オフ優遇は8月3日10:00（UTC+8）に終了しています。Preview版を組み込んでいた場合は、モデルIDの切り替えとコスト再試算が必要です。

日本から使うと結局いくらかかりますか？

東京リージョンなら100万トークンあたり入力$1.65・出力$4.951です。よく見る$2／$6はシンガポールリージョンとOpenRouter経由の価格なので、東京を選ぶだけで約17.5%安くなります。ただしModel Studioの無料枠100万トークンはシンガポール限定で、東京には適用されません。

オープンウェイトはいつ公開されますか？

2026年8月6日時点で未公開です。Alibabaは正式リリース時に「来週」＝8月10日の週にHugging FaceとModelScopeで公開すると予告しました。ただし公式に日付は指定されておらず、ライセンス種別も未公表です。Hugging Faceで見つかる Qwen3.8-27B-FP8 などはサードパーティのアップロードで、公式ではありません。

自社サーバーで動かせますか？

2.4T版は現実的ではありません。MoEはアクティブ95Bでも全パラメータの常駐が必要で、1bit量子化しても数百GB級になります。狙うならQwen3.8-27Bのほうで、前世代27Bの実測を目安にするとQ4_K_Mで約19.5GB、Q8で約31.8GBのVRAMが必要です。VRAM 24GB級＋システムRAM 64GBが快適に動かす目安になります。

ファインチューニングやバッチ処理はできますか？

いずれも公式ドキュメント上「非対応」です。独自データでの追加学習はできず、大量オフライン処理を割安な非同期バッチで流すこともできません。ドメイン適応はプロンプト設計とRAGで行う前提になります。

Claude Fable 5より優れているのですか？

領域によります。 研究再現（PaperBench 93.0 vs 88.8）と指示追従（IFBench 82.8 vs 63.5）はQwen3.8-Maxが上、既存コードベースの改修（SWE-bench Pro 67.7 vs 80.0、FrontierSWE 73.5 vs 88.8）と高難度知識推論（HLE 43.6 vs 53.3）はFable 5が上です。「Fable 5に次ぐ」というのはAlibaba自身の表現であり、独立系のFrontend Code ArenaではClaude Opus 5・Kimi K3の後ろの4位というのが現時点の位置づけです。

日本語性能は十分ですか？

Qwenシリーズは従来から日本語を含む多言語に対応していますが、Qwen3.8-Maxの日本語性能に関する独立評価は2026年8月6日時点で確認できていません。日本語の業務文書を扱うなら、Qwen Studioで自社の実タスクを投げて確かめるのが確実です。

企業で使っても安全ですか？

東京リージョンを選んでも提供事業者は中国企業であり、越境データ移転・データ主権・中国国内法の適用範囲は別途確認が必要です。加えてライセンス未公表、オープンウェイトにIP補償が付かないという条件が重なります。規制の厳しい業界では現時点で本番投入を急ぐ理由は薄いというのが妥当な判断です。

まとめ

Qwen3.8-Maxは、2026年8月3日にGAとなったAlibabaの最上位モデルで、総パラメータ2.4兆・アクティブ95B・1Mコンテキストという規模と、東京リージョン$1.65／$4.951という単価の組み合わせが最大の武器です。前世代Qwen3.7-Maxからは性能が上がり単価は下がっているため、既存Qwenユーザーの乗り換えは合理的です。

一方で、押さえておくべき現実も明確です。

• オープンウェイトは8月6日時点で未公開。予定は8月10日の週、ライセンス種別も未公表
• Hugging Face上の Qwen3.8-* は非公式アップロード。公式は Qwen/ 名前空間に出る
• 公開されても2.4T版は動かせない。ローカル運用の現実解は27B級
• バッチ推論・ファインチューニングは非対応、東京リージョンでは組み込みWeb検索も使えない
• 無料枠はシンガポール限定、Preview期間の90%オフは8月3日に終了
• 公式ベンチは強いが、独立アリーナではOpus 5・Kimi K3の後ろ

実務的な結論は「エージェント・長文処理・指示追従の厳密さを求めるならコスト対効果が高い。既存コードベースの改修や規制の厳しい用途では、まだFable 5系を選ぶ理由がある」です。オープンウェイトが実際に公開されればライセンス条件と27B版の実測値で状況は変わるため、公開後にライセンス原文を確認したうえで再評価するのが賢明でしょう。