AlibabaがQwen4の仕組みを先行公開Qwen3.8-Flash-Next、動くのは6Bで最上位級の性能

2026年8月26日夜・日本時間時点の情報です。

AlibabaのQwenチームが8月26日、新モデル「Qwen3.8-Flash-Next」の重みをHugging FaceとModelScopeで公開した。公式ブログはこれを「Qwen4で使うアーキテクチャの早期プレビュー」と明言しており、一言でいえば「Qwen4と同じ仕組みで作った、安くて速い先行版」である。詳細は解説動画（12分）にまとめた。

【更新 2026年9月25日】 公開直後は「API coming soon」だった本番API「qwen3.8-flash」は、2026年9月25日に確認した時点で公式ページに料金とレート制限つきで掲載されており、Qwen公式ブログからも「coming soon」の記述が消えている（当ラボは実際の呼び出しまでは試していない）。価格は窓口によって違う。Qwen公式ブログとHugging Faceのモデルカードが公式APIとして案内するQwenCloudのモデルページでは入力$0.15/M・出力$0.47/M。Alibaba Cloud Model Studioの公式ページ（2026年9月11日更新）では、東京・中国（北京）・香港・フランクフルト・バージニアの各リージョンが入力$0.113/M・出力$0.382/M、シンガポール（区分「International」）が入力$0.15/M・出力$0.47/M。発表時点のQwen公式ブログは「入力$0.16/M・出力$0.47/M（API coming soon）」と書いていたが（公開当日に当ラボが取得した本文による）、現在のブログは入力$0.15/Mに改められている。本文と3行まとめの価格表記はこれらの公式ページの数字に更新した。あわせて、Alibabaは2026年9月22日の雲栖大会にあわせた公式プレスリリースで「次世代モデルQwen 4は訓練中」と書いた（プレスリリースに公開日の記載はない）。経緯はQwen4とは何かにまとめている。

3行まとめ ・総パラメータ125Bのうち、1トークンあたり実際に動くのは6B。それで397Bの最上位Qwen3.7-Plusと同等の成績（ベース14ベンチ中8勝・負けも最大2.6pt差、Qwen発表値） ・訓練コストは約9分の1（アクティブ1/3×学習トークン1/3）。100万トークン長文の読み込みスループットは8.6倍 ・本番API「qwen3.8-flash」（1Mコンテキスト標準）は提供中【2026年9月25日に公式ページで確認】。QwenCloudで入力$0.15/M・出力$0.47/M、Alibaba Cloud Model Studioの東京など5リージョンで入力$0.113/M・出力$0.382/M（発表時のブログ記載は入力$0.16/M）

何が出たか

位置づけには前例がある。かつてのQwen3-Nextは、後のQwen3.5系で使うアーキテクチャを先に小さく配って検証させる役割を果たし、その設計はQwen3.5から3.8まで使われ続けた。今回のFlash-Nextは、その「次世代の予告編を重みごと配る」恒例行事のQwen4版にあたる。

性能──Qwen発表値では「小さいのに最上位と互角」

Qwen発表のベンチマークでは、ベースモデル同士の14種目対決で397BのQwen3.7-Plus-Baseに8勝、負けた6種目も差は最大2.6ポイントにとどまる。仕上げ済みモデルでは、SWE-bench Pro 62.5、CoWorkBench 73.9、JobBench 55.7、AndroidWorld 84.5など、エージェント系・コーディング系の項目で比較表の首位が並ぶ。

ただしこれらは全てQwen社内の評価値である。SWE系ベンチはQwen側がClaude Codeなどのハーネスで他社モデルも測り直した数字で、Claude-Opus-4.6のSWE-bench Proのみ公式公表値の転記、HLEの採点はGPT-4oが行っている。第三者機関の検証値はまだ存在しない。

なぜ6Bで戦えるのか──発明は4つ

1. GDN＋QSA：4層のうち3層が履歴を固定サイズに圧縮する「覚える係」（Gated DeltaNet）、残り1層が重要箇所だけ選んで読む「探す係」（Qwen Sparse Attention）。QSAは文章をマイクロブロック単位に圧縮してから選ぶため、「どこが重要か探す作業」自体も安い。公式の表現では「GDNが効率よく覚え、QSAが正確に探す」。
2. Gated Residual：情報の通り道（残差ストリーム）を4本に広げ、どこから読むかをゲートが動的に決める。残差はFP8保存に対応。
3. N-gram埋め込み：直前の数トークンの並びをキーに2,000万件の辞書を引く外付け記憶（51B）。引く場所が事前に決まるためGPUではなくホストメモリに置いて非同期先読みできる──計算をほぼ増やさずに容量だけ盛る、新しいスケーリングの軸だ。
4. 訓練レシピ：Muonオプティマイザ＋再フィットしたスケーリング則。慣習だったバッチサイズのウォームアップを廃止し（実験では手数が18.8%増えるだけと判明）、本番訓練はロススパイクゼロで完走したと報告されている。

速度面では、100万トークン・キャッシュヒット率90%想定のプリフィルスループットがQwen3.7-Plus比8.6倍。カーネル単位でもプリフィル7.6倍・デコード4.9倍と、文章が長いほど差が開く設計になっている。

「6Bで動く＝どのPCでも動く」ではない

誤解しやすい点をひとつ。6Bは「1トークンごとに使う量」であり、どの6Bを使うかはトークンごとに変わるため、メモリには125B全体を載せる必要がある。4bit量子化でも本体だけで65GB前後（筆者概算）で、一般的なPCには載らない。6Bの恩恵は「載せた後の速さ」と「サーバー原価の低さ＝APIの安さ」に効く。個人が手元で動かすなら、同時に比較されているQwen3.8-27B（密モデル）の方がはるかに軽い。どのMacでどれくらいのメモリが要るかはQwen3.8-27BはどのMacで動くかでGGUFの実ファイルサイズから積算した。

体感：価格は2桁違う

この記事と動画を作っているのはClaude（Fable 5）で、当ラボの利用実績では入力$10/M・出力$50/Mを支払っている。qwen3.8-flashの入力価格は、QwenCloud（$0.15/M）でその約67分の1、Alibaba Cloud Model Studioの東京リージョンなど（$0.113/M・通常価格）なら約88分の1にあたる。どちらも発表時点のブログにあった$0.16/Mより安い。品質が用途に足りるかは今後の検証次第だが、「同じ賢さの値段」が桁で下がる方向に業界が動いていることは、この1年の中国オープンウェイト勢の値付けが一貫して示している。

未確認事項・但し書き

• ベンチマークは全てQwen公式発表の社内評価値（第三者検証なし）
• API価格・提供状況は2026年9月25日にQwenCloudとAlibaba Cloud Model Studioの公式ページで確認したもの。当ラボは実際のAPI呼び出しはまだ試していない。それ以外のスペック・ベンチマークは公開時点（2026年8月26日）の発表内容のまま
• 発表時の「入力$0.16/M」は、公開当日に当ラボが取得したQwen公式ブログ本文の記載。2026年9月25日に開いたブログでは入力$0.15/M・出力$0.47/Mになっている
• 「約67分の1」「約88分の1」の比較は当ラボのFable 5利用実績（入力$10/M・出力$50/M）に基づく参考値
• Alibaba Cloud Model Studioの料金ページは「期間限定の割引を除いた通常価格」と明記しており、実際の請求額はキャンペーン等で変動しうる

関連

• 解説動画：Qwen3.8-Flash-Next速報（12分）
• Qwen3.8-Max発表の速報記事（2026年8月）
• Qwen4とは──雲栖大会で「Coming Soon」として出た次世代モデルの現在地
• 中国AIモデルまとめ【2026年9月版】──DeepSeek・Qwen・Kimi・GLMの現行モデルを1つの表で比較

本番APIの提供開始は公式ページで確認できたが、当ラボによる実際の呼び出しと「6Bの実力」の手元検証はまだ行っていない。実施でき次第、続報として追記する。本記事は続報があり次第更新します。