Qwen 3.8 vs Claude Opus 4.8：低コストのスケール対推論スペシャリスト

AlibabaがプレビューしたのはQwen3.8-Maxで、2026年7月19日に上海で発表された、スケールと網羅性を重視して構築された2.4兆パラメータのモデルである。一方、AnthropicのClaude Opus 4.8はまったく別物だ。多段階のタスクや、誤答のコストが高い場面でチームが頼りにする、プレミアムな深層推論フラッグシップモデルである。

2週間の間、その比較を正直に行うのは難しかった。Qwenには公表された価格も公表されたベンチマークもなかったからだ。状況が変わったのは2026年8月3日、Qwen3.8-Maxの一般提供が開始され、100万トークンあたり2ドル/6ドルのレートカードと完全なベンチマーク表が発表されたときのことだ。哲学的な問いは同じままだ——生の規模と開放性対推論の信頼性——しかし、今やその問いの両側には数字がある。

ビルダーへの注意 — この種の質問を最速で解決する方法は、両方を自分のワークフローで実行することです。OrcaRouter は200以上のモデルを1つの OpenAI 互換エンドポイントの背後に配置しているため、2つの SDK を接続することなく、同じタスクで Qwen 3.8 Max と Opus 4.8 を比較できます。

TL;DR 結論。Opus 4.8 は依然として推論のスペシャリストだ。監査の結果、Artificial Analysis Intelligence Index の上位クラスターに認定され、自信満々の誤答がトークン費用よりも高くつく長いエージェントチェーンで信頼されている。弱点はコストと冗長さだ。AA はブレンド価格をおよそ$3.85/1M（max effort 設定時）としており、しかも Opus はトークン消費が多い。Grok 4.5 は同等のタスクを約 4 分の 1 の出力トークンで完了したと報じられている。Qwen3.8-Max は、7月時点では欠けていたものを今になって対抗策として提示している。すなわち、真の低価格、1Mトークンあたり一律 $2 / $6、キャッシュ入力 $0.25、そして Terminal-Bench 2.1 86.6 と OSWorld-Verified 86.1 を先頭とするベンダー提供のベンチマーク表だ。また、利用可能な唯一のサードパーティ製テストでは、真のエージェント的勤勉さも示した。しかし、独立した評価機関によるスコアはまだ付いていない。信頼できる推論には Opus、コスト重視で徹底さ優先の作業には Qwen だ。

重要なポイント

• Qwen3.8-Maxは2026年8月3日よりGAです、価格は$2 / $6（100万トークンあたり。100万トークンの全コンテキストにわたってフラットな価格で、7月の一時的なプレビュー割引に代わる正式なレートカードです）

• Opus 4.8 は大幅に高価です：Artificial Analysis の試算では、ブレンドコストは約$3.85/1M（最大努力時）であり、しかもトークン消費が多く、報告によればタスクあたりの出力トークンが Grok 4.5 の約4倍になるため、長時間のエージェント実行ではその差がさらに拡大します。

• Opus 4.8の正確なAA数については、情報源によって見解が分かれています。AA v4.1では、Kimi K3（57.1）がそのすぐ上に報告されており、したがって信頼できる記述は単一の確定スコアではなく「トップクラスター、Fable 5 / GPT-5.6 Solリーダーより下」というものです。

• Qwenは現在、エージェント性能のスコアを自己報告しています： Terminal-Bench 2.1 86.6, OSWorld-Verified 86.1, FrontierSWE 73.5（前モデルの40.7から）。いずれも独立検証されていません。

• Qwenの1つの第三者によるエージェントデータポイントは好ましい：Kimi K3 に対して生み出したのはリポジトリ引用354対274、使用したのはゲートウェイリクエスト22対53、記録したのはツール呼び出し失敗0対2 — スコアはKimiの83に対して80/100でした。

• オープン性は恒久的に乖離する： Qwenは週内にオープンウェイトを公開すると約束し、さらに約17GB VRAMのQwen3.8-27Bも提供する。Opus 4.8はクローズドでAPI専用である。

正確性に関する注記：Qwen3.8-Maxの品質数値はすべてAlibabaが公表したものであり、第三者による検証は受けていません。Opus 4.8の数値はArtificial Analysisおよび記載の情報源に帰属するもので、Anthropic自身の発表とは異なる場合があります。トラッカー間でOpusの正確なインデックスが食い違うため、単一の数値ではなく相対的な位置として表記しています。Qwenの価格はGAレートカードに基づくものであり、7月のプレビュー割引に優先します。

スペックと価格、並べて比較

これが確かなデータです。各数値はその出典が明記されています。

• メーカー / ステータス — Qwen3.8-Max: Alibaba; GA（2026年8月3日）; Claude Opus 4.8: Anthropic; 深層推論フラッグシップとしてGA

• アーキテクチャ — Qwen3.8-Max: 合計約2.4T、スパースMoE（アクティブパラメータは未公開）; Opus 4.8: クローズド; アーキテクチャ非公開

• コンテキストウィンドウ — Qwen3.8-Max: 1Mトークン（思考時は983,616、最大出力は131,072）；Opus 4.8: 長文コンテキストのフラッグシップ

• AA Intelligence Index — Qwen3.8-Max: 未スコア; Opus 4.8: トップクラスター、リーダー群の下 (Artificial Analysis; Kimi K3 は57.1で報告され、すぐ上に位置)

• 中核的な強み — Qwen3.8-Max: スケール、徹底性、長文コンテキストの経済性; Opus 4.8: 深い多段階推論＋エージェント的信頼性

• ベンダー報告によるエージェントスコア — Terminal-Bench 2.1 86.6, OSWorld-Verified 86.1（アリババ報告）; Opus 4.8: 該当なし — 評判は本番運用で勝ち取られるものだ

• 料金（入力/出力） — Qwen3.8-Max: $2.00 / $6.00 1Mあたり、フラット; キャッシュ入力は $0.25; Opus 4.8: Premium — 最大努力時、AAブレンドで約$3.85/1M

• トークン効率 — Qwen3.8-Max: 冗長。IFBench 82.8 は自己申告スコアの中で最低。Opus 4.8: トークン過多 — Grok 4.5 の約4倍の出力（報告値）

• オープンウェイト — Qwen3.8-Max: 今週中に提供予定 （ライセンスはまだ）；Opus 4.8: なし — クローズド / API限定

比較を特徴づける二つの要素があり、その両方が8月3日に動いた。

まず、コスト格差は、今や概念上のものではなく、測定可能になっています。7月の時点では、Qwenの優位性は予算化できない割引でした。現在はレートであり、格差の形は異例です：Opusは高額かつトークン消費が多く、これはつまり2つの要因が掛け合わさるということです。もしOpusが同じタスクで4倍の出力トークンを生成し、トークンごとにプレミアム料金を請求するなら、長いエージェント実行のコストは、公表レートが示唆する額の何倍にもなり得ます。Qwenの$6出力レート、フラットな1Mコンテキスト、$0.25のキャッシュ済み入力は、まさにその複利効果を攻撃しています。

第二に、Qwenのベンチマーク欄はもはや空ではない——今回は珍しく、その一部は直接的な関連を持つ。Opus 4.8の主張はひとえにエージェント的信頼性であり、Alibabaは今回、エージェント関連の数値を公表した：シェル操作のTerminal-Bench 2.1で86.6、実際のGUI操作のOSWorld-Verifiedで86.1。これらは正しいものを測定している。注意点は、関連性ではなく来歴である。Alibabaは自社のハーネスでこれらを算出しており、それを再現した第三者はいない。一方、Opusの評判は、公表しにくいがおそらくより価値のあるもの——多くのチームによる持続的な本番運用——に基づいている。これは、ベンダーの表が作り出せない種類の証拠だ。

推論の信頼性 vs 生の徹底性

この2つの興味深い違いは、一発の品質ではなく、多くのステップと実際のツールが伴うタスクでの挙動にあります。

Opus 4.8の評判が基づいているのは、エージェント的な信頼性、すなわち、文脈を追跡し、行き詰まりから回復し、すべてのステップを再確認しなくても行動に移せる回答を返す、長い推論の連鎖です。これこそが、チームが割増料金を払ってでも手に入れたい特性です。本番環境では、自信満々の誤った多段階回答のコストが、トークン料金をはるかに上回るからです。トレードオフは、Opusがトークン消費量が多いことです（Grok 4.5は同等のタスクを、約4分の1の出力トークンで完了すると報じられています）。つまり、その信頼性には、現実的で継続的なコストが伴うのです。

Qwen 3.8 は、別種の強み、すなわち徹底的な網羅性をもって回答する。そして現在、それに関する第三者によるデータポイントが1つ存在する。Trilogy AI が実施したアーキテクチャ理解テスト（Qwen3.8-Max 対 Kimi K3）で、Qwen が記録したスコアは 80/100で、Kimi の 83 には及ばなかった — 主要スコアでは敗北 — しかし、より勤勉なエージェントであり、生成したのはリポジトリ引用 354件（Kimi は 274件）であり、使用したのはゲートウェイ要求 22回（Kimi は 53回）であり、記録したのは失敗したツール呼び出し 0件（Kimi は 2件）である。両モデルは同じ中核的なアーキテクチャの結論に到達した。Qwen は単に、よりクリーンなツール使用で、そこに至るまでにより多くのグラウンディング作業を行ったのである。

ツール呼び出しの失敗ゼロという結果は、Qwenが持つ最も有望なエージェントシグナルです。ツール呼び出しの失敗こそが本番エージェントを実際に壊す原因だからです。しかし、それは1つのテスト、1つのタスク、1つの評価者による結果に過ぎず、Opusの評判を支えるエビデンスの蓄積には到底及びません。

Qwenの徹底性の代償は、レイテンシとトークン数だった。プレビュー時代のレビュアーは、このモデルを「非常に優れているが非常に遅い」と評した——ウェブサイト構築には30分以上、ポーカーシミュレーションには1時間以上かかり、そのレビュアーが使った中で最も遅いモデルだった。現在は2つの注意点が当てはまる。それはプレビューインフラであり、GA提供は別のシステムである。OrcaRouterの7日間テレメトリーが現在示しているのは、p50のファーストトークンまでの時間（1.64秒）であるが、TTFTと1時間規模のビルドにおけるエンドツーエンドのスループットは異なる指標である。この結果は、繰り返されるのではなく再テストに値する。

構造上の懸念も一つ挙げておく価値がある。Alibaba 自身が報告したスコアで最も低いのはIFBench 82.8（制約下での指示追従）である。各ステップでモデル出力を解析するエージェント型パイプラインにとって、スコープを超えて依頼されていない作業を追加するモデルは、どれほど徹底していても負債となる。Opus の規律が真価を発揮するのは、まさにここだ。

実際のコスト：4×トークンギャップが響く場面

マルチステップのエージェント実行を考えてみましょう。80,000トークンの入力コンテキストと、—これが重要な変数ですが—出力量の違いがあります。Opusはおよそ4倍多く出力すると報告されているからです。

• Qwen3.8-Maxの出力8,000トークンの場合: 0.08M × $2 = $0.16、さらに0.008M × $6 = $0.048。1回あたり ≈ $0.21。

• Opus 4.8は、入力80,000 + 出力約32,000（トークンの4倍）で、ブレンド価格が約$3.85/1Mの場合、およそ1回あたり$0.43となり、これはブレンド価格に基づきます。ただし、入力と出力をそれぞれプレミアム層レートで価格設定する場合は、大幅に高くなります。

• 1日3,000回の実行では、Qwen ≈ $630/day; Opus ≈ $1,290/day 以上。

• 安定したコンテキストでQwenのキャッシュ入力が$0.25/1Mの場合、その実行コストは約$0.07まで下がる — Opusよりおよそ6倍安い。

正直なカウンターウェイトは、Opusの比較に常に当てはまるものです。Opusがタスクを1回の試行で解決する一方、より安価なモデルが2回の試行と人間のレビューを必要とする場合、その安価なモデルは実際には安くありません。Opusの冗長さは、その信頼性をもたらす仕組みの一部です。つまり、考えを言語化するため、トークンを消費するのです。あなたのワークロードにとっての問題は、必要な熟慮に対して対価を払っているかどうかです。ハイステークスで低ボリュームの推論では、おそらく払う価値があります。ハイボリュームの分析で、後段で検証する場合、おそらくそうではありません。

オープン性とオンプレミス問題

Opus 4.8はクローズドでAPI専用であり、恒久的です。Qwen3.8-Maxはそうではないかもしれません。重みは今週以内に提供されると約束されていますが、フラッグシップモデルは現実的なセルフホスティングの対象ではありません。4ビットで約1.2TB、H200あたり約141GBということは、8基以上の高性能アクセラレータが必要になることを意味し、さらにアクティブパラメータ数がまだ非公開のため、その出費で得られるスループットを見積もることはできません。また、ライセンス文書もまだないため、商用利用の可否は正式には未定です。

同時に発表されたQwen3.8-27Bは、生の性能よりも制御性に関心のあるチームにとって実用的なリリースです。同じくオープンウェイトであり、約17GBのVRAM、つまりハイエンドカード1枚で動作すると報告されています。自社ネットワーク内で推論を行う必要があるためにOpusと比較しているのであれば、27Bが評価すべきモデルです。2.4Tのフラッグシップのオープン性は、ほとんど理論上のものに過ぎません。

よくある質問

Qwen 3.8はClaude Opus 4.8よりも優れていますか？

存在する証拠に基づくものではない。Opus 4.8 は、監査済みの Artificial Analysis Intelligence Index の上位クラスターに位置し、本番環境での高度なエージェント推論において実証されている。Qwen3.8-Max は、自己申告による強力な成績（Terminal-Bench 2.1 86.6、OSWorld-Verified 86.1）と、第三者による好意的なエージェントテストが1件あるものの、独立したスコアはない。価格では Qwen が勝り、証明と推論の信頼性では Opus が勝る。

なぜOpus 4.8のベンチマーク数値はあいまいに説明されているのですか？

トラッカーは実際に互いに矛盾しているからだ。AA v4.1では、Kimi K3（57.1）がOpus 4.8のすぐ上に報告されており、Opusは上位クラスターに入るが、Fable 5 / GPT-5.6 Solのリーダーたちよりは下に位置する。しかし、情報源によって報告は異なるため、単一の具体的な数値を引用すると誤解を招く。信頼できるのは、その相対的な位置関係である。

Qwen 3.8 は Claude Opus 4.8 よりもどれくらい安いですか？

意味のある差であり、長い実行ではその差はさらに広がります。Qwen3.8-Maxは1Mトークンあたりフラットで$2/$6、キャッシュされた入力は$0.25です。Artificial Analysisによると、Opusのブレンドコストは最大努力時で1Mあたり約$3.85であり、OpusはGrok 4.5よりも約4倍トークンを多く消費すると報告されています——つまり、価格差は出力量に応じて倍増します。典型的なマルチステップ実行では、Qwenはキャッシュ状況にもよりますが、おおよそ2〜6倍安くなります。

I don't have specific information about a model called "Qwen 3.8 Max" or its preview status. I'd recommend checking the official Qwen blog or documentation for the latest updates on model releases and availability.

はい、2026年8月3日です。公開済みの料金表と、OpenAIおよびDashScope互換のエンドポイントを備えているため、7月のQoderクレジットキャンペーンや90%オフという枠組みは、もはや現在の販売方法を説明するものではありません。

Qwen 3.8はエージェント的な作業に信頼できますか？

初期の兆候は心強いが、薄い。AlibabaはTerminal-Bench 2.1で86.6、OSWorld-Verifiedで86.1を報告しており、ある第三者テストでは、ライバルの2回に対してツール呼び出しの失敗がゼロだった。一方で、自己報告のスコアで最も低いのはIFBenchの82.8（指示追従）であり、プレビューテスターは繰り返しスコープを超えるのを目撃した——これは各ステップの出力を解析するパイプラインにとって現実的なリスクである。

Qwen 3.8をセルフホストしてOpusのプレミアム価格を回避できますか？

現実的に言えば、フラッグシップではない。重みは今週中に公開されると約束されているが、ライセンスは公開されておらず、4ビットで約1.2TBもあるため、H200クラスのGPUが8基以上必要になる。同時に発表されたQwen3.8-27Bは、VRAM約17GBと報告されており、実行可能な選択肢である。Opus 4.8はクローズドなので、セルフホストの道はまったくない。

今日はどちらを使うべきですか？

推論が重要、またはエージェント型の本番運用で信頼性が不可欠な作業にはOpus 4.8 — マルチステップで誤った回答を出した場合のコストが大きいからです。コスト重視で徹底性を優先する作業にはQwen3.8-Max。特に長文コンテキスト分析では、定額1Mレートと$0.25のキャッシュ入力により、経済性は文句のつけようがありません。

結論

Qwen 3.8 vs Claude Opus 4.8は依然として哲学の対比ではあるが、経済性はもはや仮説ではない。Qwen3.8-MaxはGA時点で、Opusを大幅に下回る現実的な価格設定で登場した。Opusはプレミアム価格である上にトークン消費量も多いため、その差はさらに広がる。Qwenはまた、Opusの本領であるエージェント分野に直接訴えかける数値を公表し、第三者によるエージェントテストの1つでは、有力な競合他社よりもクリーンなツール使用を示した。

Opusは、これまで常に強みとしてきた分野で優位を保っています。すなわち、トップクラスターにおける監査済みの地位と、信頼性の高いマルチステップ推論の本番実績です。これは、どのベンダーの比較表も代替できません。Qwenに残るギャップは、おなじみのものです。独立したスコアがないこと、アクティブパラメータ数が開示されていないこと、ライセンスがまだないこと、そして自己報告された指示追従の弱さ。この弱さは、まさにOpusが選ばれるようなエージェント型パイプラインで重要になります。二つの出来事に注目してください。独立したインテリジェンスインデックスによる最初のスコアと、ライセンス付きでのウェイト公開です。それまでは、Opusは高額な意思決定を任せられるモデルであり、Qwen 3.8は大量処理を流し込むモデルです。ただし、自社のワークフローでテストした上での話です。