SubQ Snap 1.1 対 Qwen 3.8：トークンあたりの価格は40倍、役割は異なる

Qwen3.8-Maxの約40倍のコストがかかるSubQ Snap 1.1——入力トークンあたりでいえば、100万あたり約$1.65 対 $0.04——そしてその比率はこの対決で最も面白くない事実だ。2つのモデルは異なるものに対して課金される。2026年8月3日に登場したAlibabaの2.4兆パラメータのフラッグシップであるQwen3.8-Maxは、考えることと書くことに対して課金する。2026年10月22日にリリースされたSubquadraticの意思決定モデルであるSnap 1.1は、読むことだけに課金する。なぜなら答えは文章ではなくラベルだからだ。意思決定は自分が管理するモデルで、生成は請求に見合うモデルで実行しましょう：Qwen3.8-Maxはプロバイダーの定価で提供され、マークアップ0%、自動フェイルオーバー付きです。

同じパイプラインに入れてみると、価格比はお買い得やぼったくりに見えなくなり、設計上の判断に見え始める。これらのモデルのうち一方は、システム内のすべてのルーティング呼び出しを担うべきだ。もう一方は、ほぼ何も担うべきではない — そしてQwen3.8-Maxが正解となるケースは、まさに意思決定モデルではまったく扱えないケースなのだ。

Qwen3.8-Maxとは実際には何なのか

Alibabaは2026年7月19日に上海のWAICでこれをプレビューし、8月3日にリリースした。アーキテクチャは真にフロンティア規模の疎なMixture of Expertsであり、総パラメータ数2.4兆、トークンあたりのアクティブパラメータは約950億、100万トークンのコンテキストウィンドウ、最大出力131Kトークンを備える。ネイティブにマルチモーダルで、テキスト、画像、動画を受け入れ、OpenAI互換、Anthropic互換、OpenAI Responsesの各ワイヤフォーマットで、思考モード、関数呼び出し、組み込みツール、構造化出力をサポートする。

ベンチマークの行はフロンティアモデルの行であり、小型モデルのものではありません。GPQA Diamond 92.6、HLE 43.6、OSWorld 86.1、DeepSWE 1.1 が 56.6、MRCR v2 が 0.93、Artificial Analysis Intelligence Index が 45 です。こうした数値は、$1.65/$4.95 という定価を正当化する類のものです。つまり、10億入力トークンを処理させるのに約 $4,950、あるいは Snap 1.1 が 1,240億トークンに対して請求するのとほぼ同額です。

命名についての注記です。モデル選びをする人にとって重要だからです。Qwen3.8-Max はホステッド版のフラッグシップです。カスタムライセンスの下で Qwen3.8-2.4T-A95B としてオープンウェイトが公開されており、さらに別個の、真にオープンな兄弟モデルとして Qwen3.8-27B があります。Apache 2.0、262K のネイティブコンテキスト、Intelligence Index は 34、入力トークン100万あたり約$0.42〜$0.50です。ほとんどのチームが小規模モデルと比較すべきなのは27Bです。Max は、利用可能な中で最大のモデルを必要とするタスクのときに呼び出すものです。

Snap 1.1 の実態とは

Snap 1.1は意思決定モデルであり、それは聞こえるほど広い主張ではない。最大384Kトークンのテキストと画像、および質問ごとに2～255個の選択肢からなる回答セットを受け取り、較正された確率付きの選択を返す。文章はない。修復すべきJSONもない。思考トークンもない。Subquadraticの主張は、固定回答の意思決定は生成とは異なる計算上の仕事であり、そのスパースアテンションアーキテクチャは長い文書全体にわたって二次のアテンションコストを払うのではなく、トークンあたり一定の計算量で入力を処理する、というものだ。

見出しとなる結果は、Artificial Analysis Decision Index v1.0 におけるスコア65で、d1-ultraとElephant 9Bと並んで首位、57のJev 1.14を上回っている。その下にある数字こそが肝心だ。正答率は20%で、d1-ultraの32%、Elephant 9Bの12%に対して低い。指数スコアは、答えられない質問に対して報告されている86%の棄権率によって支えられている。Snap 1.1は断るように訓練されたモデルであり、その順位は、どれだけうまく断れるかを測ったものだ。

仕様を並べて比較

• 規模 — Qwen3.8-Maxは2.4TパラメータのMoEで、アクティブパラメータは約95B。SubQ Snap 1.1はサイズ非公開のスパースアテンション型意思決定モデルです。

• コンテキスト — Qwen3.8-Max は 1M トークン、最大出力 131K。Snap 1.1 は 384K トークンで、生成出力なし。

• 入力 — Qwen3.8-Max はテキスト、画像、動画。Snap 1.1 はテキストと画像。

• 出力 — Qwen3.8-Max 向けの自由形式テキスト、推論トレース、ツール呼び出し、構造化出力；Snap 1.1 向けの確率付きの選択肢またはスコア。

• 価格 — Qwen3.8-Maxの場合、プロバイダーにより100万入力トークンあたり約$1.65～$2.00、100万出力トークンあたり$4.95～$6.00で、OrcaRouterでは$2.00と$6.00が表示されています。Snap 1.1は100万入力トークンあたり$0.04で、出力は無料です。

• 汎用知能 — Qwen3.8-MaxのArtificial Analysis Intelligence Indexは45。Snap 1.1は同インデックスでは測定されていない。

• 意思決定の品質 — Snap 1.1 は Artificial Analysis Decision Index v1.0 で 65。Qwen3.8-Max はその指数では測定されていない。

• デプロイ — Qwen3.8-Max はホスト型 API とカスタムライセンス下のオープンウェイトを提供、Snap 1.1 はホスト型 API のみでウェイトの提供なし。

最後の2行こそが、この比較が繰り返し雑に行われる理由だ。各モデルは相手が一度も実行されたことのない指標で測定されているため、一方が他方を「上回る」という主張は結果ではなく推論にすぎない。直接対決の結果を公表した者は誰もいない。

アンチパターン：フラッグシップをルーターとして使うこと

よくあることだが、それは請求書が届くまで表に出ない形で高くつく。チームがエージェントを構築し、5つのツールの中から選ばせる必要があり、判断が重要だからと、利用可能な中で最も強力なモデルに手を伸ばす。判断が重要であることは確かだ。ただ、そのモデルは、別の何かのために作られた価格で、本来最適化されていないことをやらされているにすぎない。

各6,000トークンのコンテキストで100万件のルーティング判断を計算すると、60億入力トークンになる。Qwen3.8-Maxの表示上の最安レート$1.65なら、入力費は$9,900。さらに判断ごとに出力トークンがおそらく20、つまり2,000万出力トークンが百万あたり$4.95で、さらに$99。概算$10,000だ。OrcaRouterの$2.00と$6.00の提示では、同じ量で$12,120になる。Snap 1.1なら同じ量で$240、しかも出力の項目は一切ない。この差は割引ではない。40〜50倍だ。

レイテンシは、別の側面から同じことを物語っている。2.4兆パラメータのモデルは、たとえ短い回答を生成する場合でも、最初のトークンまでの遅延と、決定モデルにはまったくないデコードコストを負う——Snapの売りはサブ秒の決定レイヤーであり、Subquadraticは1.1について、それを超えるレイテンシ数値を公表していない。タスクごとに20回の決定を行うエージェントループでは、その差はタスクあたり数秒に積み上がり、それが瞬時に感じられるエージェントと壊れていると感じられるエージェントの差になる。

Snapにはできない、Qwen3.8-Maxができること

何かを生み出すことに関わるすべてのこと。エスカレーション用のメモを書き、顧客への返信の下書きを作成し、900ページの契約書を要約し、コードを生成し、有効な引数スキーマでツールを呼び出し、あらかじめ指定したリストに答えがない問題についても推論する。Snap 1.1 はそうしたことを一切できない。それは性能が劣るからではなく、そのための仕組みを持っていないからだ。

1Mトークンウィンドウもまた、スペック表の見せかけではなく実際の能力だ。AlibabaはMRCR v2で0.93を報告しており、これは名目上のコンテキスト長ではなく検索スコアであり、100万トークンのウィンドウが実用可能かどうかを決める数値だ。実効的な検索が強い384Kウィンドウは、検索が弱い1Mウィンドウを上回り得るが、Qwenの検索スコアは、それが名目上の数字に頼っていないことを示唆している。

そして、オープンウェイトが別の理由で重要です。Qwen3.8-2.4T-A95Bはカスタムライセンスの下でセルフホストできるため、ファミリー最大のモデルは純粋にAPIに依存するものではありません。Snap 1.1にはそのような選択肢がありません。

それらがどのように組み合わさるか

正当化できるアーキテクチャとは、両者のどちらかを選ぶことではなく、役割分担である。Snap 1.1 は、流暢さよりも較正された確率と拒否の選択肢が重視される、大量かつ定型的な判断を担う。どのキューに入れるか、どのツールを使うか、エスカレーションすべきか、この文書がそもそも関連するかどうか、といった判断である。Qwen3.8-Max は、選択肢リストにない材料について推論する必要があるごく一部のケースを処理し、判断後に文章作成を要するすべてを担う。

この割合こそが経済的な議論のすべてだ。Snapが14%のケースで棄権し、それらがフラッグシップに回されるなら、トラフィックの100%ではなく14%に対してフラッグシップ価格を支払うことになり、しかもどの14%なのかを教えてくれる較正済みのシグナルが得られる——これは汎用モデルのsoftmaxに対する固定しきい値よりも優れた配分メカニズムだ。

Qwen3.8-Maxは、単一のOrcaRouterキーの背後にある200以上のモデルの1つです。プロバイダーの表示価格で提供され、マークアップは0%、プロバイダー間の自動フェイルオーバーを備えています。Snap 1.1は当社のものではなく、Subquadratic独自のAPIを通じて動作します。この区分はパイプラインを設計する前に知っておく価値があります。なぜなら、生成層は1つの契約と1つの請求ラインに統合できる一方、意思決定層は別個の単一ベンダー依存のままになるからです。その2つ目の依存が許容できない場合、代替案は、自分でホストするQwen3.8-27Bインスタンスで意思決定を実行することです。棄権は苦手ですが、自己説明ははるかに得意で、完全にあなたの管理下にあります。

正直なデフォルト

エージェントに意思決定をさせるために1つのモデルを選ぶのであれば、その意思決定に固定の回答集合があるなら、意思決定用モデルを選ぶべきだ。40対1という価格差は現実だが、それは議論の小さい方の半分にすぎない。大きい方の半分は、「わからない」と言うように訓練されたモデルが、フラッグシップにはできない何かをもたらすということであり、それは人間をループに入れる余地だ。

すべてを1つのモデルでこなそうとしているなら——判断、推論、執筆、ツール呼び出し、100万トークンの読み込み——Qwen3.8-Maxを選び、0.04ドルのモデルならもっとうまく処理できたはずのルーティング呼び出しに、フラッグシップの料金を払っていることを受け入れよう。ほとんどのチームは、ローンチから3か月ほど経って請求書が届き、なぜルーターが製品本体よりも高くつくのか誰にも説明できないとき、自分たちがまさにそれをやっていたことに気づく。