Qwen3.8-Max は、Alibaba の Qwen シリーズにおける最新のフラッグシップモデルであり、これまでで最高の性能層を備えています。Alibaba は自社の移行ガイドで、GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro と直接対抗するモデルとして位置づけており、複雑な多段階分析、深い論理的導出、高度なエージェントワークなど、利用可能な中で最強の推論が必要なタスクでの使用を推奨しています。 本モデルはネイティブのマルチモーダル対応を備え、Alibaba の分類ではテキスト生成と画像・動画理解の両方にリストされています。テキスト、画像、動画を入力として受け付け、テキストを出力し、100万トークンのコンテキストウィンドウを備えています。公式の機能マトリックスでは、推論モード、関数呼び出し、組み込みツール、構造化出力への完全対応が確認されており、エージェントフレームワークやツール呼び出しパイプラインへの完全なドロップインとして機能します。 Qwen3.8-Max は、OpenAI 互換、Anthropic 互換、ネイティブ DashScope の3つのワイヤーフォーマットで提供され、北京、シンガポール、東京、フランクフルト、バージニアで利用できます。推論は enable_thinking パラメータ（Responses API では reasoning.effort）で切り替えます。本モデルはファミリーのプレミアム層であり、難しい問題での正確性がコストよりも重要な場合に使用し、日常的な大量処理には Qwen3.7-Plus または Qwen3.7-Flash に切り替えてください。
Qwen3.8 Max は、Qwen ファミリーのマルチモーダル大規模言語モデルで、OrcaRouter からモデルID「qwen/qwen3.8-max」で利用できます。プロバイダーは qwen です。コンテキストウィンドウは1,000,000トークンで、1回のリクエストに最大100万トークンのテキスト、画像、またはビデオ入力を含めることができます。また、テキスト、画像、ビデオの入力も受け付けて…
カタログ情報に基づくと、Qwen3.8 Maxはテキスト、画像、動画の入力を受け付けるマルチモーダル言語モデルです。そのため、長文ドキュメントの要約、画像に関する質問への回答、動画コンテンツの分析といったタスクに適しています。このモデルは、Qwenファミリーの大規模言語モデルの一部であるため、一般的なテキスト生成と推論を処理することが期待されています。ただし、OrcaRouterのリストには特定のタスクリストやベンチマークスコアは含まれていません。必要なスタイルと精度が得られるか確認するには、ご自身のプロンプトでモデルをテストしてください。APIはOpenAI互換であるため、既存のコードを変更することなく、OrcaRouterを通じて小さなリクエストを送信できます。モデルの出力トークンは1Mトークンあたり$6.00で課金されるため、入力コストに加えて生成コストも計画してください。最良の結果を得るには、明確なプロンプトを提供し、関連するコンテキストのみを含めてください。
Qwen3.8 Max で画像および動画入力を使用するには、それらをチャットメッセージ内のコンテンツパーツとして OrcaRouter の OpenAI 互換 API に送信します。標準の OpenAI チャット形式では、テキストパーツと image_url パーツを含むコンテンツ配列が許可されています。動画入力には特定の形式が必要な場合がありますが、カタログエントリには詳細が記載されていません。プロバイダー qwen は、動画を受け入れ可能なモダリティとしてリストしています。一般的な方法は、動画フレームを一連の画像として渡すか、OrcaRouter がサポートしている場合はプロバイダー固有の動画エンコーディングを使用することです。モデルはその後、テキストプロンプトと一緒に視覚情報を処理します。すべての視覚入力はトークンとしてカウントされ、トークンは入力トークン100万件あたり $2.00 で請求されることに注意してください。動画が長い場合、トークン数が多くなる可能性があるため、最初に小さなサンプルでテストしてください。本番コードを構築する前に、OrcaRouter のドキュメントで正確なメッセージスキーマを確認してください。
Qwen3.8 Maxの価格は、入力トークン100万件あたり2.00ドル、出力トークン100万件あたり6.00ドルです。プロンプトが短い場合、データがテキストのみの場合、または100万トークンのコンテキストが不要な場合は、より安価なモデルでも同様の結果が低コストで得られる可能性が高いでしょう。OrcaRouterの多くのテキスト専用モデルは、分類、抽出、要約、一般的なチャットなどのタスクにおいて、トークンあたりの料金が低く、応答時間も短くなっています。タスクが大規模なコンテキストの利点を実際に活かせる場合、またはテキストと画像・動画を組み合わせる場合には、Qwen3.8 Maxを選択すべきです。また、価格だけが唯一の要素ではないため、特定のワークロードでの出力品質も比較してください。大量処理のアプリケーションでは、許容できる品質の安価なモデルが、ビジネス上の判断として優れていることがよくあります。リクエストあたりの平均入力サイズを見積もり、料金を掛け合わせて、損益分岐点がどこにあるかを確認してください。
Qwen3.8 Maxの最適なユースケースは、その記載された機能に基づいています：100万トークンのコンテキストウィンドウと、テキスト・画像・動画の入力です。これには、長文書の質問応答、書籍全体の要約、契約書分析、コードベースレビュー、スクリーンショット・図表・ビデオフレームの理解が必要なマルチモーダルタスクが含まれます。また、動画の文字起こし全体をセグメントに分割するのではなく、1回の呼び出しで処理するのにも役立ちます。出力コストは100万トークンあたり$6.00であるため、入力が長い場合でも簡潔な回答を心がけるべきです。小さな段落から短い質問に答えるだけであれば、このモデルは過剰であり、コストがかかります。このモデルは、入力が大規模であるか、マルチモーダルであるか、またはその両方であり、回答がそのすべてのコンテンツに依存する場合に最適です。大量生成タスクには、より小さなモデルを使用してください。
OrcaRouter上のQwen3.8 Maxのカタログエントリには、ベンチマークスコアは記載されていません。提供された事実に基づくものがないため、外部評価からの数値は提供していません。一般に、ベンチマークスコアは、ベンチマークに応じて、一般的な知識、推論、コーディング、マルチモーダル理解などのタスクにおけるモデルのパフォーマンスを測定します。Qwen3.8 Maxの公式スコアがない場合、単一の指標に依存することはできません。モデルを評価する適切な方法は、OrcaRouterのOpenAI互換APIを使用して、独自の検証セットで実行することです。複数のプロンプトにわたって出力を比較し、一貫性を確認してください。後でプロバイダーが公開したベンチマークスコアを確認した場合は、それらをユースケースが機能するという証明ではなく、多くのシグナルの1つとして扱ってください。広範なベンチマークで高いスコアを獲得したモデルでも、ドメイン固有の入力では失敗する可能性があるため、直接テストが重要です。
OrcaRouterのカタログリストには、Qwen3.8 Maxのレイテンシやスループットの数値は記載されていません。応答速度は、qwenプロバイダーのインフラストラクチャ、入力のサイズ、およびOrcaRouterの現在の負荷によって異なります。1,000,000入力トークンのリクエストは、モデルが出力を生成する前にコンテキスト全体を処理する必要があるため、短いプロンプトよりも時間がかかります。出力長も合計時間に影響します。多くのトークンを生成するには時間がかかります。速度が重要な場合は、入力と出力のサイズをできるだけ小さくしてください。OrcaRouterのAPIを通じてレスポンスをストリーミングすることで、最初のトークンまでの時間を測定できます。公式の速度数値は存在しないため、特定の応答時間を想定しないでください。現実的なプロンプトサイズで独自のテストを実行し、測定してください。レイテンシは地域や時間帯によっても異なる場合があります。プロバイダーは大量のリクエストをスロットルする場合があります。
Qwen3.8 Maxの強みはカタログエントリに基づいています。1,000,000トークンのコンテキストウィンドウと、テキスト・画像・動画の入力サポートです。この組み合わせは、1つのリクエストで大量の多様なコンテンツを読む必要があるタスクに役立ちます。率直な制限としては、ベンチマークスコアや速度の数値が記載されていないため、カタログだけでは品質を検証できません。入力価格は1Mトークンあたり$2.00で、多くの小規模モデルより高く、出力価格も1Mトークンあたり$6.00であるため、長い応答はコストがかさみます。このモデルは、短いテキストのみのアプリケーションやレイテンシに敏感なアプリケーションには最適ではないかもしれません。本番環境の依存関係にする前に、OrcaRouterを通じて独自のデータでQwen3.8 Maxを評価してください。マーケティング上の主張ではなく、直接的な観察に頼ってください。小さなウィンドウに収まるタスクには、より安価なモデルが望ましいです。
Qwen3.8 Maxはプロバイダーレートで請求されます。つまり、入力トークン100万件あたり$2.00、出力トークン100万件あたり$6.00です。OrcaRouterはマークアップを一切適用しないため、表示されるトークン価格がそのまま支払う価格です。カタログエントリには、リクエストごとの固定料金に関する記載はありません。リクエストのコストは、テキスト、画像、動画トークンを含むすべての入力トークンをカウントし、100万トークンあたり$2.00を乗じて計算されます。出力トークンは別途カウントされ、100万トークンあたり$6.00が乗じられます。たとえば、入力トークン250,000件と出力トークン5,000件のリクエストの場合、入力にかかるコストは$0.50、出力にかかるコストは$0.03です。実際の請求額はOrcaRouterのインボイスに表示されます。1Mのコンテキストをすべて使用する場合、入力コストだけで$2.00になります。その他の記載された料金はありません。
Qwen3.8 Maxのフルコンテキストウィンドウは1,000,000トークンです。入力トークン100万件あたり$2.00の場合、ウィンドウ全体を使うリクエストは、出力が生成される前の入力だけで$2.00かかります。出力が多い場合は、出力トークン100万件あたり$6.00も支払います。ビジュアル入力はトークンをすぐに消費するため、動画フレームや多数の画像を含めると、テキストだけから予想されるよりもはるかに高い入力トークン数になる可能性があります。この価格モデルでは、呼び出しごとの固定費はなく、使用したトークンの分だけ支払います。つまり、100,000トークンのプロンプトは$0.20、1,000,000トークンのプロンプトは$2.00になります。タスクに必要なコンテキストが数千トークンだけの場合、Qwen3.8 Maxの価値を正当化するのは難しくなります。そのようなケースでは、より小さいモデルを検討してください。
Qwen3.8 Maxのカタログエントリには、キャッシングに関する記載がありません。OrcaRouterのOpenAI互換APIは、プロバイダーが報告する標準的なキャッシュヒットをサポートしている可能性がありますが、モデルの仕様ではそれが確認されていません。キャッシングが確認されていない場合、すべての入力トークンが100万トークンあたり$2.00の標準レートで課金されると想定する必要があります。一部のプロバイダーはプロンプトのプレフィックスを自動的にキャッシュし、繰り返しのトークンには低い料金を適用しますが、このモデルについてはそのような記載はありません。OrcaRouterのAPIレスポンス内のusageオブジェクトでcached_tokenフィールドを確認できます。プロバイダーがそれらを報告している場合は、割引が表示されます。表示されない場合は、リクエストごとの全入力コストを予算に計上してください。最も安全な方法は、同一のプロンプトを繰り返し送信してテストし、レスポンス内のトークン使用量を確認することです。キャッシングがない場合、請求額は減額されません。
Qwen3.8 Max を呼び出すには、OrcaRouter の OpenAI 互換 API をベース URL https://api.orcarouter.ai/v1 で使用します。リクエストボディでモデル ID を 'qwen/qwen3.8-max' に設定します。エンドポイントは https://api.orcarouter.ai/v1/chat/completions です。messages 配列を含む JSON オブジェクトを送信します。各メッセージには role と content が含まれます。テキストのみの入力の場合、content はプレーンな文字列です。画像または動画入力の場合、content は OpenAI のビジョン形式に従って、パーツの配列にすることができます。Authorization ヘッダーで OrcaRouter の API キーを使用して認証します。OrcaRouter はリクエストを qwen プロバイダーにルーティングします。プロバイダー固有のベース URL を別途設定する必要はありません。標準の OpenAI SDK を使用し、base_url を OrcaRouter の URL に設定すると、すぐに開始できます。レスポンスは、使い慣れた chat completions 形式と同じ形式に従います。
OrcaRouterのOpenAI互換APIを通じて、temperature、top_p、max_tokens、stopシーケンスなどのパラメータを設定できます。サポートされるパラメータは、qwenプロバイダのバックエンドによって異なる場合があります。Qwen3.8 Maxのコンテキストウィンドウは1,000,000トークンであるため、入力トークンと出力トークンの合計がこの制限内に収まる必要があります。最大出力長はカタログエントリに記載されていないため、その制限についてはモデルのドキュメントまたはエラーメッセージで確認してください。streamパラメータを使用すると、生成されたトークンを随時受け取れるため、体感上のレイテンシを改善できます。マルチモーダル入力の場合、メッセージのコンテンツ配列に正しいパートタイプを含める必要があります。パラメータがサポートされていない場合、OrcaRouterはエラーを返すため、リクエストを調整してください。まず小さなペイロードでテストして、パラメータの動作を確認してください。これは新しいモデルを統合する際の標準的なプラクティスです。
アプリケーションですでにOpenAIのchat completions APIを使用している場合、OrcaRouter上のQwen3.8 Maxへの移行は簡単です。ベースURLをhttps://api.orcarouter.ai/v1に変更し、APIキーをOrcaRouterキーに設定します。モデルフィールドを「qwen/qwen3.8-max」に設定します。メッセージ構造は、システム、ユーザー、アシスタントのメッセージを含め、そのまま変わりません。マルチモーダルリクエストの場合は、OpenAIのビジョンAPIと同じコンテンツパーツ形式を使用します。Qwen3.8 Maxは異なるモデルであり、応答が異なる場合があるため、プロンプトを更新する必要があるかもしれません。本番トラフィックを変更する前に、いくつかのサンプルリクエストでテストしてください。また、モデルIDには「qwen/」プレフィックスが含まれていることに注意してください。これはOrcaRouterがプロバイダーを識別する方法です。SDKがカスタムベースURLをサポートしていれば、コードの書き換えは不要です。これにより移行の労力が軽減されます。既存のリトライとエラーハンドリングのロジックもそのまま使用できます。
Qwen3.8 Max は、100万トークンのコンテキストウィンドウと、テキスト・画像・動画の入力サポートを特徴としています。より小規模なQwenモデルは通常、コンテキストウィンドウが短く、3つのモダリティすべてに対応していない場合があります。OrcaRouter上ではQwen3.8 Maxのベンチマークスコアが提供されていないため、カタログの事実だけから小規模モデルとの直接的な品質比較はできません。価格差は明確です。Qwen3.8 Maxは入力トークン1Mごとに$2.00、出力トークン1Mごとに$6.00の料金がかかります。小規模モデルは通常、トークンあたりの料金が安く、高速な場合もありますが、その制限により入力を分割したり、視覚データを破棄したりせざるを得ない場合があります。プロジェクトがより小規模なコンテキストに収まり、動画入力を必要としない場合は、小規模モデルの方が経済的であると思われます。長いドキュメントや動画にわたって推論する必要がある場合は、Qwen3.8 Maxがそのために設計された選択肢です。
OrcaRouterは複数のプロバイダーのモデルをホストしており、Qwen3.8 Maxはマルチモーダルオプションの1つです。その特徴は、100万トークンのコンテキストウィンドウと、テキスト・画像・動画の入力機能です。他のマルチモーダルモデルは、コンテキストウィンドウが小さかったり、トークンの価格が異なる場合があります。Qwen3.8 Maxのカタログエントリには、入力トークン100万件あたり$2.00、出力トークン100万件あたり$6.00と記載されており、OrcaRouterではマークアップはありません。ベンチマークスコアがなければ、どちらのモデルがより高性能かを結論づけることはできません。同じプロンプトを各モデルにOrcaRouterのOpenAI互換API経由で送信し、出力品質、応答時間、コストを比較することで、直接比較できます。選択は、特定のワークロードと実際に必要なコンテキストの量によって異なります。動画サポートは普遍的なものではないため、それが重要な差別化要因です。プロンプトが小さい場合、価格が低いモデルの方が良い場合もあります。
Qwen3.8 Maxは、最大1,000,000トークンの大規模なコンテキストウィンドウが必要なタスクや、テキスト・画像・動画を含むマルチモーダル入力が求められるタスクで選択してください。長文ドキュメントの分析、動画全体の理解、画像とテキストを組み合わせた推論には合理的な選択です。プロンプトが短い、テキストのみ、またはレイテンシに敏感な場合や、より低いトークン価格の小規模モデルで許容できる品質が得られる場合は、代替モデルを選択してください。公開されたベンチマークスコアや保証されたスループットが必要な場合も代替を検討してください。これらはQwen3.8 Maxでは公開されていないためです。適切な判断は、想定されるトークンの使用量、コスト許容度、品質要件によって異なります。OrcaRouterで両モデルを用いて小規模な評価を実行し、本番運用に移行する前に、成功回答あたりの総コストを計算してください。すべてのタスクに最適な単一のモデルは存在しません。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1https://api.orcarouter.aiimport os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="qwen/qwen3.8-max",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_thinkinginclude_reasoningmax_tokenspresence_penaltyreasoningreasoning_effortresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| 入力 / 1M tokens | $2.00 |
| 出力 / 1M tokens | $6.00 |
| キャッシュ読み取り / 1M | $0.250 |
| キャッシュ書き込み / 1M | $2.50 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
今週の開発者の声
@misc{orcarouter_qwen3_8_max,
title = {Qwen3.8 Max API},
author = {Qwen},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.8-max}
}Qwen. (2026). Qwen3.8 Max API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.8-max