Alibaba、Qwen3.8-Flash-Nextを無償公開

中国 Alibaba（中国のクラウド・EC大手企業） のAIモデル開発チーム「Qwen（Alibabaが開発するオープンウェイト言語モデルシリーズ）」は2026年8月26日、次世代フラッグシップ「Qwen4」のアーキテクチャ設計を先取りしたオープンウェイトモデル「​Qwen3.8-Flash-Next​」を無償公開しました。重みファイルはHugging FaceおよびModelScopeからダウンロード可能です。

アクティブ6BでOpus 4.6に匹敵するMoE構造

Qwen3.8-Flash-Nextは、テキストに加えて画像や動画も処理できるマルチモーダル対応の MoE（入力に応じて必要な専門ネットワークのみを動かすアーキテクチャ）（混合エキスパート）型モデルです。

• ​高効率なパラメータ構成​: 総パラメータ数は1,250億（125B）ですが、1トークン処理時に動くアクティブパラメータはわずか60億（6B）に抑えられています。
• ​ベンチマーク性能​: ソフトウェア開発タスク「SWE-bench Pro」で62.5%（Claude Opus 4.6の53.4%を上回る）、事務処理評価「CoWorkBench」で73.9%（同68.2%）、職務タスク評価「JobBench」で55.7%（同36.6%）を記録しました。
• ​長文コンテキスト​: 標準で26万2,144トークン、拡張時には最大100万トークンのコンテキスト長をサポートします。

Qwen4を見据えた4つの新設計とVRAM制約の突破

本モデルでは、低計算リソースで高い推論効率と処理速度を両立させるために、4つの新しいアーキテクチャ設計が導入されています。

設計要素	技術内容	期待される効果
​アテンション（GDN+QSA）​	圧縮記憶のGated DeltaNet 3層と選択読込のQwen Sparse Attention 1層を統合	100万トークン入力時のプリフィル処理量がQwen3.7-Plus比で8.6倍に向上
Gated Residual (GR)	入力を深層まで届ける残差接続の経路を1本から4本に拡張	深い層での情報消失を防ぎ、学習の安定性と表現力を向上
N-gram埋め込み​	直前の単語並びからベクトルを引く510億（51B）パラメータの参照表	表をVRAMではなくメインRAMに配置して先読み可能
​学習手法（Muon）​	パラメータ更新を大幅に効率化する新最適化手法	学習コストをQwen3.7-Plus比で約9分の1に削減

特に「N-gram埋め込み」をメインRAMに配置して先読みする機構は、高価なGPU VRAM容量を圧迫せずに大規模モデルの語彙表現力を拡張できるアプローチです。SGLang、vLLM、TokenSpeedなどの推論フレームワークでサポートされます。

提供形式とライセンス条件

• ​提供フォーマット​: 公式のBF16版（約360GB）およびFP8版（約185GB）に加え、コミュニティ（Unsloth等）によるGGUF量子化版（72.5GB〜111.3GB）が公開されています。
• ​ライセンス条件​: 原則無償の「Qwen Community License 1.0」が適用されますが、MaaS事業やAIコーディング・オフィス支援ツールの主目的製品、月間アクティブユーザー1億人超または月間売上2,000万ドル超の商用製品では別途商用契約またはモデル名のUI明記が必要です。
• ​日本の開発者への影響​: Hugging Face等から即座に入手でき、オンプレミスやローカルGPU環境で次世代MoEモデルの検証を開始できます。

次世代アーキテクチャの先行投入によるエコシステム囲い込み

編集部注: Alibabaがフラッグシップモデル「Qwen4」本体のリリースに先駆けて、革新的なMoEおよびRAMオフロード機構を備えたQwen3.8-Flash-Nextをオープンウェイトで公開した背景には、開発者コミュニティや推論エンジン側に新しいアーキテクチャへの早期対応を促し、Qwenエコシステムのデファクトスタンダード化を狙う戦略があるとみられます。

引用元：PC Watch | TechNode