2026年8月13日、アリババが自社最強のAIモデルを完全に無料で世界に無償開放した。
モデル名は「Qwen3.8-2.4T-A95B」、アリババの「通義千問（Qwen）」シリーズの最新作である。パラメータ数（モデル内部で調整可能なパラメータの「ノブ」）は2.4兆（2.4 Trillion）に達し、オープンソースモデルとして最大級の規模を誇る。重みファイルは Hugging Face 上で公開されており、誰でもダウンロード可能で、商用利用を許諾するライセンスが適用されている。
同日、DeepSeek が「V4 Pro 0813」を発表し、イーロン・マスク率いる xAI が「Grok 4.6」をリリースした。トップ企業3社が同日にフラグシップモデルを刷新するなど、3年前には想像もつかなかった光景だ。ある開発者はコメント欄で、AIモデルリリースのペースはすでに「中国時間（China Time）」に突入したと評した。
「2.4兆」とはどれほどの規模なのか？
人間の脳には約860億個の神経細胞（ニューロン）が存在する。2.4兆という数値はその約28倍にあたる。数字の上では、1つの「脳」の中に28人分の神経細胞を詰め込んだようなスケールだ。
しかし、ここには重要な技術的仕掛けがある。応答のたびに2.4兆個のパラメータすべてを動かしているわけではないのだ。
本モデルは MoE（Mixture of Experts：混合エキスパート）アーキテクチャを採用している。内部には512名のエキスパートが控えており、プロンプトを受け取ると、ルーティングエキスパート10名と共有エキスパート1名だけを起動する。実際に計算に参加するのは約950億パラメータのみだ。例えるなら、従業員2万4000人の企業において、ひとつの案件に対して95人だけを稼働させるような仕組みである。
エンジニアリング上のメリットは明確だ。学習時には2.4兆個のパラメータ全体に知識を蓄積し、推論時にはその約25分の1の計算コストで済む。これが「巨大スケール」と「低運用コスト」の両立を可能にした理由だ。同等の能力を持つ従来の標準的な密モデル（Dense Model）と比較して、推論コストは通常7割から8割削減される。
ファイルサイズもその巨大さを物語っている。重みファイルは約5TB（約5000GB）で、一般的なパソコン数台分のストレージを満たす量だ。スマートフォンのローカルで動かすような手軽な玩具ではないが、その運用コストは MoE アーキテクチャによって十分に実用的な範囲へ抑え込まれている。
さらに、標準で26万トークン（長編小説1冊分に相当）のコンテキストウィンドウを処理でき、拡張によって最大100万トークン（百万字規模）まで対応する。一冊の本丸ごとを読み込ませた上で質問に答える能力は、わずか2年前まで一部の商用・閉鎖型（Closed Source）フラグシップモデルだけに許された特権だった。
为什么把最值钱的东西免费送人？（なぜ最強モデルを「無償公開」するのか？）
ここで言う「オープンソース」とは、モデルの全ファイルが公開され、企業や個人が自由に入手・研究・改変し、商用利用できる状態を指す。対照的に、OpenAI の GPT や Google の Gemini の最上位版は常に課金ウォールの後ろに置かれ、利用量に応じて料金が徴収される。
2.4兆パラメータのモデルを学習させるための計算資源コストは数億ドル（数百億円）規模に達する。これほどの資産を無償で開放することは、ビジネス史上でも極めて異例だ。
アリババの狙いは何か。少なくとも以下の3つの戦略的意図が読み取れる。
第一に、エコシステムの確保である。基礎モデルはすべての入り口であり、Qwen の利用者が増えるほど、アリババのクラウドインフラや API 事業の需要が拡大する。今回の無償公開と同時に、画像認識に対応しデフォルトで100万トークンをサポートする上位版「Qwen3.8-Max」が有料 API として提供されている。無料版でユーザーコミュニティを引きつけ、有料版でマネタイズを行う二本立ての構造だ。
第二に、競争環境への対抗である。DeepSeek が「オープンソース＋極小コスト」路線で開発者シェアを急速に奪っており、アリババも追随せざるを得ない。同日リリースの DeepSeek V4 Pro 0813 は、入力価格を100万トークンあたり0.435ドルという破格に設定した。ここまで価格破壊が進む中では、オープンソース化を躊躇すれば開発者コミュニティから置き去りにされる。
第三に、マクロ環境と政策要因である。海外の開発者からも指摘されている通り、中国当局がオープンソース AI モデルの国際協力を明示的に支援する姿勢を強めており、一時期緊迫していた Qwen のオープン戦略も再びオープン路線へと舵を切った。
技術的判断として、フラグシップモデル自体による直接収益を放棄し、周辺エコシステムから回収するモデルへとシフトした形だ。双方のビジネスモデルにトレードオフが存在するが、アリババが賭けた方向性は極めて明快である。
オープンソース vs 閉鎖型：どちらの道が長く続くのか？
今回の発表の背景にある最も議論すべきテーマは、「オープンソース型」と「閉鎖型（プロプライエタリ型）」の未来像だ。
閉鎖型陣営（OpenAI、Google、Anthropic など）の論理はこうだ。モデルが強力になるほど悪用のリスクが高まるため、閉ざされた環境で管理・検証する必要がある。また、モデルの販売によって得た収益が、次世代 R&D への継続的投資を可能にする。安全面・商業面での自立性と持続可能性が重視される。
一方、オープンソース陣営の論理は、透明性こそが監査を可能にし、グローバルコミュニティ全体の共有によって進化が加速し、特定ベンダーへのロックインを防げるというものだ。Hacker News の議論でも、「オープンソースによって、個人がローカル環境で最高峰の AI を動かせるようになることこそが本質的な価値だ」という声が上がっている。
双方に合理性があり、一概にどちらが正解とは言えない。しかし、いくつかの客観的事実が存在する。
長期的にどちらのモデルが勝利するかは現時点では断定できない。だが明確な傾向が1つある。閉鎖型は技術的封鎖によってプレミアム価格を維持し、オープンソースはスケールとコミュニティによってコストを極限まで希釈する。技術的封鎖がいつまで機能するかはオープンソースの追いつく速度に依存するが、2026年現在の進化速度は人々の予想を遥かに上回っている。
2026年において、オープンソースと閉鎖型トップモデルの性能差は「世代の差」から「数パーセントの差」へと縮小した。Qwen3.8 は複数のプログラミング基准テスト（ベンチマーク）で GPT-5.6 や Claude Opus 4.8 と互角の成績を収めている。公式発表の PaperBench スコアでは 93.0 を記録し、GPT-5.6 Sol の 90.5 を上回った。
懸念や懐疑の声も少なくない。HN の議論では「モデルカードの性能が良すぎて信じがたい」という意見や、bf16 精度で提供され量子化処理（Quantization）が施されていないため、圧縮後の実効性能には疑問が残るとの指摘もある。また、1-bit 圧縮版であっても約397GBのVRAMが必要となり、一般消費者のPC環境では稼働が困難であるというハードウェア上の制約も計算されている。
これらの指摘はすべて正当である。パラメータ競争に終わりはなく、過去には Kimi K3 が 2.8兆パラメータのモデルを公開した例もあり、記録は常に更新され続ける。パラメータ数がすべてではなく、ベンチマークの数値がそのままユーザー体験に直結するわけでもない。
しかし、否定しがたい事実が1つある。2026年のオープンソース陣営は、閉鎖型の巨頭と真っ向から勝負できる領域に到達したということだ。ほんの2年前には、多くの人々が想像すらしていなかった現実である。
为什么普通人该关心？（为什么一般のユーザーも注目すべきなのか？）
第一に、価格への影響である。オープンソースモデルが市場全体の価格アンカーを引き下げることで、日常的に利用するあらゆる AI サービスの利用料金が急速に安くなっていく。
第二に、デジタル主権とアクセシビリティである。これは世界トップクラスの能力を持つモデルでありながら、ユーザー自身に帰属する。ダウンロードにも商用利用にも、誰の許可も必要としない。
第三に、将来のインフラ化である。将来、スマートフォン内の音声アシスタントや企業のカスタマーサポート、医療支援システムのバックエンドには、今日無償公開されたようなモデルが組み込まれていく。今日無料化された能力は、明日には数え切れない製品の標準機能へと昇華する。
2.4兆パラメータという数字の記録はいずれ塗り替えられるだろう。しかし「最高峰のモデルを無償で開放する」という決断そのものが、AI 競争のルール変更を物語っている。単なるパラメータ規模の競い合いから、「いかに多くの人々の手にその能力を届けられるか」というフェーズへの移行だ。その道の先頭を、今オープンソースが走っている。
静かではあるが、重要なサインが示されている。最強のモデルが公共財となったとき、私たちの手元にある AI は、もはや特定の巨大企業の「施し」ではなくなる。その未来を語るのはまだ早いかもしれないが、ベクトルは間違いなくその方向を指している。
参考リンク：
- Hugging Face: Qwen/Qwen3.8-2.4T-A95B
- HN 議論（HN）
- NVIDIA 技術ブログ: Serve Qwen3.8-2.4T-A95B on GB300 NVL72
- Qwen 公式 X: Qwen3.8-Max 発表予告
- vLLM レシピ: Qwen3.8-2.4T-A95B
画像検証に関する説明：原文（Hugging Faceモデルカード）はテキストと表のみで構成されており、本文中に画像は含まれていません。ブラウザスクリプトで抽出した全img要素はサイトロゴ、アバター、バッジであったためルールに従いフィルタリングしました。そのため本稿に画像は掲載していません。完全なリストは以下の通りです：
1. huggingface.co/front/assets/huggingface_logo-noborder.svg （95×88、サイト logo、フィルタリング）
2. cdn-avatars.huggingface.co/v1/production/uploads/6215ca5692c0ecfba9186921/hrRM50-6XcdWgg2AKpENG.jpeg （200×200、Qwen アバター、2回出現、フィルタリング）
3. img.shields.io/badge/Qwen%20Studio-536af5?logo=qwen&logoColor=white （99×20、Qwen Studio バッジ、フィルタリング）