【geek-terminalニュース】Qwen3.8予告、VRAMとFable 5対抗でローカルLLM勢がざわつく最新情報

以前お伝えしたQwen3.6系、そしてKimi K3をめぐる中国オープンウェイト競争の続報です。今回の主役はAlibabaのQwen3.8 Max Preview。公式・大手メディアで確認できる範囲では、Alibaba Qwen公式X投稿を起点に、Qwen3.8 Maxのpreviewが紹介され、open-weight化が話題になり、Claude Fable 5に次ぐ水準、さらにKimi K3への対抗軸として報じられています。ただし、ローカルLLM勢が本当に見ているのは、順位表の華やかさだけではありません。Redditのスレッド名が象徴するように、焦点はまず「Prepare your VRAM」、つまり手元のGPUでどこまで現実的に回せるのかです。

【事象の全貌と背景】
Qwen3.8は、単なるQwen3.7の数字違いではなく、中国AIラボ同士の大型open-weight競争がさらに一段上へ進んだシグナルとして受け取られています。直近ではMoonshot AIのKimi K3が2.8兆パラメータ級モデルとして注目され、Claude Fable 5やOpenAI上位モデルに迫るという文脈で語られてきました。そこへAlibabaがQwen3.8 Max Previewを投入し、「主要frontier AI modelに匹敵し、Claude Fable 5に次ぐ」と説明したと報じられたことで、LocalLLaMA界隈は即座に反応しました。公式Model Studioの現行推奨欄では、少なくとも確認時点でqwen3.7-maxとqwen3.7-plusが掲載されており、Qwen3.8がすでに通常利用モデルとして安定提供されている、とまでは断定できません。ここは重要です。確定しているのはpreviewと予告、そしてopen-weight化が話題化していること。実際の配布形式、量子化、推論ランタイム対応、ライセンス細部、VRAM要求の実測は、まだコミュニティ検証待ちの領域です。

【技術的ディープダイブ】
技術的に一番面白いのは、巨大パラメータ数とローカル実行可能性が、もはや単純な比例関係では語れなくなっている点です。検索結果ではQwen3.8 Max Previewについて2.4兆パラメータ級open-weightモデルとして報じられています。一方、比較対象のKimi K3は2.8兆パラメータ級とされます。この桁になると、素朴なdenseモデルとして全重みを常時動かす発想では、一般ユーザーのGPUどころか小規模サーバーでも現実味が薄い。そこで焦点になるのがMoE、つまり総パラメータ数と推論時に実際に使われるアクティブパラメータ数の分離です。事前文脈としてQwen3.6-35B-A3Bは、35B総パラメータ、推論時3BアクティブのMoEとして紹介され、SWE-bench Verifiedで73.4というcoding agent系ベンチ値も挙げられていました。さらにQwen3.6 27B関連のReddit投稿では、SWE-bench Verified 77.2、RTX 3090単体、24GB VRAM、vLLMで85-100 TPS、1M contextといった実運用寄りの数字が議論されています。ただし、これらはQwen3.8そのものの確定仕様ではなく、Qwen系モデルがどの摩擦点で評価されてきたかを示す前史です。

VRAMの見方も変わっています。MoEでは「総パラメータが何兆か」だけでなく、1トークンあたり何パラメータがアクティブになるか、KVキャッシュがコンテキスト長でどれだけ膨らむか、量子化が重みだけなのかKV cacheにも効くのか、vLLM、llama.cpp、MLXなど実行系がどこまで最適化されるかが効きます。つまりQwen3.8の本当のハードルは、モデルカードに載るベンチスコアより、4bit量子化で何GBに落ちるのか、128Kや1M contextで何GB増えるのか、マルチGPU分割が家庭内で成立するのか、という泥臭い部分にあります。ローカルLLM勢にとって「open-weight」はゴールではなくスタートラインです。重みが来ても、GGUFが来ない、MLXが遅い、vLLMは速いが環境が重い、12GB勢はRAMオフロード前提、24GB勢はコンテキストで詰まる、という現実が待っています。

【コミュニティの生々しい熱量と議論】
Redditの反応は、いつものように期待と疑念が同時に濃いです。Qwen3.8に対しては「VRAMを準備せよ」「Qwenがまた動いている」という空気が先行していますが、その下地にはQwen3.6系で得た実感があります。あるユーザーはQwen 3.6 27Bについて「The SWE-bench Verified score of 77.2 is compelling—nearly matching Claude Opus 80.9 with just 27B params on a single RTX 3090.」と評価し、別のユーザーは「The 85-100 TPS via vLLM and 1M context for whole-repo reasoning are game-changers for local coding agents.」と、全リポジトリ推論への期待を語っています。一方で、現実的な質問も刺さっています。「Has anyone tested the 24GB VRAM requirement at 125K context?」という声は、まさに今回のQwen3.8騒動の中心です。ベンチが高いかではなく、自分の3090、4090、M4 Max、あるいは12GB GPUで本当に動くのか。

熱狂だけではありません。「benchmaxxing allegations」「non-code tasks show 3–4 min loops」「platform fragmentation」といった懸念も出ています。ローカルで速く、安く、プライベートに動くモデルが欲しい一方で、ベンチに最適化されすぎて実務で詰まるのではないか、非コード用途でループするのではないか、vLLMとllama.cppとMLXで体験が割れるのではないか、という冷静な不安です。さらに「i have 12 vram and 48 ram will it run」という素朴すぎる質問は、実は一番リアルです。open-weight巨大モデルの普及は、論文や発表会ではなく、この問いにどれだけ良い答えを返せるかで決まります。

【今後の展望とエコシステムへの影響】
Qwen3.8がこのまま強いopen-weightとして出てくるなら、影響を受けるのはクラウドLLM APIだけではありません。まず、27Bから70B級の「ローカルでギリギリ賢い」モデルの立ち位置が揺れます。巨大MoEが量子化と推論最適化で家庭内GPUに近づくほど、単なる小型denseモデルは「軽いが浅い」枠へ押し込まれます。次に、GPU選びの基準が変わります。CUDA性能だけでなく、VRAM容量、メモリ帯域、KV cache節約、マルチGPU分割、CPU/RAMオフロード耐性が、ローカルAI環境の本丸になります。24GBは最低ライン、48GB以上は快適ライン、複数GPUやApple Silicon大容量メモリは趣味ではなく現実的な選択肢、という空気がさらに強まるはずです。

同時に、閉鎖モデルがすぐオワコンになる、という単純な話でもありません。Redditでも「In between benchmark and real usage there is always a gap.」という指摘があり、ベンチ上でFable 5に迫るとしても、ツール使用、長時間エージェント、曖昧な業務文脈、失敗時の回復では差が残る可能性があります。ただし、パラダイムは確実に動いています。中国勢のopen-weight競争は、最上位モデルの性能序列をクラウド専有から引き剥がし、「どこまで手元に降ろせるか」というゲームに変えています。Qwen3.8の本当のニュース価値は、Fable 5に次ぐかどうかだけではなく、次の数週間から数か月で、量子化職人、llama.cpp勢、vLLM運用勢、MLXユーザー、企業オンプレ勢が一斉にこの巨大モデルを解体し、現実のVRAMに押し込もうとする点にあります。今回もまた、ローカルLLM界隈の限界線は、発表資料ではなく、誰かのGPUメモリ不足エラーから更新されていくことになりそうです。