Qwen3.8-Max vs Claude Fable 5：誰も検証できない比較

The comparison everyone wants does not exist yet

まず居心地の悪い部分から始めよう。この対決を扱う他のほとんどの記事は、ここを素通りしているからだ。

モデル比較には両者の数値がそろっている必要がある。Anthropicは自社分を公開した。システムカード、料金表、さらに実名のローンチパートナーがずらりと数値を公表している。一方アリババが公開したのはXへの投稿2件と、稼働する有料エンドポイントのみだ。世界で2番目に優れていると自称するモデルの証拠は、それがすべてである。

これがアリババ自身の基準からどれだけかけ離れているかを示す参考として、前世代のフラッグシップQwen3.7-Maxは2026年5月、SWE-bench Verifiedで80.4%、当時のArtificial Analysis指標で中国モデル最高位という実際の数値を伴ってローンチされた。Qwen3.8-Maxがもたらしたのは自信だけで、裏付けとなる証拠は何もなかった。

だからこの先の内容は、2つの知能の比較ではなく、2つの製品の比較として読んでほしい。証拠が実際に裏付けている比較は、それだけだ。

What Qwen3.8-Max actually is

QwenはAlibaba Cloudのモデルファミリーであり、「Max」は廉価版のPlusやTurboより上位に位置する独自開発のフラッグシップ系列だ。Qwen3.8-Maxは2026年7月19日にプレビュー公開された。

アリババが公表しているスペックは以下の通り。

• 合計2.4兆パラメータ、スパース型のMixture-of-Experts設計、Qwen（X）による。
• 1兆パラメータを超える初のマルチモーダルQwenで、テキスト・画像・動画・ドキュメントを扱う。リード研究者のShuai Bai氏による。
• 100万トークンのコンテキストウィンドウは、Qwen3.7-Maxから引き継がれたもの。
• コーディングとエージェント作業を主眼としており、アリババはこの点で前世代を上回るとしている。

アクティブパラメータ数、スパース比率、ライセンスはいずれも公開されていない。2.4兆パラメータの密結合モデルを提供するにはコストがかかりすぎるため、MoEルーティングこそがこの数値を現実的なコストに収めている要因のはずだが、誰も公開していないのはまさにその数値なのだ。

"Qwen3.8-Max Preview is now available for early access! This is our first trillion-parameter multimodal model."

Shuai Bai, X

What Claude Fable 5 actually is

AnthropicはFable 5を、「野心的で長時間動く非同期作業」向けに作られた、一般提供モデルの中で最も高性能なものと位置づけている。フラッグシップとしては異例なほど狭い訴求だ。Anthropic自身のモデル概要ページでも、まずはClaude Opus 5から始め、最高レベルの能力が必要なワークロードに限ってFable 5へ引き上げるよう案内している。

いくつかの点で、Fable 5は通常のモデルリリースとはまったく異なる存在になっている。

思考モードは常にオンだ。 Fable 5は従来の拡張思考パラメータを受け付けず、公開されているオフスイッチもない。思考の深さはエフォートレベルによって制御される。

自らトラフィックを迂回させる。 Fable 5にはサイバーセキュリティと生物学に関するセーフガードが組み込まれており、該当するクエリは自動的に能力の低いモデルへ振り分けられる。サイバー関連はOpus 4.8へ、生物学関連はOpus 5へ落とされる。ブロックされたFableへのリクエストが実際に返してくるのはOpusの回答そのものであり、作業の途中でそれに気づくのはなかなか奇妙な体験だ。

利用には30日間のデータ保持が必須で、安全性モニタリングのためだ。規制業界の購入者にとって、これは単なるチェック項目ではなく調達段階の協議事項になる。

この比較全体の中で最も強力な証拠はローンチパートナーの数値であり、それは知能に関する主張としてではなく、コストに関する主張として読むべきだ。あるパートナーは、Fable 5が日常的な表計算スイートにおいてすべてのエフォートレベルでOpus 4.8を上回り、実行完了が25〜30%速いと報告している。別のパートナーは、推論トークンを3分の1に抑えながら最先端の物理学的成果に到達したとしている。

Head to head on what is actually published

以下は、両者が具体的に何かを述べているすべての項目だ。空欄になっているのは私が見つけられなかったからではなく、ベンダーが公開していないからである。

この中の2行は、もう一度見る価値がある。

API protocolの行は、隠れたアドバンテージだ。アリババのToken PlanエンドポイントはOpenAIとAnthropic両方のプロトコルに対応しており、キーさえ手に入れればClaude CodeやCursor、Clineがそのまま動く。試すのに5分もかからず、この手軽さが話題の裏で少なからぬ役割を果たしている。

knowledge cutoffの行は、Fable 5の静かな奇妙な点だ。2026年1月は、Opus 5の2026年5月というカットオフより4か月も古い。Fableの方が新しく高価なモデルであるにもかかわらずだ。つまり最新の事実に頼る作業をするなら、高価な方のモデルほど知識が古いということになる。

Price: two sheets that do not line up

ここは比較が単に曖昧になるのではなく、完全に破綻する箇所だ。

Anthropicはトークンを販売している。Fable 5は入力10ドル、出力50ドル（100万トークンあたり）で、これはClaude Opus 5のちょうど2倍にあたり、90%のプロンプトキャッシュ割引はそのまま適用され、米国限定の推論は1.1倍の料金で利用できる。

一方アリババが販売しているのはサブスクリプションだ。プレビュー期間中、Qwen3.8-MaxはToken Planを通じて標準料金の10%で利用でき、Personalプランは月額およそ6ドル（Lite）、20ドル（Standard）、70ドル（Pro）となっている。さらに夜間割引を重ねると、22時から翌8時（UTC+8）のクレジット消費が追加で80%割引となり、時間外の利用は標準料金のおよそ0.2%程度にまで下がる。

この2つは互いに割り算できる関係にない。一方は単価であり、もう一方は割当量であって、その割当量の分母となるクレジットのトークン換算率は一度も公開されていないからだ。

サブスクリプションモデルにはもう一つの落とし穴があり、これは仮定の話ではない。前世代でもQwenユーザーから、クレジットが想定よりはるかに速く消費されるという報告が上がっており、Qwen系モデルは他社モデルより1タスクあたりの出力トークン数が多くなる傾向がある。これが、表示価格がどれだけ魅力的に見えても、実質コストを静かに押し上げてしまう。今のところプレビュー割引がそれを覆い隠しているだけだ。割引が終わる日に備えて予算を組み、ワークロードを本格導入する前にQwen3.8-Maxの料金の詳細を読んでおいてほしい。

一方でFable 5のパートナーによる主張は、総コストの面で逆方向に働く。ターン数が少なく、難しいタスクでは推論トークンが3分の1で済むということは、表示価格が2倍でも請求額が2倍になるとは限らないということだ。これはOpus 5 vs Sonnet 5の比較記事で解説したのと同じロジックで、安いモデルが自動的に安い仕事になるわけではない。

Where each one actually breaks

「どちらが優れているか」と聞けば、肩をすくめられるだけだ。しかし「月曜日に本番投入できるのはどちらか」と聞けば、両方とも答えはノーであり、しかもその理由はまったく異なる。

Qwen3.8-Maxはプレビューだ。 ライセンスもトークン単価もモデルカードもなく、しかもエンドポイントは知らぬ間に変更されうる。実験には問題ないが、顧客が関わる用途には失格だ。

Fable 5には公開された可用性の記録があるが、その途中に穴が開いている。 Anthropicは6月9日にローンチし、6月12日にアクセスを停止、その後7月1日に復旧させた。19日間の停止は、ベンダー自身の公式サイトで認められている事実だ。これに必須の30日間データ保持とセーフガードによる迂回を加えると、1件のチケットを処理する前に答えるべき調達上の質問が3つも出てくる。

どちらも根本のモデル自体への批判ではない。むしろどちらも、モデル選びそのものより、その周りにどんなアーキテクチャを組むかの方が重要である理由だ。

So which one should you actually test?

プレビューは安く、フラッグシップは速い。だからこそ「乗り換えるべきか」という問い自体が間違っている。まずは自分が実際に何を検証しようとしているのかをはっきりさせるべきだ。

What this actually means if you are buying for support

ここからが私が本当に気にかけている部分だ。サポートキュー向けのAIエージェントを作ることが私の本業だから。

数週間おきに、こうしたローンチが起きるたびに、人々はモデルがボトルネックだと思い込む。だがそれは違う。そしてこのギャップこそ、AIサポートプロジェクトの大半が静かに頓挫する場所そのものだ。Qwen3.8-MaxもFable 5も、与えてくれるのは生の推論能力だけだ。どちらも自社の返金ポリシーも、製品特有のエッジケースも、チケット#4021がすでに2回メールを送ってきたVIP顧客だという事実も知らない。どちらにも、自信満々に誤った答えをでっち上げるのを止めるガードレールはなく、実際に業務が行われるヘルプデスクとの連携もない。

私たちは何年もかけて実際のサポートキューにAIを導入してきたが、そこで身についた教訓は、自信満々の誤答は無回答よりも悪いということだ。ある顧客のボットは、ヘルプセンターに「すべてのモデルに対応」と書かれていたせいで、データベースに存在しない製品モデルにも対応していると平然と言い切ってしまった。パラメータ数が大きくなるほど、この種の失敗は減るどころかむしろ起きやすくなる。モデルがより自信ありげに聞こえるようになるからだ。あるサポートリーダーは、この要件を私よりうまく言い表してくれた。

"The AI will never be able to answer 100% of the questions, but if it tries and just answers wrong, I cannot go check all my 7,000 tickets to see if it made a good answer. I need an AI that only handles the tickets it's confident about, and leaves the rest alone."

a DTC brand CX lead handling 7,000 tickets a month

これはモデル選びについての発言ではなく、アーキテクチャについての発言だ。だからこそeesel AIは、何かを本番稼働させる前に必ず過去のチケットに対してシミュレーションを行い、実際の過去の会話における解決率と具体的な返信内容を確認できるようにしている。顧客を通じて初めて問題に気づくようなことはない。回答が確信度によって振り分けられるのも同じ理由だ。確信が持てなければ下書きにするかエスカレーションし、決して当て推量はしない。このやり方を実践したGridwiseは、導入初月でティア1の解決率73%を達成した。

この対決全体から学ぶべきより大きな教訓はこれだ。2つのラボがわずか2週間の間にサイズの上限を押し上げ、Kimi K3は2.8兆、Qwen3.8-Maxは2.4兆に達し、そしてAnthropicは何日も無人で動き続けるモデルを送り出した。モデル層は、どんな調達サイクルよりも速いペースで、より優れて、より安くなり続けている。だからこそエンジンを差し替えるだけで済み、周りの仕組みを組み直さずに済むように作っておくべきだ。そうすれば、こうした進歩のすべてを労せず享受できる。

Try eesel AI

もしサポートキューにどちらのモデルを使うべきか知りたくてここに来たなら、正直な答えはこうだ。その選択は、その上に載る層に比べればはるかに重要度が低い。そしてその層こそがeesel AIなのだ。

Zendesk、Freshdesk、Slackをはじめ100以上のツールと連携し、ヘルプセンターや過去のチケットから学習し、数分で下書きを始められる。差別化のポイントは信頼構築のステップにある。実際のチケット履歴でシミュレーションを行って数値を確認し、まずは下書きモードで始め、納得できた時点で初めて自律モードに移行する。フロンティアモデルの賢さを、サポート向けに作られたガードレールとともに手に入れられ、この比較をもう二度と自分でやり直す必要はなくなる。eeselを試すのは無料で、クレジットカードも不要だ。