Qwen3.8-MaxとQwen3.8-27Bは同じ世代名を持ちますが、購入方法まで含めると別の商品です。

‍

MaxはAlibaba Cloud Model Studioから呼び出す2.4TパラメータのMoE旗艦。

27BはApache 2.0で公開されたDenseモデルで、GPUを用意すれば自社環境でも動かせます。

数字の大小だけを比べると、費用と運用責任の違いを見落とします。

‍

企業が決めるべきなのは「どちらが強いか」だけではありません。

繁忙期に処理量を増やせるか、機密データをどこへ置くか、障害時に誰が復旧するか、100万トークンの長文を本当に使うかまで含めて選びます。

MaxはGPU購入を省けますが利用量に応じて課金され、27Bはトークン料金を避けられる一方で設備と保守が必要です。

‍

2026年8月29日時点で、Maxは東京リージョンの公式料金と機能が公開されています。

27Bの公開モデルカードはローカル導入方法を示し、Alibaba Cloudの27B API情報ページは北京向け料金を掲載しています。

東京で27B APIがMaxと同じ条件で使えるとは限らないため、本稿では「東京のMax API」と「公開ウェイトの27Bローカル」を中心に比較します。

Qwen3.8-Maxは、Alibaba Cloudが2.4兆パラメータのMoE旗艦として案内するAPIモデルです。

‍

MoEは全パラメータを毎回同じように計算するDense型とは異なり、入力に応じて一部の専門家を使う構造です。

ただし、API利用者が総パラメータや活性パラメータから必要GPUを逆算する必要はありません。

推論基盤を事業者側が運用し、利用者はトークン量と機能条件を管理します。

‍

Qwen3.8-27Bは27BパラメータのDenseモデルです。

公式モデルカードでは、画像と動画を理解できるネイティブな視覚言語モデル、64層、262,144トークンのネイティブコンテキスト、最大100万トークンへの拡張を掲げています。

Transformers、vLLM、SGLangなどに対応し、公開ウェイトのライセンス表示はApache 2.0です。

‍

Maxと「Qwen3.8-2.4T-A95B」も区別が必要です。

Alibaba Cloudは2.4T-A95Bを公開旗艦のMoEモデルとして案内し、約95Bパラメータを活性化すると説明しています。

一方、Maxの東京向けページは画像・テキスト・動画入力に対応し、2.4T-A95BのModel Studioページはテキスト入力として掲載されています。

規模が同じでもモデルID、公開形態、対応モダリティ、地域機能が違うため、同一物として置き換えないでください。

表のうちモデル構造、コンテキスト、東京の対応機能は公式資料に基づきます。

「判断への影響」は編集上の整理です。

‍

27Bローカルで画像や動画を扱うには、モデルウェイトだけでなくプロセッサー、ランタイム、対応バージョンをそろえる必要があります。

テキスト推論だけ動いた結果を、マルチモーダル対応の検証済み環境とみなさないようにします。

Maxを一般的なPCへダウンロードし、27Bと同じようにOllamaやLM Studioで動かすことは想定されていません。

‍

Model StudioのAPIへリクエストを送り、東京リージョンのエンドポイントと認証情報を使います。

最大入力は991,808トークン、最大出力は131,072トークン、コンテキスト全体は100万トークンです。

パラメータの組み合わせで利用可能長が変わるという注記もあります。

‍

東京リージョンの通常価格は、入力1Mトークンあたり1.65米ドル、出力4.951米ドルです。

暗黙キャッシュ入力は0.206米ドル、明示キャッシュ作成は2.063米ドル、読取は0.137米ドル。

これは期間限定割引を除く公式の原価で、税や為替、ネットワーク、周辺サービスは別に考えます。

27Bをローカル実行する場合、BF16の重みは単純計算でも約54GBで、実行時には追加領域が要ります。

4bit量子化のGGUFは配布元によって約17〜18GBが一つの目安です。

LM Studio CommunityはQ4_K_Mを16.8GB、別の一般的な変換では17GB台後半と掲載しており、量子化方式やメタデータで差があります。

Qwen公式がすべてのGGUF容量と品質を保証しているわけではありません。

‍

24GB VRAMならQ4の全重みを収められる可能性がありますが、KVキャッシュ、視覚エンコーダー、計算バッファ、デスクトップ表示に使う余白が必要です。

32GBでは余裕が増えるものの、262Kや100万トークンをそのまま実用化できるとは限りません。

16GBでは一部をシステムRAMへ逃がす構成が中心となり、CPUとGPU間の転送で速度が落ちる可能性があります。

最初はQ4、8K〜16K文脈、単一ユーザーで測るのが現実的です。

‍

Apple SiliconはユニファイドメモリをCPUとGPUで共有します。

32GB Macでも32GBすべてをモデルへ割り当てられません。

OSとアプリを差し引き、スワップが続く場合は文脈長または量子化を下げます。

ローカルの「必要スペック」は起動可否ではなく、目的の処理を許容時間内に完了できるかで判断してください。

Maxの100万トークンは、APIサービスとして公開されたコンテキスト上限です。

‍

東京リージョンでは画像・テキスト・動画入力、テキスト出力、Function Calling、Structured Outputs、Context Cacheをサポートします。

一方、公式ページでは東京のWeb SearchとBatch Inferenceは非対応です。

北京やシンガポールの機能表を東京へそのまま当てはめると、設計段階でずれが生じます。

‍

27Bはネイティブ262,144トークン、最大100万への拡張とされています。

ローカルでは長文ほどKVキャッシュが増え、入力処理の待ち時間も長くなります。

100万トークンに設定できることと、単一GPUで安定し、必要な箇所を正確に参照できることは別です。

8K、32K、128Kと段階を上げ、ピークメモリ、最初の回答までの時間、参照精度を記録します。

‍

長文資料を丸ごと入れる前に、検索と前処理も検討します。

PDFのヘッダー、重複ページ、OCR誤りまで含めると文脈を浪費し、関連情報が埋もれます。

RAGで候補箇所を絞り、必要な時だけ原文へ戻る方が、短い入力で出典を保ちやすい場合があります。

Maxのキャッシュは共通資料を繰り返す費用を抑える手段ですが、キャッシュ作成費と読取回数を含めて比較します。

‍

マルチモーダルでも同じです。

Maxは東京で画像と動画入力を公式サポートしますが、Web検索は非対応。

27Bはモデル自体に視覚理解がありますが、選んだGGUF、推論アプリ、チャットテンプレートが画像・動画を正しく渡せるかを確認します。

モデルカードに機能があるだけで、すべての量子化・アプリが同じ入力を扱えるとは限りません。

‍

品質差は、公式ベンチマークの順位だけで決めない方がよいでしょう。

契約書の比較、表を含むPDFの抽出、既存コードの変更、画像からの異常検知など、実際の50件を匿名化して両方へ与えます。

正答率、修正時間、構造化出力の失敗、初回応答、総処理時間を測れば、Maxの上位性能に払う価値が見えてきます。

APIの月額費用は、入力トークン×入力単価＋出力トークン×出力単価＋キャッシュ＋付帯費用で求めます。

通常入力100M、出力10Mなら214.51米ドルです。

同じ比率で300M入力、30M出力なら643.53米ドルになります。

画像や動画、長い推論出力が多ければ単純なチャットより増えます。

見積もりでは平均値だけでなく、繁忙月の上限も置きます。

‍

ローカルの月額TCOは、GPUを含む機器費の償却、電力、冷却、設置、保守、監視、更新作業、障害時の代替手段を足します。

既存GPUの空き時間を使える組織と、新規購入して24時間待機させる組織では損益分岐が違います。

電力は「平均消費電力kW×稼働時間×営業日×電力単価」で見積もり、モデル更新とセキュリティ対応の担当時間も金額へ換算します。

‍

APIは需要が少ない月に固定費を抑えやすく、急増にも対応しやすい反面、利用量と出力長で請求が増えます。

ローカルは一定量を超えると1回あたりの追加費用を抑えやすいものの、GPUが遊んでいる時間にも償却が進みます。

単純な「GPU価格÷API単価」では、保守と可用性を比較できません。

‍

データ管理は、ローカルなら安全、APIなら危険という二択ではありません。

ローカルでも入力ログ、バックアップ、監視ツール、共有ストレージから漏れる可能性があります。

APIでは利用リージョン、通信、保存期間、学習利用、アクセス権、監査ログを契約と設定で確認します。

東京リージョンを選ぶことはデータ管理の一要素ですが、組織の法務要件を自動的に満たす保証ではありません。

‍

障害対応もTCOに含めます。

Max APIが停止した場合の別リージョン・別モデルへの切替、ローカルGPUが故障した場合のクラウド退避、チャットテンプレートや構造化出力の差を事前に試します。

平常時の最安構成より、停止時にどの業務を優先して復旧できるかが重要です。

Max APIが向くのは、高性能な推論、画像・動画、長いコンテキストを早く導入し、処理量の変動へ対応したい場合です。

GPU調達やランタイム保守を避けられるため、検証開始までの時間を短縮できます。

東京ではWeb Searchが非対応なので、検索が必要なら自社の検索機能をFunction Callingで組み合わせるなど、利用可能機能に合わせて設計します。

‍

27Bローカルが向くのは、処理量が読みやすく、データを自社管理の境界へ置き、GPUと推論基盤を運用できる場合です。

定型抽出、分類、社内文書の要約、コード補助など、評価条件を固定しやすい仕事から始めます。

Maxと同等の回答を前提にせず、27Bで合格できる仕事を切り出す考え方が適しています。

‍

ハイブリッドは、27Bで定型処理と機密資料の前処理を行い、匿名化した難問や長文だけMaxへ送る構成です。

コストとデータ境界を両立しやすい一方、モデル振り分け、二種類のログ、失敗時の再試行が増えます。

「機密度」と「難易度」の二軸でルールを作り、人が確認すべき処理を明確にします。

導入順は、Max APIで50件、27B Q4で同じ50件を試し、品質・時間・費用を比較する方法が堅実です。

Maxの月額試算と、27Bを動かす既存設備の追加費用を並べます。

新規GPUの購入判断は、テストで27Bが合格し、継続的な処理量が確認できてからでも遅くありません。

‍

最終判断では：

① 必要品質

② 平均とピークの処理量

③ 扱うデータ

④ 許容遅延

⑤ 障害時の代替

⑥ 保守できる人員を並べます

‍

六項目のうち保守人員と継続負荷が不明ならAPIから始め、データ境界と反復負荷が明確ならローカルを比較対象へ入れる。

両者の強みが分かれるならハイブリッドが候補です。

Qwen3.8-Maxと27Bは、同じQwen3.8でも調達方法と運用責任が異なります。

‍

Maxは2.4T MoEのAPI旗艦で、東京リージョンから100万トークン、画像・動画入力、Function Calling、Structured Outputsを利用できます。

27BはApache 2.0の公開ウェイトを自社環境へ置けるDenseモデルで、ローカルの自由度と引き換えにGPU、更新、監視を担います。

‍

東京のMax標準価格は入力1Mトークン1.65米ドル、出力4.951米ドルです。

通常入力100M、出力10Mの例では214.51米ドル。

27BローカルはQ4で約17〜18GBが目安ですが、文脈と視覚入力のための余白が必要で、24GB VRAMでも長文を無条件に使えるわけではありません。

‍

まず実タスク50件を両方で評価し、修正時間まで含む品質と月額TCOを比べてください。

Maxは高性能と伸縮性、27Bは所有と制御、ハイブリッドは役割分担に価値があります。

モデル名や最大文脈長ではなく、仕事を合格水準で継続できる構成を選ぶことが、過不足のない投資につながります。