2.4兆パラメータQwen3.8-Max公開、不動産の契約書AI3論点

Qwen3.8-Maxとは、アリババが2026年8月3日に一般提供を開始した2.4兆パラメータのAIモデルのことです。

アリババのQwenチームが、フラッグシップモデルのQwen3.8-Maxを広く利用可能にし、来週にはモデルのウェイト（重み）そのものを公開すると表明しました。Maxクラスのウェイト公開はQwenとして初めてです。不動産業務の視点で重要なのは、パラメータ数の大きさではありません。100万トークンという文脈の長さと、自社が管理する環境で動かせる選択肢が同時に提示された点です。本記事は、宅建業免許（東京都知事(1)第113520号）を保有し、AI導入コンサル100社超の実績を持つ株式会社オルセル（不動産のチカラ運営）が、日本の不動産事業者の目線で3つの論点に整理します。

2.4兆パラメータのQwen3.8-Max、来週にウェイト公開

結論から言えば、今回の発表の核心は性能ではなく提供形態の変更です。The Decoderは「Qwen3.8-Maxは数日単位で複雑なタスクを自力でこなすように作られており、チームは来週ウェイトを公開する計画だ」と報じています。アリババはこれまでフラッグシップを非公開API限定にしており、最後にウェイトを公開した旗艦は2026年2月のQwen3.5-397B-A17Bでした。約半年ぶりの方針転換ということになります。

仕様面はQwen公式ブログとMarkTechPostの整理が詳しく、テキストと画像と動画を入力してテキストを返すMoE（混合エキスパート）構成のモデルです。文脈長は100万トークン、最大入力は99万1,000トークン、思考モードを有効にすると98万3,000トークンまで下がります。最大出力は13万1,000トークン、推論に割ける上限は26万2,000トークンです。価格は入力100万トークンあたり2.00ドル、出力100万トークンあたり6.00ドル。キャッシュ済み入力の読み出しは0.25ドルで、新規入力の8分の1に収まります。

ベンチマークではTerminal-Bench 2.1で86.6を記録し、Claude Opus 4.8とClaude Fable 5の84.6を上回りました。論文再現を測るPaperBenchでは93.0で首位です。一方でSWE-bench Proは67.7、FrontierSWEは73.5で、いずれもFable 5の80.0と88.8には届いていません。数値はすべて提供元の自己申告であり、ライセンス条件と活性パラメータ数は本稿執筆時点で未公表です（要確認）。

日本の不動産事業者にとっての3つの論点

第一の論点は、100万トークンという文脈長が不動産の書類仕事と相性が良いことです。MarkTechPostは、今回のモデルが適合する産業として法務・金融の文書レビューを明示的に挙げています。不動産業に置き換えれば、売買契約書、重要事項説明書、管理委託契約書、レントロール、登記事項証明書、修繕履歴といった一物件分の書類束を、分割せずに一度のやり取りへ載せられる可能性があります。ただし日本語は英語より1文字あたりのトークン消費が多くなる傾向があり、実際に何万字入るかは検証が必要です（要確認）。契約書レビューの実務論はAI契約書レビューで賃貸借契約のリスクを検出する方法でも整理しています。

第二の論点は、ウェイト公開が中小の不動産会社にすぐ効くわけではないという冷静な読み方です。2.4兆パラメータの本体は複数ノードのデータセンターを前提とする規模で、活性パラメータ数が未公表である以上、運用コストの試算すら現時点ではできません。MarkTechPostも、通常のオンプレミスGPUに載る現実的な選択肢は同時公開予定のQwen3.8-27Bのほうだと指摘しています。自社サーバーで動かして顧客情報を外部に出さない、という運用を検討するなら、狙うべきは27Bのほうです。

第三の論点は、法令面の線引きです。ホスト型APIを使う場合、顧客の氏名や住所を含む契約書データが国外の事業者へ渡ることになり、個人情報保護法の外国にある第三者への提供にあたる可能性があります。同意取得や移転先の体制確認をどう設計するかは、導入前に社内で詰めておくべき論点です（具体的な適用可否は要確認）。加えて宅建業法上、AIの出力はあくまで下書きであり、重要事項説明の内容確認と最終判断は宅地建物取引士が担う建て付けを崩さないことが前提になります。国土交通省の動きは国交省のAI実証と重説・契約書の実務でも扱っています。

今週から動かせる初動アクション

まず着手しやすいのは、コスト構造を前提にしたプロンプト設計です。キャッシュ済み入力が新規入力の8分の1という価格体系は、社内の定型部分を毎回同じ順序で先頭に置くほど有利になります。重要事項説明書の共通条項や社内チェック観点を固定のプレフィックスにまとめ、物件ごとに変わる情報だけを後ろへ足す構成にしておくと、検証段階から運用コストを抑えられます。長文脈モデルの使い分けはClaude Opus 5の100万トークン文脈と契約書レビューと合わせて比較すると判断しやすくなります。

次に、27Bのウェイト公開に備えた検証環境の下ごしらえです。自社で動かす選択肢を持つと、外部送信を避けたい書類の扱いが一気に楽になります。いきなり本番投入を狙うのではなく、過去の成約済み案件の契約書を使って、既存のクラウド型AIと同じ設問を投げて出力を突き合わせる比較検証から始めるのが現実的です。既存の業務システムとつなぐ設計はMCPで不動産テックの業務システムを接続するが参考になります。

三つ目に、社内ルールの明文化です。どの書類をどのモデルに投入してよいか、個人情報を含む項目をマスキングしてから渡すのか、AI出力を誰が確認して記録に残すのか。この三点を決めないまま現場が個別に使い始めると、後から棚卸しができなくなります。モデルの性能が上がるほど、ガバナンスの整備が遅れているほうがボトルネックになります。

まとめ

Qwen3.8-Maxの一般提供とウェイト公開予告は、フラッグシップ級の長文脈モデルを自社管理下で動かす道筋が見えてきたことを意味します。ただし不動産事業者にとっての現実解は2.4兆パラメータの本体ではなく、同時公開が予告されている27Bのほうです。文脈長とコスト構造を前提にした運用設計と、個人情報の取り扱いルールの整備を先に進めておくことが、公開後に素早く動くための準備になります。

参考文献

※不動産のチカラでは、生成AIの導入支援から運用最適化まで、貴社の不動産事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://fudosannochikara.jp/contact/

引用元: The Decoder

【監修】齋藤竹紘（株式会社オルセル代表 / EC支援19年5,000社超・AIコンサル100社超 / 宅建業免許東京都知事(1)第113520号）