室谷代表取締役今回はAlibaba（Qwen）のモデルまわりで、けっこう実務的にうれしい話が出てます。Qwen3.8-Maxは、Alibaba（Qwen）が提供するモデルで、GMI Cloud上で無料アクセスできる対象になっているものですね。
テキトー教師DotAI 認定講師そこは正確にしておきたいんですよ。無料開放を「延長した」と告知したのはGMI Cloudであって、モデルを作って提供しているのはAlibaba（Qwen）です。
発表元と提供元を分けて読むのが今回のポイントですね。
発表元と提供元を分けて読むのが今回のポイントですね。
室谷代表取締役そうそう。GMI Cloudが「FREE Qwen 3.8 Max + Flashをさらに7日間延長する」と告知して、しかも3モデル全部のレート制限を引き上げた、と。
あわせて作品コンテストもやるよ、と。
あわせて作品コンテストもやるよ、と。
テキトー教師DotAI 認定講師コンテストは、QwenやWanで作ったものをタグ付きで投稿して、Most creative、Most challenging、Most effort put inの3部門で選ぶ形ですね。各受賞者に現金200ドル＋GMIクレジット200ドルです。
室谷代表取締役現金200ドルとクレジット200ドルって、開発者のモチベーション設計としては素直でいいですよね。MYUUUでもこういう「作ったものを見せる」施策は回してますけど、締切と賞があるだけで提出率がまるで変わるんですよ。
テキトー教師DotAI 認定講師ただ、告知の日付そのものは資料からは読み取れないので、そこは「現時点では明らかにされていません」で止めておきます。ブログ公開日は2026年8月26日と明記されていますが、無料延長の告知と同じタイミングだったかは確認できません。
室谷代表取締役そこ大事ですね。混ぜると事故るので。
Qwen3.8-Maxとは？無料開放とレート制限緩和で何が起きたか
まとめ
Qwen3.8-Maxとは？無料開放とレート制限緩和で何が起きたか
- 今回の発表は2本立て：GMI Cloud側の「無料延長＋レート制限緩和＋コンテスト」と、Alibaba（Qwen）側の「Qwen3.8-Flash-Nextの技術詳細と重み公開」
- Qwen3.8-Maxの種別や仕様は今回の資料に記載がないため断定しない。資料で言えるのは「GMI Cloud上で無料開放の対象になっているモデル」という位置づけまで
- レート制限は組織単位で適用される
- LLMモデルはTPM（毎分トークン数）、動画モデルはRPH（1時間あたりのリクエスト数）が適用される
- デフォルトはTier 1。クレジット購入額に応じてTier 2（50ドル）、Tier 3（500ドル）、Tier 4（1000ドル）へ24時間以内に自動昇格
- バウチャー（voucher）の利用は購入額にカウントされない
- 全モデル共通のTPMはTier 1で1,000,000、Tier 2で3,000,000、Tier 3で50,000,000、Tier 4で100,000,000、Tier 5で300,000,000
- Tier 1からTier 2で3倍、Tier 3で50倍。上限が上がることで検証の回し方が変わる
- 資料には「specific model is subject to adjustments」と注記され、モデルごとに調整される場合がある。表の数字は全モデル共通の枠として読むのがよさそう
- レート制限緩和はGMI Cloudのティア制度の枠組みの中で行われており、無制限になったわけではない
室谷代表取締役まず整理すると、今回の発表は2本立てなんですよ。1本目がGMI Cloud側の「無料延長＋レート制限緩和＋コンテスト」、2本目がAlibaba（Qwen）側の「Qwen3.8-Flash-Nextの技術詳細と重み公開」。
テキトー教師DotAI 認定講師そうですね。で、Qwen3.8-Maxそのものの種別や仕様については、今回の資料に記載がないんですよ。
だから「テキスト系モデルです」みたいに断定しないほうがいい。資料で言えるのは「GMI Cloud上で無料開放の対象になっているモデル」という位置づけまでです。
だから「テキスト系モデルです」みたいに断定しないほうがいい。資料で言えるのは「GMI Cloud上で無料開放の対象になっているモデル」という位置づけまでです。
室谷代表取締役ここ、検索で来る人は「Qwen3.8-Maxとは何か」を知りたいはずなので、正直に線を引くのが誠実ですよね。資料にないことは書かない。
テキトー教師DotAI 認定講師レート制限のほうは、GMI Cloudのドキュメントで仕組みが説明されています。TPM（毎分トークン数）がLLMモデル、RPH（1時間あたりのリクエスト数）が動画モデルに適用される、と。
室谷代表取締役なるほど、動画はリクエスト数で縛るんですね。で、ティア制があって、購入額に応じて自動で上がっていく。
テキトー教師DotAI 認定講師整理するとこうです。
- レート制限は組織単位で適用される
- LLMモデルはTPM（Tokens per Minute）、動画モデルはRPH（Requests per Hour）
- デフォルトはTier 1
- クレジット購入額に応じてTier 2（50ドル）、Tier 3（500ドル）、Tier 4（1000ドル）へ24時間以内に自動昇格
- バウチャー（voucher）の利用は購入額にカウントされない
- 全モデル共通のTPMはTier 1で1,000,000、Tier 2で3,000,000、Tier 3で50,000,000、Tier 4で100,000,000、Tier 5で300,000,000
室谷代表取締役Tier 1からTier 2で3倍、Tier 3で50倍ですからね。ここが緩むと、検証の回し方が根本的に変わるんですよ。
うちでも無料枠で試作して、いけそうなら課金に切り替える流れが多いので、上限が上がるのは素直に助かります。
うちでも無料枠で試作して、いけそうなら課金に切り替える流れが多いので、上限が上がるのは素直に助かります。
テキトー教師DotAI 認定講師資料には「specific model is subject to adjustments」、つまりモデルごとに調整される場合があると注記されています。表の数字は全モデル共通の枠として読むのがよさそうです。
室谷代表取締役あと、このレート制限緩和はGMI Cloudのティア制度の枠組みの中で行われている、という整理ですね。無制限になったわけではない。
Qwen3.8-Max・Qwen3.8-Flash・Wan3.0でできること
Qwen3.8-Max・Qwen3.8-Flash・Wan3.0でできること
Qwen3.8-Flash
- 本番版はデフォルトで100万トークンのコンテキスト
- 公式の組み込みツールを備える
- QwenCloud上でQwen3.8-Flashとして提供
- 料金: 入力100万トークンあたり0.15ドル
- 料金: 出力100万トークンあたり0.47ドル
- 技術的基盤はQwen3.8-Flash-Next
Wan3.0
- 資料に種別の記載がない
- 「動画生成モデル」と断定できる記述は資料にない
- 言えるのはGMI Cloudのレート制限の一般論まで(動画モデルはRPHで制限)
- 種別は資料外の補足として明示するのが正解
室谷代表取締役対象は3つ。Qwen3.8-Max、Qwen3.8-Flash、そしてWan3.0です。
テキトー教師DotAI 認定講師ここも正確に。Wan3.0について、資料には種別の記載がないんですよ。
「動画生成モデル」と断定できる記述は資料にはありません。言えるのは、GMI Cloudのレート制限の仕組みとして動画モデルがRPHで制限される、という一般論までです。
「動画生成モデル」と断定できる記述は資料にはありません。言えるのは、GMI Cloudのレート制限の仕組みとして動画モデルがRPHで制限される、という一般論までです。
室谷代表取締役そうなんですよね。だから「Wan3.0は動画生成モデルで、RPHで制限がかかる」とセットで書くと、資料を超えちゃう。
種別は資料外の補足だ、と明示するのが正解です。
種別は資料外の補足だ、と明示するのが正解です。
テキトー教師DotAI 認定講師一方で、Qwen3.8-Flashについては公式ブログでかなり具体的に書かれています。本番版はデフォルトで100万トークンのコンテキストを持ち、公式の組み込みツールを備え、QwenCloud上でQwen3.8-Flashとして提供される。
料金は入力100万トークンあたり0.15ドル、出力100万トークンあたり0.47ドルです。
料金は入力100万トークンあたり0.15ドル、出力100万トークンあたり0.47ドルです。
室谷代表取締役0.15ドルと0.47ドル。ここは公式に明記されている数字なので、そのまま押さえておきましょう。
テキトー教師DotAI 認定講師で、このQwen3.8-Flashの技術的基盤がQwen3.8-Flash-Nextです。つまり「無料で試せるモデル」と「その裏側のアーキテクチャ」が同時に公開された、という構図ですね。
室谷代表取締役この構図、地味にすごくて。表で使えるものが出て、その中身の設計思想も読める。
研究と実務が同じ週に来るのはありがたいです。
研究と実務が同じ週に来るのはありがたいです。
テキトー教師DotAI 認定講師ちなみにAlibaba（Qwen）の過去のリリースについては、Alibaba、Qwen3.8プレビュー公開「Claude Fable 5に次ぐ」2.4兆パラメータでも整理しています。シリーズの流れを追うならこちらもどうぞ。
Qwen3.8-Maxの使い方・始め方——GMI Cloudで無料アクセスする手順
まとめ
GMI CloudでQwen3.8-Maxを無料で使うために押さえる前提
- 無料アクセスの提供元はGMI Cloud、モデルの提供元はAlibaba（Qwen）
- 基本の流れは、GMI Cloudのアカウント作成 → APIキー発行 → モデル名を指定して叩く
- APIのレート制限は組織単位で適用され、デフォルトはTier 1
- クレジット購入でTierが自動的に上がる（Tier 2は50ドル、24時間以内）
- 429（レート制限超過）への対応が必要になる場面がある
- 動画系はRPH、LLM系はTPMで管理される
- 無料枠で並列に投げると跳ね返るため、リトライとバックオフを最初から入れておく
- 無料期間中は本番で使うプロンプトの当たりを取り、延長された7日間で自分のユースケースで精度が出るかを見切る
室谷代表取締役で、実際どうやって触るのか。ここが一番知りたいところですよね。
テキトー教師DotAI 認定講師資料から確実に言えるのは、GMI Cloud上で無料アクセスが提供されている、という点です。GMI CloudはサーバーレスAPIから専用GPUまで提供するAI推論向けのクラウド基盤で、APIのレート制限は組織単位でかかります。
室谷代表取締役つまり、GMI Cloudのアカウントを作って、APIキーを発行して、モデル名を指定して叩く、というのが基本の流れですね。
テキトー教師DotAI 認定講師そこまでが資料で裏付けられる範囲です。具体的な画面操作の手順やエンドポイントのURLは、今回の資料には書かれていません。
室谷代表取締役そうですね。だから「コンソールのどこをクリック」みたいな話は書かない。
代わりに、押さえるべき前提だけ整理しておくのが親切です。
代わりに、押さえるべき前提だけ整理しておくのが親切です。
テキトー教師DotAI 認定講師整理するとこうです。
- 無料アクセスの提供元はGMI Cloud、モデルの提供元はAlibaba（Qwen）
- レート制限は組織単位で適用され、デフォルトはTier 1
- クレジット購入でTierが自動的に上がる（Tier 2は50ドル、24時間以内）
- 429（レート制限超過）への対応が必要になる場面がある
- 動画系はRPH、LLM系はTPMで管理される
室谷代表取締役429のハンドリング、地味に大事なんですよ。無料枠で一気に並列で投げると普通に跳ね返るので、リトライとバックオフを最初から入れておく。
これだけで検証が止まらない。
これだけで検証が止まらない。
テキトー教師DotAI 認定講師講座でも、まず「制限に当たったときにどう振る舞うか」を設計してからコードを書きましょう、と伝えています。受講生さんが最初にハマるのがだいたいここなんですよ。
室谷代表取締役あと、無料期間中にやるべきは「本番で使うプロンプトの当たりを取る」ことですね。延長された7日間で、自分のユースケースで精度が出るかを見切る。
これが一番コスパいい。
これが一番コスパいい。
料金と提供範囲——無料期間はいつまで？日本から使える？
室谷代表取締役ここは誤解が生まれやすいので丁寧にいきたい。まず、無料開放が「7日間延長」された、というのがGMI Cloudの告知です。
テキトー教師DotAI 認定講師ただし、延長後の終了日がいつなのかは資料に書かれていません。「7 more days」とあるだけで、起点の日付が示されていないんですよ。
室谷代表取締役なので「いつまで無料か」は、現時点では明らかにされていません、と正直に書くしかないですね。ここを推測で埋めると、あとで読者が困る。
テキトー教師DotAI 認定講師料金について資料で確定しているのは、Qwen3.8-Flashの本番版が入力100万トークンあたり0.15ドル、出力100万トークンあたり0.47ドル、という点です。これはQwenCloud上での提供価格として公式ブログに明記されています。
室谷代表取締役で、GMI Cloud側の課金はティア制。購入額がそのまま上限に効いてくる構造ですね。
テキトー教師DotAI 認定講師日本から使えるかどうかについては、今回の資料に地域制限の記載はありません。だから「日本から使える」とも「使えない」とも書けない。
ここも現時点では明らかにされていません、です。
ここも現時点では明らかにされていません、です。
室谷代表取締役そうですね。GMI Cloudのドキュメントには、GPUリージョンが北米・欧州・アジアパシフィックにまたがるという記述がありますが、これはGPUの話であって、今回の無料枠の提供地域を定めたものではない。
混ぜないほうがいい。
混ぜないほうがいい。
テキトー教師DotAI 認定講師その通りです。資料のスコープを守る、というのが今回いちばん問われるところですね。
Qwen3.8-Flash-Nextの中身——125B・6BアクティブのMoEと100万トークン対応
室谷代表取締役ここからが技術的に一番おいしいところです。Qwen3.8-Flash-Nextは、Alibaba（Qwen）が2026年8月26日に公式ブログで詳細を公開したモデルで、Qwen4で使われるアーキテクチャの早期プレビューという位置づけです。
テキトー教師DotAI 認定講師役割としては、Qwen3-NextがQwen3.5に対して果たしたのと同じだ、と公式が説明しています。当時導入されたGated DeltaNet＋Gated Attentionのハイブリッド設計が、その後Qwen3.5、3.6、3.7、3.8シリーズで使われてきた。
今回はその次の変更を先に出して、コミュニティがQwen4本体の前に検証できるようにした、という流れです。
今回はその次の変更を先に出して、コミュニティがQwen4本体の前に検証できるようにした、という流れです。
室谷代表取締役この「先に設計だけ出す」やり方、研究開発の進め方としてかなり合理的なんですよ。手戻りが減る。
テキトー教師DotAI 認定講師スペックを整理するとこうです。
- メインモデル125Bパラメータ、うち1トークンあたり6Bを活性化
- さらに51BのN-gram埋め込みを追加
- ネイティブで262,144トークンのコンテキスト、YaRNで1,000,000トークンまで拡張可能
- Qwen3.7-Plus比で学習コストは約1/9
- 重みはHugging FaceとModelScopeで公開済み
- 本番版はQwen3.8-FlashとしてQwenCloudで提供、入力0.15ドル／出力0.47ドル（100万トークンあたり）
室谷代表取締役125Bで6Bしか動かさない、というMoEの設計ですね。で、N-gram埋め込みの51Bはホストメモリに置けて、非同期プリフェッチで計算と重ねられる。
GPUメモリを常時占有しない、というのがポイントだと。
GPUメモリを常時占有しない、というのがポイントだと。
テキトー教師DotAI 認定講師そうなんですよ。N-gram埋め込みは、現在のトークンと直前のいくつかのトークンで作られる局所的な文脈を使ってテーブルを引く。
標準の埋め込みが単一トークンで引くのに対する違いですね。1トークンあたりの追加計算がほとんど増えずにパラメータを増やせる。
ネットワークのごく前半に1層だけ置く、と説明されています。
標準の埋め込みが単一トークンで引くのに対する違いですね。1トークンあたりの追加計算がほとんど増えずにパラメータを増やせる。
ネットワークのごく前半に1層だけ置く、と説明されています。
室谷代表取締役注意機構のほうはどうなってるんですか。
テキトー教師DotAI 認定講師4層のうち3層がGated DeltaNet（GDN）で、履歴を固定サイズの状態に圧縮する。残りの1層がグローバルAttentionで、全コンテキストから正確に情報を取り出す。
公式は「GDNが効率的に覚え、QSAが正確に取り出す」と表現しています。
公式は「GDNが効率的に覚え、QSAが正確に取り出す」と表現しています。
室谷代表取締役QSAはQwen Sparse Attentionですね。
テキトー教師DotAI 認定講師はい。既存のスパースAttentionはトークン単位のインデクサーで重要位置を特定しますが、コンテキストが伸びるとインデクサー自体の計算が無視できなくなる。
QSAはそこをさらに圧縮して、まず軽量なインデクサーで系列をマイクロブロックに集約し、ブロック単位で重要度を見積もってから、関連領域を選んでAttentionする。インデックス作成のオーバーヘッドも減る、という説明です。
QSAはそこをさらに圧縮して、まず軽量なインデクサーで系列をマイクロブロックに集約し、ブロック単位で重要度を見積もってから、関連領域を選んでAttentionする。インデックス作成のオーバーヘッドも減る、という説明です。
室谷代表取締役で、数字がまた強い。
テキトー教師DotAI 認定講師1Mトークン時で、QSAのAttentionカーネルがPrefillで最大7.6倍、Decodeで最大4.9倍の高速化。さらに90%のプレフィックスキャッシュヒット率というオンライン配信を想定した実験で、1Mトークン文脈においてQwen3.7-Plusの8.6倍のPrefillスループットを達成したと報告されています。
室谷代表取締役プレフィックスキャッシュのヒット率90%って、実サービスだとかなり現実的な数字なんですよ。同じシステムプロンプトを使い回す構成なら普通に届く。
だからこの条件での8.6倍は、絵空事じゃなくて実運用に近い。
だからこの条件での8.6倍は、絵空事じゃなくて実運用に近い。
テキトー教師DotAI 認定講師残差の設計も面白いです。Gated Residualは残差ストリームを4本の並列ブランチに広げて、内容に応じて動的にゲートで読み書きを制御する。
Hyper-Connectionの考え方に、GatedNormの要素ごとの動的ゲーティングを残差の読み出しに取り込んだ形ですね。
Hyper-Connectionの考え方に、GatedNormの要素ごとの動的ゲーティングを残差の読み出しに取り込んだ形ですね。
室谷代表取締役4本に分けると、局所的な情報を扱う枝と、初期の情報を深い層まで直接持ち上げる枝に役割が分かれる。実験的には、そのうち1本が最初のAttention層と中間以降のほとんどの層をつなぐ長距離経路として自然に立ち上がった、と。
テキトー教師DotAI 認定講師そこが興味深いんですよ。設計者が「この枝は長距離用」と決めたわけじゃなくて、学習の結果そうなった。
構造が機能を引き出した例ですね。ゲートは活性化の外れ値を抑えて学習を安定させる役割もあり、残差状態はFP8で保存できるのでメモリアクセスのオーバーヘッドも下がります。
構造が機能を引き出した例ですね。ゲートは活性化の外れ値を抑えて学習を安定させる役割もあり、残差状態はFP8で保存できるのでメモリアクセスのオーバーヘッドも下がります。
室谷代表取締役最適化はMuonですか。
テキトー教師DotAI 認定講師はい。Attention、GDN、MoEエキスパートの主 weights のような2次元線形写像として本当に機能するパラメータにはMuonを使い、埋め込み、MoEルーター、Gated Residualの低ランクパラメータはAdamWを継続。
実装上融合されているQKV、SwiGLU、GDNの射影は、まず独立した線形変換ごとに分割してから個別に直交化する。
実装上融合されているQKV、SwiGLU、GDNの射影は、まず独立した線形変換ごとに分割してから個別に直交化する。
室谷代表取締役で、スケーリング則を新しいアーキテクチャとオプティマイザ向けに再フィットした、と。
テキトー教師DotAI 認定講師その結果、より大きな学習率とバッチサイズを安定して使えるようになり、収束効率と大規模並列学習のスループットが上がった。さらに、大規模学習でよく使われるBatch Size Warmupが不要になったと報告されています。
小さいバッチから目標バッチへ徐々に上げても最終結果は改善せず、むしろオプティマイザのステップが18.8%増えるだけだったので、最終的なレシピでは最初から目標バッチサイズで始める、と。
小さいバッチから目標バッチへ徐々に上げても最終結果は改善せず、むしろオプティマイザのステップが18.8%増えるだけだったので、最終的なレシピでは最初から目標バッチサイズで始める、と。
室谷代表取締役18.8%のステップ増は大きいですよ。同じ計算予算でそれだけ無駄が出る。
実務的には「慣習を疑う」というメッセージとして読めますね。
実務的には「慣習を疑う」というメッセージとして読めますね。
テキトー教師DotAI 認定講師あとはUltra-sparse MoE。グローバルなロードバランシングのもとで、活性化するエキスパート数を固定したまま総エキスパートパラメータを増やすと、学習損失が着実に下がる。
だから大きなエキスパートプールを持ち、1トークンあたりのルーティング先は少数、加えて共有エキスパートを1つ置く構成です。
だから大きなエキスパートプールを持ち、1トークンあたりのルーティング先は少数、加えて共有エキスパートを1つ置く構成です。
室谷代表取締役Multi-Token Predictionも入ってますよね。
テキトー教師DotAI 認定講師はい。MTPモジュールを複数ステップで学習させ、学習と推論の整合性を保つことで、実シナリオでの投機的デコーディングの受理率を上げ、バックボーンの性能も高める。
そのフルAttention層もQSAに置き換えられている、と。
そのフルAttention層もQSAに置き換えられている、と。
室谷代表取締役学習安定性の工夫はQwen3-Nextから続くものが多いんですか。
テキトー教師DotAI 認定講師ゼロ中心のRMSNormにノルム重みへのweight decay、Attention出力のゲーティング機構、正規化されたMoEルーター初期化が維持されています。小規模なアブレーションの信頼性が上がり、大規模学習が円滑に進む、という説明です。
室谷代表取締役ベンチマークも公式が出してますよね。ここは数字を正確に拾いたい。
テキトー教師DotAI 認定講師主要なものを挙げると、Agentic codingのSWE-bench Proが62.5、DeepSWE 1.1が58.7、多言語ソフトウェア工学のSWE-bench Multilingualが81.0、リポジトリレベルのNL2Repo-Benchが48.1。エージェント系では長期オフィス作業のCoWorkBenchが73.9、専門職タスクのJobBenchが55.7、実世界ツール利用のToolathlon Verifiedが73.5。
室谷代表取締役一般能力だとIFBenchが81.3、GPQA Diamondが91.7、HLEが35.9、LiveCodeBench v6が91.9ですね。
テキトー教師DotAI 認定講師マルチモーダル側では、AndroidWorldが84.5、OSWorld 2.0がbinary 19.4／partial 52.3、Vision2Webが64.0、ERQAが72.3、LVBenchが76.6、RealWorldQAが88.5、MathVisionがCIなし90.6／CIあり95.7、CharXiv（RQ）がCIなし84.6／CIあり90.6です。
室谷代表取締役ここで注意したいのが、比較表に他社モデルの数字が並んでいる点です。公式が出している表なので、そこに載っている数値をそのまま引用するのは問題ない。
ただ、そこから「だから○○より上」といった優劣の断定を我々が足すのはやめたい。
ただ、そこから「だから○○より上」といった優劣の断定を我々が足すのはやめたい。
テキトー教師DotAI 認定講師そうですね。表の注記も含めて正確に扱うべきです。
たとえばHLEはGPT-4oで判定、SWE-bench ProはClaude-Opus-4.6（Max）だけ公式公表値を用い、それ以外はClaude Codeハーネスで評価、といった条件が細かく書かれています。条件を落として数字だけ独り歩きさせると誤読を生みます。
たとえばHLEはGPT-4oで判定、SWE-bench ProはClaude-Opus-4.6（Max）だけ公式公表値を用い、それ以外はClaude Codeハーネスで評価、といった条件が細かく書かれています。条件を落として数字だけ独り歩きさせると誤読を生みます。
室谷代表取締役ベンチマークは条件込みで読む。これ、講座でも毎回言ってますよね。
テキトー教師DotAI 認定講師言ってます（笑）。受講生さんが「この数字すごいですね」と持ってきたときに、まず評価条件を確認しましょうと返すようにしています。
作品コンテストの応募方法と賞金の中身
室谷代表取締役最後にコンテスト。ここは実利があるので具体的に。
テキトー教師DotAI 認定講師GMI Cloudの告知によると、QwenやWanで何か作った人は、GMI CloudとAlibaba_Qwen、またはAlibaba_Wanをタグ付けして投稿する。そこから3名を選ぶ、という流れです。
室谷代表取締役選考基準が3つあって、Most creative、Most challenging、Most effort put in。要は「創造性」「難易度」「かけた労力」ですね。
テキトー教師DotAI 認定講師賞品は各受賞者に現金200ドルとGMIクレジット200ドルです。
室谷代表取締役クレジット200ドルは、さっきのティア制と組み合わせると効いてくるんですよ。Tier 2が50ドル購入で昇格ですから、200ドル分のクレジットがあればTPM上限が3,000,000の枠で開発できる。
ただし注意点として、ドキュメントにはバウチャーの利用は購入額にカウントされないと書かれています。
ただし注意点として、ドキュメントにはバウチャーの利用は購入額にカウントされないと書かれています。
テキトー教師DotAI 認定講師そこは重要ですね。クレジットやバウチャーが自動的にティア昇格に効くとは限らない、と。
手動での昇格相談はサポート窓口に連絡する形が案内されています。
手動での昇格相談はサポート窓口に連絡する形が案内されています。
室谷代表取締役応募の締切や審査のスケジュールは資料に書かれていないので、そこは現時点では明らかにされていません、ですね。
テキトー教師DotAI 認定講師はい。ただ、タグ付けの宛先が明示されているので、参加のハードル自体は低い。
作ったものを見せる、というだけですから。
作ったものを見せる、というだけですから。
室谷代表取締役うちの経験だと、こういうコンテストは「動くものを出す」だけでかなり有利なんですよ。完成度より、動いていることと、何を狙ったかが伝わること。
テキトー教師DotAI 認定講師教育の立場から言うと、締切のある課題は学習効率が段違いなんですよ。講座でも「作りかけを公開する」という課題を出すと、受講生さんの伸びが明らかに変わります。
室谷代表取締役まさにそれ。で、今回みたいに無料枠が延長されてレート制限も緩むと、その「作りかけを公開する」までの距離が縮まる。
環境が整うと行動が変わるんですよね。
環境が整うと行動が変わるんですよね。
テキトー教師DotAI 認定講師まとめると、今回の発表は「今すぐ試せる環境」と「その中身の設計思想」が同時に来た回でした。無料期間の終了日や日本からの利用可否など、資料で確認できない部分は明示して伝える。
そこを曖昧にしないのが、速報を読む側にとってもいちばん安全です。
そこを曖昧にしないのが、速報を読む側にとってもいちばん安全です。
室谷代表取締役そうですね。まずはGMI Cloudで触ってみて、自分のユースケースで当たりを取る。
7日間の延長は、そういう試行錯誤のために使うのが一番おいしいと思います。
7日間の延長は、そういう試行錯誤のために使うのが一番おいしいと思います。
よくある質問
Q. Qwen3.8-Maxとは何ですか？
A. Alibaba（Qwen）が提供するモデルで、GMI Cloud上で無料アクセスできる対象になっているものです。今回の資料には、Qwen3.8-Maxの種別やパラメータ数などの仕様は記載されていません。
Q. Qwen3.8-Maxは無料で使えますか？
A. GMI CloudがQwen3.8-MaxとQwen3.8-Flashの無料アクセスを7日間延長すると告知しています。延長後の終了日は資料に示されていないため、現時点では明らかにされていません。
Q. レート制限はどう変わりましたか？
A. GMI Cloudが3モデルすべてのレート制限を引き上げたと告知しています。同社のドキュメントでは、LLMモデルはTPM、動画モデルはRPHで組織単位に制限され、購入額に応じてTier 1からTier 5まで自動昇格する仕組みが説明されています。全モデル共通のTPMはTier 1で1,000,000、Tier 2で3,000,000、Tier 3で50,000,000、Tier 4で100,000,000、Tier 5で300,000,000です。
Q. Qwen3.8-Flashの料金はいくらですか？
A. 公式ブログによると、本番版はQwenCloud上でQwen3.8-Flashとして提供され、入力100万トークンあたり0.15ドル、出力100万トークンあたり0.47ドルです。
Q. Qwen3.8-Flash-Nextのスペックを教えてください。
A. 125Bパラメータのメインモデルに51BのN-gram埋め込みを加え、1トークンあたり6Bを活性化するMoE構成です。ネイティブで262,144トークンのコンテキストに対応し、YaRNで1,000,000トークンまで拡張できます。Qwen3.7-Plus比で学習コストは約1/9と報告されています。
Q. 重みは公開されていますか？
A. はい。Qwen3.8-Flash-Nextの重みはHugging FaceとModelScopeで公開されています。
Q. ローカル環境で動かせますか？
A. 重みは公開されていますが、必要なメモリ量や実行手順の詳細は今回の資料には記載されていません。現時点では明らかにされていません。
Q. コンテストの応募方法と賞金は？
A. GMI CloudとAlibaba_Qwen、またはAlibaba_Wanをタグ付けして、QwenやWanで作った作品を投稿します。Most creative、Most challenging、Most effort put inの3部門で各1名が選ばれ、現金200ドルとGMIクレジット200ドルが贈られます。締切や審査スケジュールは資料に記載がなく、現時点では明らかにされていません。
Q. 日本から使えますか？
A. 今回の資料には提供地域に関する記載がないため、現時点では明らかにされていません。
