Qwen3.8 Max vs Kimi K3：コーディング、Agent、コスト、ルーティング

Main・Challenger・Fallback

万能の勝者は決めません。成功タスク単価、Tool成功率、遅延、Retry、人手修正で判断します。

コーディング：可能性と今試せる経路

QwenはQwen3.8をコーディング、複雑な推論、データ分析、専門業務の大幅な前進と位置づけています。大きな推論Budgetも確認でき、リポジトリ探索、複数ファイル実装、長期計画の候補になります。

Kimi K3の実務上の強みは、EvoLink経由で同じ作業を実行し、利用量、レイテンシ、失敗、コストを今日測れることです。次の試験を同じ入力と判定基準で実施してください。

Token Planの高機能クライアントと、素のKimi API呼び出しを比べて差をすべてモデル由来としないでください。クライアント、ツール、コンテキスト準備、推論設定、Retry方針を記録します。

Agent：ハーネスが結果を変える

QwenのToken PlanにはWeb検索、コードインタープリター、Web抽出などの組み込みツールがあります。KimiはTool Callingを文書化し、長い推論ループで状態を正しく保持する必要があります。これは同一環境ではありません。

測るべき指標は、無介入完了率、無効なTool Call、失敗からの復旧、ループ、介入回数、合格までの時間、欠陥率です。「完了した」だけでは、レビュー担当者の修復コストを隠します。

コンテキスト：上限は入口にすぎない

Kimiは1,048,576トークン、Qwenの現行モデル一覧はToken Plan Previewに1Mトークンを文書化しています。同じ公称サイズでも検索品質や将来のEvoLinkルート制限が同じとは限りません。

64K、256K、512K、実運用最大値の順で試します。既知の根拠を異なる位置に置き、引用を要求し、検索精度、長期指示保持、矛盾、キャッシュ効率を分けて採点します。上限が大きくても通常の入力長で精度が落ちれば価値はありません。

マルチモーダル：入力とGroundingを確認

Qwenは画像理解、Kimiはテキスト・画像・動画入力を文書化しています。UIレビュー、文書解析、グラフ抽出などは重なりますが、契約が同一とは限りません。同じ素材を使い、OCRと推論を分け、視覚根拠を要求し、見落としと捏造を別々に記録します。

Qwen3.8の形式、容量、動画入力、EvoLink上のMedia Pathは、ルート資料が出るまで断定しません。

API準備度：能力ではなく証拠でKimiが先行

これはKimiが常に高性能という証明ではありません。予算化、統合、監視、Rollbackが現在可能だという意味です。

コスト：宣伝Creditsではなく成功タスクを比較

QwenCloudのupstream料金はEvoLink料金ではありません。同じGatewayのLive価格と同一TaskのAccepted Costで比較します。

accepted_task_cost = input + cached_input + output + tools + retries + fallback + reviewer_time

推奨ルーティング方針

Qwen固有機能やOpen Weights方針が重要なら待つ価値があります。一方、安定IDと課金が必要、PreviewのRollbackを運用できない、客への提供約束がQwenの日程に依存する場合は待たずに対応モデルで出荷してください。

Qwen3.8を待つべきケース

Qwenへの標準化が重要で、移行を可逆に保てる場合は待つ価値があります。ただしQwen3.8のAPIテストは本番利用可能なルート公開後に行い、それまではKimi K3を実運用Baselineにします。

Feature一覧ではなく同条件Route Scorecardを使う

Prompt、Context、Tools、権限、Timeout、Retry Budget、Reviewer Rubric、試行回数を同じにします。

Kimi K3はSLO達成中はMainです。Qwen3.8はEvoLink Smoke Test後にChallengerとなり、反復Canaryで明確な利益を示したWorkloadだけMainへ昇格します。Rollback、Rate Limit、Timeout、Parsingを確認するまでKimiまたは別の検証済みRouteをFallbackに残します。

QwenCloud upstream料金は市場Contextであり、EvoLink判断はLive Backend価格を使います。Input、Cache、Output、Tools、Retry、Fallback、Reviewer時間を合計し、Accepted Task数で割ります。

Workload別にRoute Roleを決める

Repository Coding、Document理解、Long-context Retrieval、Visual Grounding、Multi-tool Agentでは別の勝者になり得ます。総合平均だけで一つのModelを全Trafficへ割り当てず、CategoryごとにMain、Challenger、Fallbackを決めます。

各CategoryでAcceptance、Tool Validity、Recovery、p95 Latency、Retry、Human Correction、Accepted-task Costを同じ表に保存します。Model Revision日、Route、Region、Client、Reasoning設定も固定し、Version変更による差を恒久的なModel能力と誤認しないようにします。CanaryではTraffic割合、停止条件、Rollback Owner、監視Windowを事前に定義します。

さらに、成功した最終回答だけでなく、Raw Response、Usage、Tool Log、Retry理由、Fallback先、Reviewerの判定根拠を保存します。Document、Coding、Agent、Visionの各Categoryで複数回実行し、単発成功やLaunch Dayの混雑を恒久的な優劣として扱いません。

よくある質問

Qwen3.8はKimi K3より優れていますか？

断定できる比較証拠はまだ不足しています。両者を同じ出荷環境、同じ作業、同じ判定基準で試してください。

今コーディングに使うならどちらですか？

コンテキストが大きいのはどちらですか？

両方とも公称上限は約1M tokensです。同じ検索品質、出力枠、Media対応、Route動作を意味しません。

安いのはどちらですか？

QwenCloudのupstream料金はEvoLink同士の比較ではありません。両RouteのLive価格と成功タスク単価で判断します。

両方マルチモーダルですか？

モデルレベルでは両方マルチモーダルです。Kimi K3はテキスト・画像・動画、Qwen3.8 MaxはネイティブVision-Languageです。EvoLink Qwen形式はRoute確認が必要です。

Qwen3.8はEvoLinkで使えますか？

Qwen3.8公開後にKimi K3から移行すべきですか？

自動的には移行しません。本番可能なRouteで同一Taskを比較し、品質、Latency、Retry、Cache、成功タスク単価が改善する場合だけ限定Canaryへ進みます。

Agentの信頼性はどう比較しますか？

無介入完了率、Tool Call妥当性、失敗復旧、ループ、介入回数、合格までの時間、欠陥率を同じ権限とBudgetで測ります。

出典

• QwenCloudモデルリリースログ
• Qwen3.8 Max技術リリースとBenchmark
• Qwen Token Plan個人向け概要
• Qwen組み込みツール
• Qwen Chat API
• Qwen Kilo CLI設定
• Kimi K3概要
• Kimi K3料金
• Kimiモデル仕様
• Kimi Tool Callingガイド

次のステップ：Routing比較を実行