AlibabaのQwenチームがQwen3.8-Omni-Flashを投入した。テキスト、画像、音声、動画を単一ワークフローで扱うネイティブなオムニモーダル型モデルで、100万トークンのコンテキストウィンドウを持ち、前世代に対し30項目の評価で平均26%以上の性能向上を主張している。

ベンチマーク数値以上に、戦略的シグナルの方が重要だ。ネイティブなオムニモーダル機能は、現在企業が音声、画像、テキストの個別モデルから継ぎはぎしているパイプラインを統合する。そして100万トークンのウィンドウは、文書セット全体、会議録音、動画アーカイブを単一のプロンプトに変える。競争の構図はもはやOpenAI対Googleではない。中国の研究機関が積極的なコストと公開性曲線で有能なモデルをリリースし、欧米のフロンティア企業に対し、ミッドティアで急速にコモディティ化しつつある能力についてプレミアム価格を正当化するよう迫っている。今週出回っている「GPT-6 Astra」の噂はこの点を際立たせる。フロンティアは動き続けるが、使用可能な中間層は急速に埋まりつつあり、その中間層こそ大半の本番ワークロードが実際に存在する場所なのだ。

調達側のリスクは、ガバナンスを上回る能力のインフレだ。動画と音声をネイティブに取り込むモデルは、データ所在地から100万トークンのコンテキストに取り込まれる内容まで、攻撃面とコンプライアンス面を拡大する。印象的な評価差分は、ドメインデータでの幻覚挙動や監査可能性についてほとんど語らない。規制産業が損害を被るのはそこだ。

日本企業やSIerにとって、これは研究上の興味ではなく調達の意思決定だ。NTT Data、Fujitsu、NRIのような企業は複数モデル戦略を組み立てており、強力なオープンウェイトのオムニモーダル選択肢は、特にデータを外部に出せないオンプレミスまたはソブリン展開において、構築対購入の計算を再構成する。中国起源のモデルは、信頼、セキュリティ審査、地政学を巡り日本で実質的な調達摩擦を伴うため、実用的な短期価値は価格交渉力としてと、オムニモーダルで長コンテキストのワークロードが今や実行可能という構造的証明として現れる。

より持続的な影響はRPAと国内開発チームに及ぶ。長コンテキスト、マルチモーダルモデルは、UiPathやWinActor時代の脆弱なスクリーンスクレイピング自動化を直接脅かす。文書、フォーム、通話記録をエンドツーエンドで読むモデルは、スクリプト化されたステップの連鎖を置き換えられるからだ。収益が労働集約的なRPA統合に依存する日本のSIerは、これをマージン警告として扱うべきだ。差別化要因はツールの配線からオーケストレーション、評価ハーネス、ドメインデータパイプラインへとシフトする。今モデル非依存の抽象化レイヤーに投資するチームは、各新リリースを再構築ではなくアップグレードとして吸収できるだろう。