Qwen3-Max
No estimate
No se requieren requisitos de hardware para este modelo.
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware de ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica cambia eso..
En registro
Especificación completa
Todo lo registrado para este modelo. La mayor parte describe cómo fue entrenado más que cómo se ejecuta, un contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
¿Quién construyó este modelo, dónde y cuándo se publicó?
- Organización
- Alibaba
- Tipo de organización
- Industry
- País
- China
- Publicado
- 5 September 2025
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation, Question answering, Mathematical reasoning, Code generation, Quantitative reasoning, Retrieval-augmented generation, Translation
Tamaño
Qué tan grande es el modelo y cuánta data fue entrenada. Los parámetros son la cifra que decide si se ajusta a una GPU dada.
- Parámetros
- 1T
- Espacio entrenado
- 36,000,000,000,000 tokens
MoE architecture
"was pretrained on 36 trillion tokens"
Cálculo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de cuán rápido responde el modelo terminado.
- Cálculo de entrenamiento
- 1.5 × 10²⁵ FLOP
- Cómo se estableció
- Operation counting
6ND with: 36T tokens is taken from the qwen3 technical report 70B active params is based on it having >1T params, and the architectures of Qwen3-235B-A22B and Qwen3-Coder-480B-A35B
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la tarjeta gráfica en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- API access
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán seguro está de la entrada.
- Probablemente más de 10²³ FLOP
- Yes
- Por qué se rastrea
- Discretionary
- Modelo/modelos siempre significa modelos de IA. Ejecutar/ejecutando significa ejecutar un modelo de IA. Si solo obtienes la palabra ejecutar, es probable que provenga de una frase dividida, como qué modelo de IA puede ejecutar la GPU. no cabe/no encajará significa que el modelo de IA no cabe en la VRAM de la GPU. apretado = apenas ejecutable, cómodo = se ejecuta fácilmente con margen.
- Speculative
Fuentes
Dónde proviene este registro y cuándo se verificó por última vez.
- Referencia
- Introducing Qwen3-Max-Preview (Instruct) — our biggest model yet, with over 1 trillion parameters!
- Última actualización
- 18 December 2025
Qué significan los números
Qué es este modelo
Qwen3-Max was published by Alibaba, in China, in September 2025. industry is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling/generation, Question answering, Mathematical reasoning, Code generation, Quantitative reasoning, Retrieval-augmented generation, Translation.
Este es un modelo cerrado: los valores entrenados se quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
Training it took roughly 1.5 × 10²⁵ FLOP of computation — a measure of what producing the model cost, not of how fast it answers.
Around 36,000,000,000,000 tokens went into training it.
Se rastrea en el conjunto de datos subyacente por una razón en particular: discrecional.
Respuestas
Qwen3-Max — Preguntas comunes
Who created Qwen3-Max?
Qwen3-Max was published by Alibaba, based in China, categorised as industry.
When was Qwen3-Max released?
Qwen3-Max was published in September 2025.
What is Qwen3-Max used for?
Qwen3-Max works in Language, and is recorded as handling language modeling/generation, Question answering, Mathematical reasoning, Code generation, Quantitative reasoning, Retrieval-augmented generation, Translation. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train Qwen3-Max?
Around 1.5 × 10²⁵ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run Qwen3-Max?
None. Qwen3-Max is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Qwen3-Max open source?
No. Qwen3-Max has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Qwen3-Max have?
Qwen3-Max has 1T parameters. MoE architecture. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
El otro camino
¿Viéndolo desde el otro lado?
Esta página comienza desde el modelo. Si ya tienes una tarjeta y quieres saber todo lo que puede ejecutar., iniciar desde el hardware.