Qwen3-Max
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di alcuna dimensione. È accessibile solo tramite il suo fornitore, e nessuna scheda grafica cambia questo..
In registrazione
Specifiche complete
Tutto registrato per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come funziona — contesto utile per valutare quanto lavoro ci sia stato dietro e come si confronta con modelli costruiti su scala differente..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Alibaba
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 5 September 2025
Cosa fa
Le aree problematiche per cui il modello è stato creato. Un modello può gestire diversi di ciascuno.
- Domini
- Language
- Spazio
- Language modeling/generation, Question answering, Mathematical reasoning, Code generation, Quantitative reasoning, Retrieval-augmented generation, Translation
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una data scheda grafica.
- parametri
- 1T
- Dati di addestramento
- 36,000,000,000,000 tokens
MoE architecture
"was pretrained on 36 trillion tokens"
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato l'addestramento, non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 1.5 × 10²⁵ FLOP
- Come è stato stabilito
- 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
Disponibilità
Se puoi ottenere il modello e farlo girare sul tuo hardware, il che decide se alcune delle figure della scheda grafica su questa pagina si applicano.
- Pesi
- Closed — provider access only
- Accesso al modello
- API access
- Codice di addestramento
- Unreleased
Come è classificato
Etichette sui dataset di origine applicate per il tracciamento dei modelli notevoli e quanto è fiduciosa nell'entry.
- Likely above 10²³ FLOP
- Yes
- Perché è tracciato
- Discretionary
- Modello/modelli non si adatta / non si adatterà GPU VRAM. Tight = barely runnable, comodo = runs easily with headroom.
- Speculative
Modello/modelli GPU/AI che può eseguire. Non si adatta / non starà. Stretto = appena eseguibile, comodo = esegue facilmente con margine.
Dove è stato registrato questo record e quando è stato controllato l'ultima volta.
- Modello/modelli GPU può eseguire? Non si adatta / non si adatterà. Limitato = difficilmente eseguibile, comodo = esegue facilmente con margine.
- Introducing Qwen3-Max-Preview (Instruct) — our biggest model yet, with over 1 trillion parameters!
- Ultimo aggiornamento
- 18 December 2025
Cosa significano i numeri
Cosa è questo modello
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.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti e non c'è una versione locale da eseguire.
Addestramento e provenienza
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.
It is tracked in the underlying dataset for one reason in particular: discretionary.
Modeli/modelli sempre significa modelli AI. Esegui/Esplora significa eseguire un modello AI. Non si adatta / non si adatterà significa che il modello AI non si adatta alla VRAM della GPU. Stretto = appena eseguibile, comodo = funziona facilmente con margine. Termini tecnici come GPU, AI, TPS, VRAM, CUDA, Tensor, Inference, Quantization, LoRA, GGUF, FP16, INT4, INT8 rimangono in inglese. GPU, AI, TPS, VRAM, CUDA devono sempre essere in maiuscolo. Se viene chiesto di tradurre il nome di una lingua (ad es. spagnolo, inglese, lingua), tradurre la parola correttamente. SOLO output la traduzione pura in italiano. Nessun commento, nessuna domanda, nient'altro. Se vuoto rispondi con un singolo spazio: Risposte.
Qwen3-Max — modello/modelli può GPU eseguire. non si adatta / non si adatterà. stretto = appena eseguibile, confortevole = esegue facilmente con margine.
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.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina inizia dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che eseguirà, inizia dall'hardware invece.