Qwen3 Max Thinking
4824°
Qwen | 262,144トークンコンテキスト | 入力$0.78/M、出力$3.90/M。Qwen3-Max-ThinkingはQwen3シリーズのフラッグシップ推論モデルで、深く多段階の推論を必要とする重要な認知タスク向けに設計されています。モデル容量と強化学習の計算を大幅に拡大することで、...
このモデルのガイド
2026年10月のAIモデルの選び方:クローズドソースの最新情報とダウンロードすべきオープンウェイトモデル
オープンウェイト、オープンソース、API専用:実際に何ができるのか
GGUFファイルとは?量子化モデルの解説(Q4、Q8、fp8、NF4)
キャプテンのメモ
2026-10-13のメモ
Qwen3 Max ThinkingはAlibabaのQwenフラッグシップ推論モデルで、浅い回答では対応できない複雑な多段階問題や難解な数学、回答前により多くの計算を要するタスク向けに設計されています。262,144トークンのコンテキストウィンドウで動作し、APIのみで提供されます。Qwen3シリーズの最上位モデルが必要で、出力トークンに対して料金を支払う意志があるなら、これが最適です。
得意分野
- Qwen3シリーズのフラッグシップで、最大限の推論深度にスケールされている
- 262,144トークンのコンテキストで非常に長い文書や思考の連鎖を処理可能
- 多段階認知タスクを目指した強化学習トレーニング
- 推論モードが組み込みで、後付けではない
注意点
- APIのみで提供され、重みは非公開のためローカル実行やセルフホスティング不可
- 長い推論過程では出力が$3.90/Mトークンと高額になる
- パラメータ数や詳細なベンチマーク結果は公開されていない
試してみるプロンプト
多段階論理パズル
5人の研究者が同じ研究室を共有しています。アリスはボブより先に到着しますがキャロルより後です。ダナは最後に到着します。イヴはボブより先に到着しますがアリスより後です。5人全員の到着順をリストアップし、各推論ステップを示し、制約が曖昧さを残すステップにはフラグを付けてください。
難解な数学的証明
1より大きい任意の整数nについて、nの5乗からnを引いた数は常に30で割り切れることを証明してください。各ステップを完全に説明し、証明がn=2,3,6で成り立つことを検証してください。
リサーチ総合
金融台帳システムにイベントソーシングアーキテクチャを採用するかどうか検討しています。整合性、監査可能性、運用の複雑さ、クエリパターンの主要なトレードオフを整理し、イベントソーシング未経験の4人のエンジニアチームに対して合理的な推奨を示してください。
比較する
- Qwen3 30B A3B Thinking 2507API専用モデル81,920トークンのコンテキスト · $0.20/M 入力、$2.40/M 出力
- Qwen3 VL 32B InstructAPI専用モデル131,072トークンのコンテキスト · $0.10/M 入力、$0.42/M 出力
- Qwen3.5 Plus 2026-04-20API専用モデル1,000,000トークンのコンテキスト · $0.30/M 入力、$1.80/M 出力
- Qwen3 8BAPI専用モデル131,072トークンのコンテキスト · $0.12/M 入力、$0.45/M 出力
qwenの他のテキストモデル
よくある質問
- Qwen3 Max Thinkingをローカルで実行できますか?
- いいえ。重みは公開されておらずAlibabaもリリースしていないため、APIアクセスのみです。
- 料金はいくらでコンテキストはどのくらいですか?
- 入力トークンは100万あたり0.78ドル、出力トークンは100万あたり3.90ドルで、262,144トークンのコンテキストウィンドウがあります。
- 他のQwen3モデルと何が違いますか?
- Qwen3シリーズの最上位で、より大きなモデル容量と多段階推論タスクに特化した強化学習計算が施されています。
キャプテンの評価Qwen3シリーズの難解な推論作業向けの最上位モデルですが、出力コストが高いため長い推論過程は実費がかかります。
キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
このスコアの計算方法
このモデルはまだどのソースからも人気データがないため、リストを完全に保つために7,000°未満の仮の数値が割り当てられています。データのあるモデルより上位には決してなりません。内訳はソースが報告次第ここに表示されます。
用語集:ここで使われている用語
- ヒートスコア
- モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
- フロア
- 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
- ダウンロード相当数
- スコアがダウンロードとして扱うすべてのものを合計:ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
- 対数スケール
- 1ずつではなく10ずつ数えます:1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
- いいね
- すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
- 普及率
- 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
- 測定済みと推定
- 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
- シーダー
- トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
- AI Horde
- 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
- 生成サイト
- PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
- OpenRouterトークン
- ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典:OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
- 完全モデル(チェックポイント)
- 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
- LoRAと埋め込み
- 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
- ファミリーと重み
- モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
- 年齢
- ファミリーの重みがリリースされてからの経過時間に応じて減点されます:1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
- ファミリーブースト
- このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
- 代替スコア
- まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
- 新着!(猶予期間)
- 7日未満の新しいモデルはスコアの代わりに「新着!」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
- トレンド
- ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
- 典型的なモデル
- カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。
