Qwen3 Max — 独自のフラッグシップチャットモデル、256kコンテキスト、思考モード + 関数呼び出し
Qwen3 Maxは、AlibabaのQwenチームによるMixture-of-Experts (MoE) 言語モデルです。拡張コンテキストと深い推論を必要とする高容量タスク向けに設計されています。このモデルはテキストのみの入力を受け付け、262,144トークンのコンテキストウィンドウをサポートしており、長文書、書籍、マルチターンの会話を一度に処理できます。最大出力は65,536トークンです。Qw…
Qwen3 Maxは、大量のテキストに対して精密な推論を必要とするタスクで優れた性能を発揮します。262kのコンテキストウィンドウにより、書籍全体や研究論文、コードベースを分割せずに処理できます。MoEアーキテクチャにより、各入力に対して関連するエキスパートサブネットワークのみを活性化するため、同程度の総パラメータ数を持つ高密度モデルと比較して計算コストを削減できます。このモデルは、57科目にわたる大学院レベルの知識を評価するベンチマークMMLU-Proで84.1を記録しています。これは、強力な事実想起能力と多段階推論能力を示唆しています。Qwen3 Maxは、複雑な指示に従うこと、首尾一貫した長文テキストを生成すること、JSON生成などの構造化出力タスクを実行することも可能です。システムプロンプトをサポートし、長い会話にわたって一貫したペルソナを維持できます。
Qwen3 Maxには優れた能力がありますが、すべてのタスクでそのフル性能が必要とは限りません。簡単な分類、抽出、小規模テキストの要約といった短い汎用的なクエリでは、Qwen3-8BやGPT-4o-miniのようなより小さなモデルでも、低コストかつ低レイテンシで同等の結果が得られることがあります。コンテキストが数千トークン未満であったり、推論の複雑さが低いタスクでは、Qwen3 Maxは過剰です。また、アプリケーションがレイテンシに敏感で、MoEのオーバーヘッドが顕著な場合、高密度の小型モデルの方が応答が速い可能性があります。OrcaRouterはさまざまなモデルを組み合わせて利用できるため、タスクの要求に応じてQwen3 Maxのみを使用することで、コストと速度の両方を最適化できます。リクエストのサンプルでワークロードをプロファイリングすれば、コストの分岐点を把握することができます。
262,144トークンのコンテキストウィンドウを備えたQwen3 Maxは、『三体』三部作の全文または400ページの企業レポートにほぼ相当するシーケンスを、1回のフォワードパスで処理できます。MoEアーキテクチャは本質的にコンテキスト長を制限するものではなく、モデルは128kを超える位置を処理するためにトレーニングを通じて拡張されたRotary Position Embedding（RoPE）などの技術を使用しています。実際には、ウィンドウ全体で安定したパープレキシティと検索精度を維持します。非常に長い入力の場合、モデルのプリフィルに時間がかかる可能性がありますが、一度準備が整えば、トークン生成は通常の速度で進行します。ユーザーは、コストが入力トークン数に比例して増加することを認識しておく必要があります。200kトークンの入力を処理する場合は、短い入力よりも高コストになります。OrcaRouterの課金はこれを反映しているため、タスクがフルコンテキストの推論を必要としない場合にのみチャンキングを検討してください。
Qwen3 Maxは、すべての言語モデルと同様に、限界があります。特に、学習データ内であまり知られていない、または十分に表現されていないトピックについて質問された場合、ハルシネーションを起こす可能性があります。数学的および論理的推論は強力ですが、正しい中間ステップなしで多段階の計算を行うとエラーが発生する可能性があります。モデルは、コンテキスト内で提供されない限りリアルタイム情報にアクセスできません。トレーニングのカットオフは公には明示されていませんが、リリースの数ヶ月前である可能性が高いです。明示的なプロンプトなしでは、グラフ探索やデータベースクエリのような構造化された推論タスクをネイティブに処理できません。さらに、大きなコンテキストウィンドウは、入力が非常に長い場合、アテンションが薄く広がるため、トークンごとの品質が低下する可能性があります。正確な数値回答や厳格な書式順守が必要なタスクについては、外部ツールによる検証が推奨されます。
MMLU-Proは、Massive Multitask Language Understanding (MMLU)ベンチマークの厳選されたサブセットであり、法律、医学、物理学、金融など57の科目にわたる、より難易度の高い専門家レベルの質問に焦点を当てています。84.1というスコアは、Qwen3 Maxが12,000以上の質問のうち約84.1%に正答したことを示しています。これは公開されているモデルの中でもトップクラスの結果です。参考として、同程度の規模の以前の高密度モデルは、MMLU-Proで70～80点台のスコアを獲得することが多かったです。このスコアは、Qwen3 Maxが多様な分野にわたって強力な事実想起と推論能力を持つことを示唆しています。ただし、ベンチマークスコアが常に実際のパフォーマンスを反映するとは限りません。ベンチマークは多肢選択式問題の正確性を測定するものであり、生成品質や一貫性を測定するものではありません。OrcaRouterの顧客は、独自のデータセットでQwen3 Maxをテストし、ユースケースとの適合性を評価できます。
Qwen3 Maxのレイテンシは、入力長、出力長、およびOrcaRouterのインフラストラクチャにおける同時負荷に依存します。MoEアーキテクチャは、密モデルと比較してプリフィルフェーズで若干のオーバーヘッドを生じることがありますが、トークンあたりの生成速度は、通常、同等の総パラメータ数を持つ他のモデルと競争力があります。短い出力（例：100～500トークン）の場合、エンドツーエンドのレイテンシは数秒程度になります。65,536の最大値に近い長い出力では、生成に比例して時間がかかります。OrcaRouterはストリーミングをサポートしており、トークンが生成されるたびに到着するため、ユーザーの体感レイテンシが低減されます。Qwen3 Maxの公開済み速度ベンチマークはないため、ユーザーは実際のペイロードを使用して独自のレイテンシテストを実施する必要があります。バッチ処理によりスループットを向上させることができます。
MMLU-Pro に加えて、Qwen3 Max は MATH、HumanEval、GSM8K などの他の標準ベンチマークでも良好なパフォーマンスを示していますが、ここでは正確なスコアは提供されていません。その MoE アーキテクチャにより、さまざまな種類の推論に特化したサブネットワークを構築でき、多様なタスクにわたって高い精度を実現しています。既知の弱点として、MoE モデルはエキスパートモジュールが十分にカバーしていない領域では堅牢性が低くなることがあり、科目間でパフォーマンスにばらつきが生じます。さらに、モデルのサイズが大きいため、トレーニングデータが不足しているシナリオでは、もっともらしいが誤った情報（ハルシネーション）を生成しやすくなる可能性があります。高度に専門化された分野（例：ニッチな法域や難解な科学分野）で運用するユーザーは、ドメイン専門家とともに出力を検証する必要があります。OrcaRouter はタスクごとのチューニングを提供しません。モデルはそのまま使用されます。
262kのコンテキストウィンドウにより、Qwen3 Maxは非常に長い入力を切り詰めることなく処理できます。検索拡張生成（RAG）の設定では、これによりチャンク分割や再ランキングの必要性がなくなり、パイプラインが簡素化されます。しかし、コンテキスト長が増加すると、モデルのアテンション機構はより多くのトークンを考慮する必要があり、コンテキストの中間部分から正確な情報を抽出する必要があるタスク（「lost in the middle」現象）のパフォーマンスが低下する可能性があります。テストによると、Qwen3 Maxは多くの以前のモデルよりも長いコンテキストをうまく処理できますが、検索指向のタスクにおける精度は、プロンプトの最初または最後に近い情報の方が依然として高い場合があります。ミッションクリティカルなアプリケーションでは、最も重要なコンテンツをコンテキストの先頭に配置することを検討してください。OrcaRouterのAPIは、標準的なチャット構造化をサポートしており、コンテキストの順序管理に役立ちます。
OrcaRouterを通じたQwen3 Maxの料金は使用量ベースであり、入力と出力の両方に対してトークン単位で課金されます。実際のトークン単価はOrcaRouterの料金ページに公開されており、他のプロバイダの料金とは異なる場合があります。パラメータ数が多くMoEアーキテクチャを採用しているため、Qwen3 Maxは一般的にQwen3-8BやGPT-4o-miniなどの小規模モデルよりもトークン単価が高くなりますが、同等の性能を持つ高密度モデルと比較すると、能力単位あたりのコストは低くなる傾向があります。OrcaRouterはストリーミングや関数呼び出しに対して追加料金を請求しません。同じトークン単価が適用されます。固定の月額サブスクリプションは不要で、使用した分だけ支払います。ユーザーは特に長いコンテキストウィンドウを使用する場合、トークン消費量を監視する必要があります。200kトークンのリクエスト1つで大量の入力トークンを消費する可能性があるためです。
Qwen3 Max 使用時のコスト管理には、以下の戦略を検討してください。第一に、真に高い能力と長いコンテキストが必要なタスクにのみモデルを使用し、より単純なクエリには OrcaRouter のルーティングを介してより安価なモデルに切り替えてください。第二に、入力が非常に長いが関連部分のみの場合、コンテンツを事前にフィルタリングまたは要約してトークン数を削減してください。第三に、出力に合理的な max_tokens を設定してください。不要なのに65kトークンを生成するのは高価です。第四に、ストリームオプションを使用して出力を段階的に取得してください。これは総コストを変更しませんが、出力が不満足な場合に早期終了に役立ちます。OrcaRouter は同一のプロンプトを繰り返す場合にキャッシュ割引を提供する場合があります。詳細はプラットフォームのドキュメントをご確認ください。最後に、ユースケースをベンチマークしてください。モデル選択全体で精度とコストを測定し、最適なポイントを見つけてください。
OrcaRouterはAPIリクエストを実行するためにのみユーザーデータを処理します。トレーニングやモデルの改善に顧客データを使用することはありません。入力と出力はHTTPSで送信され、課金およびログ記録のために一時的に保存されます。保持ポリシーはOrcaRouterのプライバシードキュメントで確認できます。モデルはOrcaRouterのインフラ上で実行されるため、データは管理された環境を離れることはありません。厳格なコンプライアンス要件を持つユーザーは、OrcaRouterのデータ処理契約を確認する必要があります。Qwen3 Max自体は、OrcaRouterを通じて提供されるモデルとして、明示的に契約されていない限り、ユーザーデータでファインチューニングされることはありません。これは、プロンプトと補完がモデルのトレーニングセットに組み込まれないことを意味します。追加のプライバシーについては、オンプレミスデプロイメントの利用を検討してください。ただし、OrcaRouter経由では利用できません。
Qwen3 Maxを使用するには、APIクライアントをOrcaRouterのベースURLに設定してください：https://api.orcarouter.ai/v1。モデルIDは「qwen/qwen3-max」を使用します。このAPIはOpenAIのチャット補完形式と完全に互換性があります。例えば、Pythonのopenaiライブラリでは、`client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your-key")`と設定し、`client.chat.completions.create(model="qwen/qwen3-max", messages=[...])`を呼び出します。すべての標準パラメータ（temperature、top_p、max_tokens、stream、stop、presence_penalty、frequency_penalty、functions/tools）がサポートされています。レスポンス形式はOpenAIのスキーマに従い、使用統計（prompt_tokens、completion_tokens）も含まれます。OrcaRouterを使用するにはAPIキーが必要で、ダッシュボードから取得できます。
Qwen3 Maxは標準的なチャット補完パラメータをサポートしています。`temperature`（デフォルトは通常0.7）はランダム性を制御します。値を低くするとより決定論的な出力になります。`top_p`（デフォルト1.0）は核サンプリングを制御します。`max_tokens`は出力長を最大65,536に制限します。`stop`は停止シーケンスを指定できます。`frequency_penalty`と`presence_penalty`は繰り返しを減らすことができます。`stream`（ブール値）はトークンごとのストリーミングを有効にします。`seed`は再現性のために設定可能ですが、正確な動作はモデル内部に依存します。`functions`と`tools`は、モデルが呼び出しを要求する可能性のある呼び出し可能関数を定義できます。Qwen3 Maxは一般的に構造化された出力をうまく処理します。長いコンテキストの場合は、必要に応じて`messages`配列に`system`メッセージを含めてください。パラメータのデフォルト値はOrcaRouterによって設定されます。リクエストごとに上書きできます。サポートされていないパラメータは無視されるか、エラーが発生します。
移行は簡単です。OpenAI Pythonライブラリ、Node.js SDK、または直接HTTP呼び出しを使用しているコードでは、ベースURLをhttps://api.orcarouter.ai/v1に変更し、モデル名を"qwen/qwen3-max"に置き換えてください。基本的なチャット補完には他の変更は不要です。関数呼び出しを使用する場合は、関数定義が互換性があることを確認してください。Qwen3 MaxはOpenAIの関数呼び出し形式をサポートしています。以前のモデルに小さい制限があった場合、`max_tokens`を調整する必要があるかもしれません。サンプルリクエストをいくつかテストして、出力品質とレイテンシを比較してください。本番環境では、環境変数`OPENAI_BASE_URL`と`OPENAI_API_KEY`を更新してください。OrcaRouterのAPIはOpenAIをミラーリングしているため、既存のモニタリングおよびログツールは多くの場合、変更なしで動作します。違いがある場合は、OrcaRouterのドキュメントまたはコミュニティサポートを参照してください。
Qwen3 Maxは、Mixtral 8x22B、DeepSeek-V2、GPT-4 (MoEバリアント)といった他の大規模MoEモデルと競合します。その262kのコンテキストウィンドウは、Mixtralの32kよりも著しく大きく、DeepSeek-V2の128kに匹敵します（現在はより深いモデルに取って代わられています）。MMLU-Proでは、84.1というスコアは競争力があります。Mixtral 8x22BはMMLU（Proではない）で約73のスコアを出し、GPT-4はMMLUで約86のスコアを出していますが、そのMoEバージョンのMMLU-Proは公には知られていません。Qwen3 Maxの65,536トークンの出力制限は、多くの競合他社（例：Mixtralのデフォルト8k）よりも大きいです。OrcaRouterを通じた価格設定は異なる場合があります。ユーザーはパフォーマンスに対するトークンあたりのコストを比較すべきです。実用的な使用において、Qwen3 Maxは推論と長文脈タスクに強いですが、CodeQwenのような専門的なコードモデルに比べてコード生成にはあまり最適化されていない可能性があります。
Qwen3-8Bは、同じQwen3ファミリーの稠密な8億パラメータモデルであり、効率性と低コストを目的に設計されています。コンテキストウィンドウがはるかに小さく（32,768トークン）、ベンチマークスコアも低くなっています。MMLUでは、Qwen3-8Bは約75（Proではない）のスコアであるのに対し、Qwen3 Maxはより難しいMMLU-Proで84.1を達成しています。限られたコンテキストと中程度の推論要求があるタスクでは、Qwen3-8Bはより優れたコストパフォーマンス比を提供します。Qwen3 Maxは、極端なコンテキスト長、深い多段階推論、または多くのドメインにわたる高い事実正確性が必要な場合に推奨されます。OrcaRouterを使用すると、同じアプリケーション内で両方のモデルを使用し、プロンプトの長さや難易度に基づいて切り替えることができます。例えば、短い顧客クエリはQwen3-8Bにルーティングし、複雑な分析にはQwen3 Maxを予約します。このハイブリッドアプローチにより、品質を維持しながらコストを最小限に抑えます。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="qwen/qwen3-max",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_searchenable_thinkinginclude_reasoninglogprobsmax_tokensnparallel_tool_callspresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstreamstream_optionstemperaturethinking_budgettool_choicetoolstop_ktop_logprobstop_p| 階層 | 入力 / 1M tokens | 出力 / 1M tokens |
|---|---|---|
| ≤ 32K | $0.359 | $1.434 |
| ≤ 128K | $0.574 | $2.294 |
| ≤ 256K | $1.004 | $4.014 |
| 階層はリクエストごとの入力トークン数で決定されます | ||
表示価格に基づく概算
段階制料金 — この見積もりは基本ティアの料金を使用しています。
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@misc{orcarouter_qwen3_max,
title = {Qwen3 Max API},
author = {Qwen},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3-max}
}Qwen. (2025). Qwen3 Max API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3-max