Maxwell team · 已发布,本站供应商暂无
Maxwell V1 Flash(2026):它是什么、谁做的、跑分、许可和运行方法
Maxwell V1 Flash(模型卡上叫 Maxwell-V1.0-Flash)是 Maxwell 团队的开放权重纯文本混合专家模型,总参数 35B、激活参数 3B,上下文 256K token,采用 Apache 2.0 许可,2026 年发布在 Hugging Face,面向推理、智能体搜索和长上下文任务。
现在就用
聊天
这个聊天默认使用 Qwen3.8 Flash,不是 Maxwell V1 Flash。
- 厂商
- Maxwell team
- 类型
- 文字
- 发布
- 未注明日期
- OpenRouter id
- 无
已核对
Maxwell V1 Flash:事实与来源
- Hugging Face 的 API 显示,仓库 maxwell-model/Maxwell-V1-Flash 创建于 2026 年 10 月 13 日,最后修改于 2026 年 11 月 14 日。模型卡没有写发布日期,所以我们只给出仓库创建日期,不把它说成发布日期。来源: huggingface.co · 核对于 2026-11-19
- 模型卡链接的技术报告(厂商 GitHub 仓库里的 PDF,我们通过提取其文字读取)首页标注的日期是 2026-10-30,署名为 Maxwell Team。来源: github.com · 核对于 2026-11-19
- GitHub 的 API 显示,仓库 maxwell-model/Maxwell-V1-Flash 创建于 2026 年 9 月 28 日,最近一次推送是在 2026 年 11 月 13 日。来源: api.github.com · 核对于 2026-11-19
- 模型卡说该模型由“Maxwell 团队”开发,并链接了 maxwell-llm.ai 主页、一个聊天试用页和一个 GitHub 仓库。模型卡和我们读过的页面都没有说明这个团队背后的公司或机构,所以我们不指名。来源: huggingface.co · 核对于 2026-11-19
- 模型卡称 Maxwell-V1.0-Flash 是纯文本的因果混合专家语言模型,总参数 35B、每个 token 激活 3B(均不含嵌入),配置序列长度为 262,144 token,面向以实用的推理成本完成推理、智能体和长上下文任务。它有 45 层(3 层稠密前馈层和 42 层混合专家层),隐藏维度 2,048,词表 200,704。来源: huggingface.co · 核对于 2026-11-19
- 每个混合专家层有 256 个路由专家,每个 token 激活其中 12 个,另有 2 个始终开启的共享专家。注意力采用模型卡所说的 Maxwell Block Sparse Attention:每个 KV 组保留 8 个前缀块和 8 个局部块(每块 128 token),再加上由学习到的索引器挑选的最多 16 个远程块,把主注意力限制在每个 KV 组 4,096 token,模型卡称该内核在 256K 下比稠密注意力快 6.7 倍。来源: huggingface.co · 核对于 2026-11-19
- 仓库的 config.json 列出的最大位置长度是 524,288,是模型卡规格表里 262,144 序列长度、以及模型卡其他地方所说 256K 的两倍。我们无法统一这两个数字,采用模型卡的数字。来源: huggingface.co · 核对于 2026-11-19
- 据模型卡,训练包括:约 26T token 的多语言预训练,使用 Muon 优化器,上下文分阶段从 4K 扩展到 256K;两阶段监督微调;针对通用任务、可验证推理和智能体任务的独立强化学习分支;最后用多教师在线策略蒸馏把它们合并成一个模型。分词器被描述为在各语言上都很紧凑,并点名了资源较少的东南亚语言(泰语、老挝语、缅甸语、高棉语、掸语)。来源: huggingface.co · 核对于 2026-11-19
- 模型卡说 Maxwell-V1.0-Flash 以 Apache License 2.0 发布,并指向仓库里的 LICENSE 文件;Hugging Face 的元数据把许可列为 apache-2.0,权重没有设置访问门槛。来源: huggingface.co · 核对于 2026-11-19
- Maxwell V1 Flash 不在 OpenRouter 的模型列表里(2026 年 11 月 19 日核对),所以本站无法运行它。模型卡还链接了厂商自己网站上的聊天试用页,我们没有测试。本站是与其他模型(如 Qwen3.8 Flash、DeepSeek V4.1 Flash)的文字聊天。来源: openrouter.ai · 核对于 2026-11-19 · 二手
本站表格
Maxwell V1 Flash 的跑分:厂商自己的表格,对比四个规模相近的模型
- 来自模型卡后训练表格的厂商数字,本站未测试:BrowseComp 76.3(开启上下文管理时 82.2),Qwen3.6 35B-A3B 为 47.0;带工具的 HLE 46.1(55.1);Terminal-Bench 58.65;使用 Claude Code 评测框架的 SWE-Bench Verified 65.4;AIME 2026 的 mean@8 为 95.00。模型卡把它与四个规模相近的模型对比:Qwen3.6 35B-A3B、Gemma-4 26B-A4B-it、Nemotron-3.5 Lightning 和 Muse Glimmer-30B。来源: huggingface.co · 核对于 2026-11-19
- 同一张表也有较弱的行:IFBench 为 64.80,Muse Glimmer-30B 为 83.20;IFEval 为 93.00,对方 96.80;BBEH 为 52.51,对方 64.69;CoSER 角色扮演为 53.54,对方 60.32。基础模型方面,模型卡自己与两个 Qwen 基础模型的对比显示,C-Eval 为 77.41,Qwen3.5-w35a3-base 为 88.78;CMMLU 为 79.41,对方 87.41;而 256K 下的长上下文 RULER 得分为 93.35,对方 85.75。来源: huggingface.co · 核对于 2026-11-19
- 模型卡说明的测量方式:后训练评测大多使用 temperature 0.6、top-p 0.95、top-k 20 和 32K token 上下文,AA-LCR、数学和 HLE 使用 128K;SWE-Bench Verified 使用 Claude Code 评测框架(2.1.212 版),在断网环境中运行,每个任务最多 240 轮、四小时;基础模型的对比使用厂商自己的内部评测框架。来源: huggingface.co · 核对于 2026-11-19
厂商跑分
Maxwell V1 Flash:Maxwell-V1.0-Flash 对比 Qwen3.6 35B-A3B、Gemma-4 26B-A4B-it、Nemotron-3.5 Lightning 和 Muse Glimmer-30B
搜 Maxwell V1 Flash 的人想知道,只有 3B 激活参数的模型能不能在同规模里站得住。厂商的表格显示,它在智能体搜索和数学上表现很好:BrowseComp 和带工具的 HLE 数字远高于另外四个,AIME 2026 排第一。但它并非处处第一:Muse Glimmer-30B 在指令遵循(IFBench、IFEval)和 BBEH 上领先,LiveCodeBench pass@1 上 Gemma-4 以微弱优势领先。这张表也没有包含大型闭源模型,所以无法说明 Maxwell 与它们的差距。想今天就能聊天的模型,DeepSeek V4.1 Flash 和 Qwen3.8 在本站可用,Kimi K3 是另一个面向智能体的模型,有独立页面。
| 基准(指标) | Qwen3.6 35B-A3B | Gemma-4 26B-A4B-it | Nemotron-3.5 Lightning | Muse Glimmer-30B | Maxwell V1.0-Flash |
|---|---|---|---|---|---|
| IFBench (score) | 59.60 | 79.10 | 70.80 | 83.20 | 64.80 |
| IFEval (score) | 93.80 | 94.00 | 91.50 | 96.80 | 93.00 |
| MultiChallenge (pass@1) | 62.59 | 65.76 | 61.07 | 70.45 | 72.20 |
| AA-LCR (mean@5) | 71.70 | 65.70 | 60.30 | 79.60 | 75.60 |
| LongBench V2 (score) | 58.80 | 53.30 | 46.30 | 38.60 | 59.40 |
| MMMLU (score) | 89.1 | 90.9 | 87.8 | 90.7 | 92.0 |
| AIME 2026 (mean@8) | 91.25 | 87.50 | 87.08 | 94.17 | 95.00 |
| GPQA-Diamond (pass@1) | 86.00 | 82.30 | 75.44 | 83.50 | 86.52 |
| HLE, 128K context (score) | 21.40 | 20.60 | 11.40 | 21.83 | 24.79 |
| LiveCodeBench v6 (pass@1) | 85.32 | 85.96 | 78.30 | 76.80 | 85.66 |
| Terminal-Bench (mean@5) | 47.42 | 38.43 | 23.10 | 48.50 | 58.65 |
| SWE-Bench Verified, Claude Code (pass@1) | 63.40 | 39.20 | 42.60 | 47.60 | 65.40 |
| BrowseComp (pass@1) | 47.00 | 29.20 | 24.20 | 55.60 | 76.30 / 82.20* |
| HLE with tools (pass@1) | 28.30 | 31.70 | 16.60 | 34.40 | 46.10 / 55.10* |
| MuSiQue-300 (mean@8) | 49.25 | 49.30 | 42.40 | 46.00 | 63.00 |
本站表格
Maxwell V1 Flash 的规格,以及运行它需要什么
- 模型卡的部署步骤是:用 Hugging Face CLI 下载权重,再用名为 maxwellmodel/vllm-openai:v0.30.0 的 Docker 镜像启动 vLLM,参数包括 --trust-remote-code、--block-size 128、单卡(张量并行 1)、qwen3 推理解析器和 qwen3_coder 工具调用解析器。它要求 NVIDIA 驱动 580 或更新(CUDA 13.0),旧驱动需要额外的环境变量。模型卡没有写 GPU 型号或显存大小。来源: huggingface.co · 核对于 2026-11-19
- Hugging Face 的 API 显示有 368 亿参数以 BF16 存储,仓库文件合计约 74 GB,这是仅权重就要占用的磁盘和显存大小,还不含上下文缓存。模型卡推荐 temperature 0.6、top-p 0.95、top-k 20,默认开启思考模式,多轮对话时要把完整的助手消息(包括 reasoning_content 和 tool_calls)传回去。来源: huggingface.co · 核对于 2026-11-19
规格表
Maxwell V1 Flash:Maxwell-V1.0-Flash 在其 Hugging Face 模型卡上印出的规格
这是开放权重模型里小而实用的一端。权重文件合计约 74 GB,模型卡的方案是在单块 GPU 上以张量并行 1 启动 vLLM,所以现实的目标是大显存的数据中心 GPU;模型卡没有说具体型号,我们也没有运行过。对比一下,Sage S2.1 Flash 的权重有 645 GB,DeepSeek V4 Pro 0813 NVFP4 检查点有 1.65T 参数。下面的表格列出人们最先问的数字:规模、上下文、专家数、许可,以及模型卡要求使用的软件。
| 项目 | 数值 | 备注 |
|---|---|---|
| 参数(总量 / 激活) | 35B / 3B | 均不含嵌入;Hugging Face 统计文件里有 368 亿 |
| 上下文长度 | 262,144 token(256K) | config.json 写的是 524,288;我们采用模型卡的数字 |
| 每层专家 | 256 个路由专家,激活 12 个,另有 2 个共享专家 | 3 个稠密层之后是 42 个混合专家层 |
| 权重文件 | BF16,合计约 74 GB | 需要 trust_remote_code;仓库自带自定义模型代码 |
| 服务软件 | vLLM,使用 Docker 镜像 maxwellmodel/vllm-openai:v0.30.0,单块 GPU | NVIDIA 驱动 580 或更新(CUDA 13.0);模型卡的命令里要求 --block-size 128 |
| 许可 | Apache License 2.0 | 仓库里有 LICENSE 文件;权重没有访问门槛 |
上线时通知我
登录后点按钮:只保存你的账号和这个模型,不存其他资料。目前还不会发送邮件。
最接近的可用模型
现在可用的 Maxwell V1 Flash 替代选择
Qwen3.8 Flash
Alibaba$0.15 / $0.47 (每百万 token)
- Alibaba 对 qwen3.8-flash 的定价为每百万输入/输出 token 0.15/0.47 美元(新加坡、欧盟、香港和美国区)。来源: docs.qwencloud.com · 核对于 2026-11-13
- 在 OpenRouter 上的 id 为 qwen/qwen3.8-flash,每百万 token 0.15/0.47 美元。来源: openrouter.ai · 核对于 2026-11-13
DeepSeek V4.1 Flash
DeepSeek$0.30 / $1.2 (每百万 token)
- DeepSeek 于 2026 年 9 月 10 日发布 V4.1-Flash。来源: api-docs.deepseek.com · 核对于 2026-11-11
- V4.1 目前只有 Flash 版:DeepSeek 没有发布 V4.1 Pro,价格页上的 Pro 仍是 deepseek-v4-pro(V4-Pro-0813)。来源: api-docs.deepseek.com · 核对于 2026-11-11
- DeepSeek 价格页写明,API 模型 deepseek-flash 现由 V4.1-Flash-1017 快照提供。来源: api-docs.deepseek.com · 核对于 2026-11-11
FAQ
Maxwell V1 Flash 常见问题
Maxwell V1 Flash 是什么?
Maxwell V1 Flash 是 Maxwell-V1.0-Flash 在 Hugging Face 上的仓库名,是纯文本的混合专家语言模型,总参数 35B、每个 token 激活 3B。模型卡说它面向强推理、智能体和长上下文任务,用块稀疏注意力让长输入保持低成本,推理成本比较实用。它是需要你自己下载并部署的模型。
Maxwell V1 Flash 是谁做的?什么时候发布的?
模型卡说由 Maxwell 团队开发,有 maxwell-llm.ai 主页和名为 Maxwell 的 GitHub 组织;它没有写明背后的公司或机构,我们也不指名。模型卡没有写发布日期。Hugging Face 仓库创建于 2026 年 10 月 13 日,链接的技术报告日期为 10 月 30 日,GitHub 仓库最近一次推送是在 11 月 13 日。
Maxwell V1 Flash 有多大?运行需要什么?
权重文件以 BF16 存储约 74 GB,对应 368 亿个存储参数。模型卡的方案是用 Docker 镜像在单块 GPU 上运行 vLLM,要求 NVIDIA 驱动 580 或更新,没有写 GPU 型号。实际上这指向大显存的数据中心 GPU,而不是普通笔记本;我们没有运行过。
Maxwell V1 Flash 用什么许可?
模型卡说它以 Apache License 2.0 发布,这是一种宽松许可,在保留许可和声明的前提下允许商用、修改和再分发。具体条款请读仓库里的 LICENSE 文件。模型需要仓库的自定义代码(trust_remote_code),运行前请先审查这些代码。
Maxwell V1 Flash 有多强?
按厂商自己的表格(我们没有复现),它在 BrowseComp 上 76.3、SWE-Bench Verified 上 65.4、AIME 2026(mean@8)上 95.00,在这些行里领先 Qwen3.6 35B-A3B;但 IFBench 为 64.80,落后 Muse Glimmer-30B 的 83.20。表里只有规模相近的开放模型,所以模型卡没有说明它与大型闭源模型的差距。
上下文有多长?支持哪些语言?
模型卡给出的配置序列长度是 262,144 token,基础模型在 256K 下的 RULER 得分是 93.35。模型卡说分词器在各语言上都很紧凑,包括泰语、老挝语、缅甸语、高棉语和掸语,并给出多语言成绩,如 MMMLU 92.0、CEval 91.0。不过基础模型的中文知识得分低于 Qwen。
能在这里和 Maxwell V1 Flash 聊天吗?可以用什么替代?
不能。它不在 OpenRouter 的模型列表里,所以本站无法运行它。模型卡链接了厂商自己网站上的试用页,我们没有测试。在本站可以和 DeepSeek V4.1 Flash 聊天:一次典型回复约 1 个积分(一个积分约 $0.01,按 $5 档计算),按真实 token 成本计费,最低 1 个积分。Qwen3.8 也是一个选择。
这是 Maxwell V1 Flash 的官方网站吗?
不是。本页为非官方页面,与 Maxwell 团队无关,也未获其认可。事实链接到我们读过的页面。