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。

已发布,本站供应商暂无最后更新:

现在就用

聊天

这个聊天默认使用 Qwen3.8 Flash,不是 Maxwell V1 Flash。

每次回复约 1 积分 · 查看全部模型

新账号一次性获得 5 个免费积分,7 天内有效,可用于本站价格较低的模型,最贵的模型需要用你购买的积分。

开始聊天,送 5 个免费积分
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。

本站自制表格:取自 Maxwell-V1-Flash 的 Hugging Face 模型卡后训练评测表中的 15 行(2026 年 11 月 19 日读取);分数是厂商自己的,我们没有复现,星号表示开启上下文管理后的得分 · 核对于 2026-11-19
基准(指标)Qwen3.6 35B-A3BGemma-4 26B-A4B-itNemotron-3.5 LightningMuse Glimmer-30BMaxwell V1.0-Flash
IFBench (score)59.6079.1070.8083.2064.80
IFEval (score)93.8094.0091.5096.8093.00
MultiChallenge (pass@1)62.5965.7661.0770.4572.20
AA-LCR (mean@5)71.7065.7060.3079.6075.60
LongBench V2 (score)58.8053.3046.3038.6059.40
MMMLU (score)89.190.987.890.792.0
AIME 2026 (mean@8)91.2587.5087.0894.1795.00
GPQA-Diamond (pass@1)86.0082.3075.4483.5086.52
HLE, 128K context (score)21.4020.6011.4021.8324.79
LiveCodeBench v6 (pass@1)85.3285.9678.3076.8085.66
Terminal-Bench (mean@5)47.4238.4323.1048.5058.65
SWE-Bench Verified, Claude Code (pass@1)63.4039.2042.6047.6065.40
BrowseComp (pass@1)47.0029.2024.2055.6076.30 / 82.20*
HLE with tools (pass@1)28.3031.7016.6034.4046.10 / 55.10*
MuSiQue-300 (mean@8)49.2549.3042.4046.0063.00

来源: huggingface.co

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。

本站自制表格:取自 Maxwell-V1-Flash 的 Hugging Face 模型卡与 API(2026 年 11 月 19 日读取);模型卡没有写 GPU 型号,所以内存需求只是权重文件本身所暗示的 · 核对于 2026-11-19
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 GPUNVIDIA 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

来源: huggingface.co来源: huggingface.co来源: huggingface.co

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

$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。