The Jerusalem PostItalian gelato champion shrugs off anti-Israel backlash fears as chain expands in IsraelCNN Türk31 ARALIK YARIM GÜN MÜ? 31 Aralık resmi tatil mi, okullar var mı yok mu?PunchLagos-bound BA plane skids off London runwaySky TG24Israele, Matan Kahana nuovo presidente della Knesset. Vicino a Eisenkot한겨레브라질 꺾었던 일본, ‘모리야스 고별전’서 파라과이에 패배ZDF heuteAktuelle Pressemitteilungen des ZDFLa NaciónArgentina vs. Costa Rica, EN VIVO: el minuto a minuto del partidoVarietyDon Toliver Announces Sixth Album ‘Nitrous,’ Due Next MonthInfobaeChile vs. Colombia - EN VIVO amistoso internacional: se juega el segundo tiempo, siga aquí el minuto a minuto del juego en SantiagoHong Kong Free PressHongkonger arrested at Singapore airport over alleged earbud theft during earlier transitNew Straits TimesAmazon's Bezos says he helped pick Pattinson as BondThe Sydney Morning HeraldBig Build royal commission LIVE updates: Bikie Joel Leavitt says he ‘blocked out’ memories from CFMEU days due to stress of being on a gang hit list
The Daily Newsstand · Free, Always
Wednesday, November 18, 2026

Maxwell 開源350億參數AI模型 程式開發表現超越同級Qwen

Translate

一個名為Maxwell的AI開發團隊近日公開新模型Maxwell-V1.0-Flash,採用Apache 2.0開源授權,讓開發者可以免費下載權重、自行部署與微調。這款模型擁有350億總參數(35B),但每次處理文字時僅啟用約30億參數(3B),支援最高256K token上下文。與許多直接使用Qwen等既有模型權重進行微調的產品不同,Maxwell團隊公布了從預訓練到後訓練的完整技術設計,宣稱使用約26兆token的多語言資料建立模型。

Maxwell-V1.0-Flash採用混合專家(MoE)架構,讓模型每次只啟用部分參數,減少不必要的運算。模型共有45層Transformer,其中42層採用MoE設計,每層配置256個可選擇的專家,處理文字時會選用12個,另外搭配2個固定啟用的共享專家。團隊也自行設計區塊稀疏注意力技術,讓模型在閱讀長篇文件時,不必每次都重新計算所有文字之間的關係。官方宣稱,在256K長上下文的特定測試中,這項技術的運算速度可比傳統密集注意力提高6.7倍。

訓練方式也是這次發布的重點。Maxwell表示,模型預訓練使用約26兆token的多語言資料,搭配Muon優化器及多token預測技術,再透過兩階段監督式微調、強化學習與多教師蒸餾提升推理、程式開發和工具操作能力。團隊也特別針對泰文、寮文、緬甸文、柬埔寨文等東南亞語言設計分詞器,希望改善這些語言的處理效率。不過,目前公布的訓練流程主要來自開發團隊自身說明,完整資料來源與權重訓練歷程尚缺少獨立驗證。

在官方公布的評測中,Maxwell-V1.0-Flash在程式開發與AI代理任務取得不錯的成績。SWE-Bench Verified軟體修復測試達65.4%,略高於Qwen3.6-35B-A3B的63.4%;Terminal-Bench終端機操作測試則取得58.65%,高於同場比較的Muse Glimmer與其他相近規模模型。網頁搜尋測試BrowseComp達76.3%,若啟用額外的上下文管理功能,可提高至82.2%。

不過,Maxwell也不是所有項目都領先。官方測試顯示,模型在部分指令遵循與多輪對話項目落後Gemma及Muse Glimmer;尚未經過後訓練的基礎版本,在CMMLU與C-Eval中文知識測試的成績,也低於同場比較的Qwen3.5基礎模型。這些數據目前主要由Maxwell團隊自行提供,仍需要第三方在相同測試條件下確認。

目前模型權重已上架Hugging Face,原始專案與部署說明也公開於GitHub。官方提供vLLM部署方式,建議使用單張NVIDIA B300,或至少兩張H100 GPU執行。雖然模型每次只啟用約30億參數,完整權重仍需占用相當大的記憶體,現有模型檔案約73.6GB,並非一般配備24GB顯示記憶體的電腦就能直接完整載入。沒有高階GPU的使用者,也可以先透過團隊提供的線上Playground測試。Maxwell-V1.0-Flash值得關注的地方,在於開發團隊並未只發布一款經過簡單微調的既有模型,而是提出自己的模型架構、預訓練及後訓練流程,並公開可供自行部署的權重。不過,開源權重並不等於完整公開訓練資料與過程。這款模型未來能否在同級開放權重模型中建立競爭力,仍要看獨立評測及開發者實際使用的結果。

View the original on 自由時報 →

KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.