Qwen3-Next 80B-A3B レビュー：推論なしで速い、日本語の敬語にも強いMoE

結論から言うと、Qwen3-Next 80B-A3B（qwen3-next-80b-a3b-instruct）は、推論（thinking）なしで速く返り、それでいて日本語の質が高いモデルです。敬語の修正では理由まで正確に説明し、要約も詳しく書けました。弱点は、答えが出ない問題で「考えながら書く」ために出力が長くなることです。

概要：80B でアクティブ 3B

Qwen3-Next 80B-A3B Instruct は Qwen が2025年9月に公開したオープンモデルです。

• 総パラメータ 80B、アクティブ約3B の MoE
• 文脈長：約26万トークン
• 入力・出力：テキスト
• 推論の過程を出力しない Instruct 版。ツール呼び出し・構造化出力に対応

日本語で試した結果

同じ5つの日本語タスクを複数のモデルに投げて比べました。

推論を行うモデルと比べて、ほとんどのタスクが数秒で返るのが大きな長所です。今回、推論型のモデルは同じタスクに20秒〜1分以上かかることもありました。

算数の題は、わざと整数解が出ない数字にしてあります。Qwen3-Next は途中で「計算ミス？」「問題の数字に誤り？」と迷いながらも、最終的に解がないと結論づけました。誤答をでっち上げなかった点は評価できますが、迷う過程をそのまま出力するため長くなります。推論の過程を分けて出力しない Instruct 版ならではの特徴です。

日本語のトークン効率

同じ約320字の日本語の指示文を送ったとき、入力は 218 トークンでした。同じ文章で GPT-4o mini は 261 トークン、Llama 3.1 8B は 250 トークンです。日本語を多く扱うほど、この差がコストに効いてきます（日本語とトークン数の関係は日本語はトークンを食うで解説しています）。

円建ての単価は料金ページでご確認ください。

向いている用途／向かない用途

向いている

• 応答の速さが求められる日本語チャット
• 敬語を含むビジネス文書の作成・添削
• 長い日本語文書の要約（最大約26万トークン）
• ツール呼び出しを使うエージェント

向かない

• 難しい推論を短い出力で答えさせたい処理（推論型モデルのほうが整理された答えを返す）
• 俳句や季語など、日本文化の細かな知識が要る生成

よくある質問

Q. Qwen3-Next 80B-A3B Instruct は推論（thinking）モデルですか？

いいえ。この Instruct 版は推論の過程を出力せず、すぐに回答します。その分、応答が速いのが特長です。

Q. Qwen3-Next 80B-A3B に画像は入力できますか？

できません。テキスト専用のモデルです。

Q. Qwen3-Next 80B-A3B で構造化出力は使えますか？

はい。response_format に JSON Schema を指定すると、指定どおりの JSON が返りました。

FastMetal で試す

curl https://api.fastmetal.ai/v1/chat/completions \
  -H "Authorization: Bearer $FASTMETAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-next-80b-a3b-instruct",
    "messages": [{"role": "user", "content": "次の文の敬語の誤りを直してください：「部長が申された件について、担当者がお伺いになります。」"}]
  }'

同じ API キー・同じ円建て残高のまま、他のモデルと model を差し替えて比べられます。対応モデルはモデルカタログでご確認ください。