モデル一覧に戻る
qwen logoQwen
qwen3-next-80b-a3b-instruct

Qwen3 Next 80B A3B Instruct

Qwen3-Next-80B-A3B-Instructは、Qwen3-Nextシリーズの指示チューニング済みチャットモデルで、「思考」トレースなしの高速で安定した応答に最適化されています。推論、コード生成、知識QA、多言語使用など複雑なタスクに対応しながら、アライメントとフォーマットの堅牢性を維持します。以前のQwen3指示バリアントと比較して、超長入力とマルチターン対話における高いスループットと安定性に焦点を当てており、RAG、ツール使用、可視的な思考の連鎖ではなく一貫した最終回答を必要とするエージェントワークフローに適しています。 このモデルはスケーリング効率的なトレーニングとデコーディングを採用して、パラメータ効率と推論速度を向上させ、広範な公開ベンチマークで検証されており、いくつかのカテゴリーでより大規模なQwen3システムと同等またはそれに近い性能を達成しながら、以前の中規模ベースラインを上回っています。決定論的で指示に従う出力が優先される本番環境での汎用アシスタント、コードヘルパー、長文脈タスクソルバーとして最適に使用されます。

2025/9/11
262,144 トークン
#120 テキスト (日本語)
入力: ¥15.12/M
出力: ¥184.8/M

仕様

モダリティ

入力
text
出力
text

サポートされているパラメータ

frequency_penalty
logit_bias
max_tokens
min_p
presence_penalty
repetition_penalty
response_format
seed
stop
structured_outputs
temperature
tool_choice
tools
top_k
top_p

データの取り扱い

プロンプトの保持
不明 — 確認できていません
学習への利用
学習には利用されません

「不明」は「問題なし」ではありません。確認できていない、という意味です。

学習の可否は提供元との条件に基づく申告値です。保持の可否は、このモデルが到達しうる実行先すべてについて上流が公表する一覧から判定しています。いずれも推測は含みません。

実測パフォーマンス

応答開始 (p50)472ms
生成速度 (p50)188 トークン/秒

    FastMetalのゲートウェイ経由で実測した値です(直近30日・応答開始658回)。

    生成速度は1日1回の計測で、直近30日・27回分の中央値です。

    応答開始は最初の応答が返るまで、生成速度は思考トークンを含む出力トークン数から算出しています。実測値であり、性能を保証するものではありません。

    コード例

    curl https://api.fastmetal.ai/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -d '{
        "model": "qwen3-next-80b-a3b-instruct",
        "messages": [{"role": "user", "content": "Hello!"}]
      }'

    Qwen3 Next 80B A3B Instructの実際の回答

    FastMetal上で実際に記録した、標準プロンプトへの回答です。

    このエラーをデバッグして

    以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

    このエラーの原因は、**`order["price"]` が文字列(`str`)であるのに、整数(`int`)と乗算(`*`)しようとしている**ことです。 Pythonでは、文字列と整数の乗算は**文字列の繰り返し**を意味します(例: `"a" * 3 → "aaa"`)。しかし、ここでは `order["price"]` が数値として扱われるべきなのに、データベースから取得した値が文字列として返されているため、`str * int` の演算が発生し、**期待する算術演算(掛け算)ができない**ため `TypeError` が発生しています。 --- ### 🔍 原因の詳細 - データベース(おそらく MySQL や PostgreSQL)から `price` を取得したとき、**データ型が `DECIMAL` や `VARCHAR` など、文字列として返されている**可能性が高いです。 - たとえば、データベースの `price` カラムが `VARCHAR` で保存されていたり、ドライバーが数値を文字列として返している(特に `DECIMAL` 型を文字列で扱う場合)ことがあります。 - 結果として、`order["price"]` は `"100.50"` のような文字列になり、`order["quantity"]` は整数(例: `2`)なので、`"100.50" * 2` が試みられますが、これは**文字列の繰り返し**(`"100.50100.50"`)を意味し、**算術演算ではない**ため、**意図しない動作**になります。 - しかし、Python…
    応答時間 10.4秒出力 1340 トークン

    コードレビュー

    以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

    この `fetchAllUsers` 関数は、ページングされたユーザー一覧をすべて取得して返すという目的に対して機能的には正しく動作しますが、**可読性・パフォーマンス・型安全性・エラーハンドリング・ベストプラクティス** の観点から多くの改善点があります。以下に詳細にレビューし、改善案を提示します。 --- ## ✅ 改善点一覧(要約) | 改善カテゴリ | 改善内容 | |--------------|----------| | **型安全性** | `any` を避けて明確な型を定義 | | **可読性** | ループを `for...of` と `filter`/`map` に置き換え、変数名を明確に | | **パフォーマンス** | `push` を繰り返すより `flatMap` や配列展開で効率化 | | **エラーハンドリング** | レスポンスの成功/失敗をチェック、ネットワークエラー対応 | | **リソース管理** | リクエスト過剰を防ぐため、最大ページ数の制限を追加 | | **非同期処理** | 順次処理は問題ないが、並列化の可能性を検討(必要に応じて) | | **コード構造** | 複数の責務を分離して関数化し、テスト可能性を高める | --- ## ✅ 改善後の完全版コード ```ts interface UserResponse { users: { id: number; first_name: string; last_name: string; email: string; st…
    応答時間 21.2秒出力 2062 トークン

    SQLクエリの最適化

    以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

    このクエリが30秒以上かかる理由は、**インデックスの不足**、**JOINの順序と条件の不適切な配置**、**NULL値や無効なJOINによるスキャン増加**、**GROUP BYとORDER BYのコスト**など、複数のパフォーマンスボトルネックが重なっているためです。 以下に、**段階的な最適化策**を詳細に説明します。 --- ## ✅ **1. 必要なインデックスの追加(最も重要)** 現在、`products(id)`と`orders(order_id)`のインデックスしかありませんが、クエリのWHERE、JOIN、GROUP BY、ORDER BYに使われるカラムに**適切なインデックスを追加**するだけで、パフォーマンスは**10倍以上**改善される可能性があります。 ### 🔧 追加すべきインデックス: | テーブル | カラム | インデックスの目的 | |----------|--------|------------------| | `products` | `(is_active, id)` | WHERE `is_active = true` の高速検索 + JOIN用ID | | `products` | `(category_id, id)` | `LEFT JOIN categories` の高速化(カテゴリIDで絞り込み) | | `orders` | `(order_id, status, created_at)` | `JOIN orders` かつ `status = '完了'` かつ `created_at >= '2…
    応答時間 25.0秒出力 2406 トークン

    他のモデルと並べて比較する →

    よくある質問

    Qwen3 Next 80B A3B InstructのAPI料金はいくらですか?
    FastMetalでは100万トークンあたり入力¥15.12・出力¥184.8(税別)の円建て従量課金です。前払いクレジットから使った分だけ差し引かれ、月額料金やサブスクリプションはありません。
    Qwen3 Next 80B A3B InstructはOpenAI SDKからそのまま使えますか?
    はい。base_url を https://api.fastmetal.ai/v1 に変更し、model に "qwen3-next-80b-a3b-instruct" を指定するだけで、既存のOpenAI向けコードから呼び出せます。ストリーミング、ツール呼び出し、構造化出力にも対応しています。
    Qwen3 Next 80B A3B Instructのコンテキスト長はどのくらいですか?
    262,144トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。
    Qwen3 Next 80B A3B Instructの評価・ランキングは?
    公開アリーナの日本語カテゴリで120位(ELO 1,369)です。順位はリーダーボードの更新に合わせて変わります。
    Qwen3 Next 80B A3B Instructを試すには何が必要ですか?
    アカウントを作成してクレジットをチャージすると、ブラウザのチャット画面とAPIの両方から利用できます。契約や最低利用額はありません。

    Qwen3 Next 80B A3B Instructを今すぐ試す

    Qwen3 Next 80B A3B InstructはFastMetalのAPIキー1つで利用できます。ブラウザですぐに試す、またはOpenAI SDKからそのまま呼び出せます。

    リーダーボード

    テキスト
    russianELO: 1,388
    #166
    コーディングELO: 1,444
    #164
    数学ELO: 1,414
    #140
    創作ELO: 1,313
    #222
    指示遵守ELO: 1,376
    #183
    高難度ELO: 1,419
    #162
    マルチターンELO: 1,401
    #166
    総合ELO: 1,399
    #166
    日本語ELO: 1,369
    #120
    中国語ELO: 1,437
    #150
    韓国語ELO: 1,326
    #164
    英語ELO: 1,407
    #174
    frenchELO: 1,402
    #171
    germanELO: 1,387
    #144
    spanishELO: 1,408
    #135

    順位データ: LMArena leaderboard dataset(lmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-22時点)。カテゴリ名の対応付けとスコアの丸めはFastMetalによる。