Swallow（東京科学大学 岡崎研究室・横田研究室、産業技術総合研究所） ／ Swallow

Medical-Qwen3-Swallow-30B-A3B

国内派生（既存モデルを改良）文章生成（LLM） 提供中
開発主体
Swallow（東京科学大学 岡崎研究室・横田研究室、産業技術総合研究所）（開発）[2]
リリース日
未確認
サイト最終確認
2026年11月3日
公式発表
[1]

要点

Medical-Qwen3-Swallow-30B-A3Bは、Swallow（東京科学大学 岡崎研究室・横田研究室、産業技術総合研究所）が開発した国内派生（既存モデルを改良）の文章生成（LLM）のモデルです。総パラメータ数は30.5B、コンテキスト長は40,960トークンです。重みは重み公開、ライセンスは Apache-2.0、商用利用は商用利用可です。提供形態はHugging Face で重みを配布。基にしたモデルはQwen3-Swallow-30B-A3B-RL-v0.2（追加学習元）です。

国産としての位置付け

国内派生（既存モデルを改良） 国内外の既存モデルの重みを基に、国内で追加学習・改良したもの[1]

  • 追加学習元: Qwen3-Swallow-30B-A3B-RL-v0.2（Swallow（Qwen3 を基に継続事前学習））[1]

分類は当サイトの判定です。「国内企業が提供している」ことと「国内で事前学習した」ことは別の属性として扱います。判定基準

すぐ試す（公式導線）

重みを入手tokyotech-llm/Medical-Qwen3-Swallow-30B-A3B重み公開・Apache-2.0

仕様

Medical-Qwen3-Swallow-30B-A3B の仕様（未確認・非公開を区別して表示）
モデル種別文章生成（LLM）
総パラメータ数30.5B 確認済み（2026年11月3日確認）[1]
活性パラメータ数 未確認
アーキテクチャMoE（128 エキスパート・1 トークンに 8 個） 確認済み（2026年11月3日確認）[1]
コンテキスト長40,960 トークン 確認済み（2026年11月3日確認）[1]
モダリティテキスト 確認済み（2026年11月3日確認）[1]
対応言語日本語、英語 確認済み（2026年11月3日確認）[1]
ツール呼び出し 未確認
重みの公開重み公開 確認済み（2026年11月3日確認）[1]
ライセンス（配布物）Apache-2.0 確認済み（2026年11月3日確認）[1]
商用利用商用利用可（確認済み） 確認済み（2026年11月3日確認）[1]
学習データの出所医療分野のデータで学習（Swallow を基に） 確認済み（2026年11月3日確認）[1]
提供形態Hugging Face で重みを配布 確認済み（2026年11月3日確認）[1]

提供サービスと条件

価格・商用条件・データの扱いはモデルではなく提供サービス（API・チャット・オンプレ等）ごとに異なります。

確認済みの提供サービス情報はまだありません。

配布物（重み・リポジトリ）

評価

承認済みの評価結果はまだありません。未測定は0点ではありません。

同じファミリーの別の版

変更履歴・訂正

  • 2026年11月3日 — アーキテクチャ「MoE（128 エキスパート・1 トークンに 8 個）」を一次資料で確認[1]
  • 2026年11月3日 — 総パラメータ数「30.5B」を一次資料で確認[1]
  • 2026年11月3日 — コンテキスト長「40,960 トークン」を一次資料で確認[1]
  • 2026年11月3日 — 提供形態「Hugging Face で重みを配布」を一次資料で確認[1]
  • 2026年11月3日 — 重みの公開「重み公開」を一次資料で確認[1]
  • 2026年11月3日 — 対応言語「日本語、英語」を一次資料で確認[1]
  • 2026年11月3日 — 学習データの出所「医療分野のデータで学習（Swallow を基に）」を一次資料で確認[1]
  • 2026年11月3日 — ライセンス（配布物）「Apache-2.0」を一次資料で確認[1]
  • 2026年11月3日 — モダリティ「テキスト」を一次資料で確認[1]
  • 2026年11月3日 — 商用利用「商用利用可（確認済み）」を一次資料で確認[1]

出典

  1. tokyotech-llm/Medical-Qwen3-Swallow-30B-A3B（Hugging Face のモデルカード） — huggingface.co・モデルカード・一次資料
  2. Swallow LLM — 日本語に強いオープンなLLMを、アカデミックな研究開発から — swallow-llm.github.io・公式資料・一次資料

このモデルを比較に使う