Qwen3 14B

Fiche modèle · Alibaba Cloud / Qwen Team · qwen3-14b

Qwen3 is the latest generation of large language models in Qwen series, offering a comprehensive suite of dense and mixture-of-experts (MoE) models. Built upon extensive training, Qwen3 delivers groundbreaking advancements in reasoning, instruction-following, agent capabilities, and multilingual support.

Fiches modèles

Identité

Organisation	Alibaba Cloud / Qwen Team
Pays	—
Famille	—
Type	llm
Date de sortie	2025-04-28
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	text
Fenêtre de contexte	40 960
KV cache / token (Q8)	81.9 ko/token
Paramètres totaux	14 B
Paramètres actifs (session)	14.8 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (Qwen/Qwen3-14B)) ; total : config Hugging Face (Qwen/Qwen3-14B)
Curation des paramètres actifs	2026-11-04
Prix par session	0.17 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	1.41 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-09-08T16:06:10.270957Z
Mis à jour le	2026-11-04T06:05:06.053250Z
Source	LLM Stats
URL	https://llm-stats.com/models/qwen3-14b

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
DeepInfra	llm-stats	non	0.12 $	0.24 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.80
instruction_following	0.80
language	0.80
legal	0.80
long_context	0.90
math	253.00
reasoning	126.90
roleplay	0.90
structured_output	0.80
finance	0.70
general	104.70
agents	0.70
communication	0.80
creativity	0.80
tool_calling	0.70
writing	0.80

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2024	math	0.79	1.00	0.79	non	oui	2026-11-04T06:05:06.057704Z
aime-2025	math	0.70	1.00	0.70	non	oui	2026-11-04T06:05:06.063129Z
alignbench	general	0.86	1.00	0.86	non	oui	2026-11-04T06:05:06.068587Z
arena-hard	general	0.92	1.00	0.92	non	oui	2026-11-04T06:05:06.073078Z
autologi	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:05:06.080135Z
bfcl-v3	general	0.70	1.00	0.70	non	oui	2026-11-04T06:05:06.086634Z
c-eval	general	0.86	1.00	0.86	non	oui	2026-11-04T06:05:06.092803Z
codeforces	math	1 766.00	3 000.00	0.59	non	oui	2026-11-04T06:05:06.100259Z
creative-writing-v3	creativity	0.80	1.00	0.80	non	oui	2026-11-04T06:05:06.108543Z
ifeval	chat	0.85	1.00	0.85	non	oui	2026-11-04T06:05:06.113040Z
livebench-20241125	math	0.71	1.00	0.71	non	oui	2026-11-04T06:05:06.118533Z
math-500	math	0.97	1.00	0.97	non	oui	2026-11-04T06:05:06.123350Z
mmlu-redux	language	0.89	1.00	0.89	non	oui	2026-11-04T06:05:06.129173Z
multi-if	chat	0.75	1.00	0.75	non	oui	2026-11-04T06:05:06.133152Z
ruler	long_context	0.90	1.00	0.90	non	oui	2026-11-04T06:05:06.140408Z
writingbench	writing	0.78	1.00	0.78	non	oui	2026-11-04T06:05:06.145640Z
zebralogic	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:05:06.163168Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	143	—	9.05	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04