Qwen3 30B A3B

Fiche modèle · Alibaba Cloud / Qwen Team · qwen3-30b-a3b

Qwen3-30B-A3B is a smaller Mixture-of-Experts (MoE) model from the Qwen3 series by Alibaba, with 30.5 billion total parameters and 3.3 billion activated parameters. Features hybrid thinking/non-thinking modes, support for 119 languages, and enhanced agent capabilities. It aims to outperform previous models like QwQ-32B while using significantly fewer activated parameters.

Fiches modèles

Identité

Organisation	Alibaba Cloud / Qwen Team
Pays	—
Famille	—
Type	llm
Date de sortie	2025-04-29
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)	49.2 ko/token
Paramètres totaux	30.5 B
Paramètres actifs (session)	3 B
Source des paramètres actifs	actifs : nom (heuristique) ; total : config Hugging Face (Qwen/Qwen3-30B-A3B-MLX-8bit)
Curation des paramètres actifs	2026-11-04
Prix par session	0.19 $ (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)	1.58 $ (est.)
Tokens d'entraînement	36 000 000 000 000
Coupure de connaissance	—
Créé le	2026-05-07T16:53:36.176171Z
Mis à jour le	2026-11-04T06:05:06.504164Z
Source	LLM Stats
URL	https://llm-stats.com/models/qwen3-30b-a3b

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 $	0.50 $	—	—	—	—	active
Fireworks AI	llm-stats	non	0.89 $	0.89 $	—	—	0.66	122.4	active
Novita	llm-stats	non	0.10 $	0.44 $	—	—	0.73	88.8	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	0.70
language	0.70
math	0.80
physics	0.70
reasoning	0.70
structured_output	0.70
general	0.70
biology	0.70
chemistry	0.70
code	0.60
communication	0.70
creativity	0.90
tool_calling	0.70
writing	0.90

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2024	math	0.80	1.00	0.80	non	oui	2026-11-04T06:05:06.507997Z
aime-2025	math	0.71	1.00	0.71	non	oui	2026-11-04T06:05:06.511278Z
arena-hard	general	0.91	1.00	0.91	non	oui	2026-11-04T06:05:06.514606Z
bfcl	general	0.69	1.00	0.69	non	oui	2026-11-04T06:05:06.518289Z
gpqa	reasoning	0.66	1.00	0.66	non	oui	2026-11-04T06:05:06.521861Z
livebench	math	0.74	1.00	0.74	non	oui	2026-11-04T06:05:06.525260Z
livecodebench	reasoning	0.63	1.00	0.63	non	oui	2026-11-04T06:05:06.528850Z
multi-if	chat	0.72	1.00	0.72	non	oui	2026-11-04T06:05:06.532078Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	188	—	9.74	1	trueskill	2026-10-20	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