Каков объем активных параметров у этой модели?

Несмотря на общий размер в 30.5 млрд параметров, благодаря архитектуре Mixture-of-Experts (MoE), при каждом запросе активируется всего 3.3 млрд параметров, что обеспечивает высокую скорость работы.

Поддерживает ли Qwen3 30B работу с длинными документами?

Да, модель поддерживает контекст до 262 144 токенов, что позволяет анализировать целые книги, длинные программные коды или объемные технические отчеты.

Можно ли использовать модель на alltokens для разработки?

Да, модель поддерживает широкий спектр параметров, включая structured_outputs и tool_choice, что делает её отличным выбором для интеграции в программные продукты.

Qwen: Qwen3 30B A3B Instruct 2507

QwenОбновлено: 29 июля 2025 г.

Qwen3 30B A3B Instruct — это эффективная модель на архитектуре Mixture-of-Experts, использующая всего 3.3 млрд активных параметров для быстрой генерации. Она обладает внушительным контекстным окном в 262 тысячи токенов и оптимизирована для точного следования сложным инструкциям.

Использовать через API

Метрики

Вход

12 ₽/M

Выход

38 ₽/M

Контекст

262k tokens

Параметры

Релиз

29 июля 2025 г.

Поддерживаемые параметры

frequency_penaltylogit_biasmax_tokensmin_ppresence_penaltyrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_p

Технический обзор

Qwen3-30B-A3B-Instruct-2507 — это языковая модель от Qwen с архитектурой смеси экспертов (MoE), содержащая 30,5 миллиарда параметров, из которых 3,3 миллиарда активны при каждом выводе. Модель работает в обычном режиме (без цепочки рассуждений) и предназначена для высококачественного следования инструкциям, многоязычного понимания и работы в качестве агента с использованием инструментов. Благодаря этапу дополнительного обучения на наборах инструкций, модель демонстрирует конкурентные результаты в тестах на логику (AIME, ZebraLogic), программирование (MultiPL-E, LiveCodeBench) и соответствие человеческим предпочтениям (IFEval, WritingBench). Она превосходит базовую версию в субъективных и открытых задачах, сохраняя при этом высокую точность в работе с фактами и кодом. На alltokens модель доступна для интеграции через API.

Кодинг

Инструменты

Длинный контекст

Мультимодальность

Веб-автоматизация

Смежные подборки

Модели для программирования Недорогие модели Модели с длинным контекстом

Сравнение с похожими моделями

Модель

Для чего

Контекст

Цена ₽

Модель

Qwen: Qwen3 30B A3B Instruct 2507Текущая

Для чего

Контекст

262k

Цена ₽

12 / 38

Qwen: Qwen3 30B A3B Instruct 2507Текущая

262k

12 / 38

Модель

StepFun: Step 3.5 Flash

Для чего

Обе модели ориентированы на высокую скорость работы и эффективную обработку длинных контекстов при схожей производительности.

Контекст

262k

Цена ₽

13 / 38

StepFun: Step 3.5 Flash

262k

13 / 38

Модель

Mistral: Mistral Small Creative

Для чего

Модели имеют сопоставимый масштаб и позиционируются как сбалансированные решения для креативных и логических задач.

Контекст

33k

Цена ₽

13 / 38

Mistral: Mistral Small Creative

33k

13 / 38

Когда выбирать

Необходима обработка огромных объемов текста благодаря контекстному окну в 262k токенов
Требуется высокая скорость генерации при сохранении качества ответов за счет архитектуры MoE
Нужна поддержка структурированного вывода и работы с внешними инструментами (tools)

Когда не выбирать

Требуется режим глубокого логического рассуждения (thinking mode), который отсутствует в данной версии
Задачи требуют максимальной экспертизы, доступной только в моделях с сотнями миллиардов активных параметров
Необходима работа с модальностями, отличными от текстового ввода и вывода