Qwen3-14B ist das mittelgroße dichte Modell der ersten Qwen3-Generation. Es bietet wie die ganze Reihe Denkmodus und schnellen Modus in einem Modell und erreicht im Denkmodus Werte auf dem Niveau des mehr als doppelt so großen Reasoning-Modells QwQ-32B.
Das Modell ist dicht, bei jedem Textbaustein (Token) rechnen also alle 14,8 Milliarden Parameter mit. In BF16 braucht es rund 30 GB, eine L40S oder H100 genügt. Es steht unter der Lizenz Apache 2.0.
Qwen3-14B
Alibaba (Qwen-Team)
April 2025
Apache 2.0
Dichtes Modell, Hybrid-Reasoning (Denkmodus und schneller Modus), rein textbasiert
14,8 Mrd. (dicht), davon 13,2 Mrd. ohne Embedding
Dichter Transformer mit Grouped-Query Attention (40 Q-, 8 KV-Heads) und QK-Norm
Byte-Level-BPE mit 151.669 Token Vokabular
40
40 Query-Köpfe, 8 Key/Value-Köpfe (Grouped-Query Attention - GQA).
32.768 Token nativ, bis 131.072 Token mit YaRN
Das Modell in BF16 und als offizielle FP8-Fassung, dazu AWQ und GGUF. Außerdem gibt es das Basismodell Qwen3-14B-Base für eigenes Feintuning.
Eine 2507-Version gibt es für 14B nicht. Neuere Modelle dieser Klasse sind die kleinen Qwen3.5-Modelle, Qwen3.6 und Qwen3.8.
| Benchmark | Qwen3-14B | Qwen3-30B-A3B | QwQ-32B | DeepSeek-R1-Distill-Qwen-32B |
|---|---|---|---|---|
| MMLU-Redux | 88,6 | 89,5 | 90,0 | 88,2 |
| GPQA-Diamond | 64,0 | 65,8 | 65,6 | 62,1 |
| LiveBench 2024-11-25 | 71,3 | 74,3 | 72,0 | 45,6 |
| IFEval (strict prompt) | 85,4 | 86,5 | 83,9 | 72,5 |
| Arena-Hard | 91,7 | 91,0 | 89,5 | 60,8 |
| MATH-500 | 96,8 | 98,0 | 98,0 | 94,3 |
| AIME’24 | 79,3 | 80,4 | 79,5 | 72,6 |
| AIME’25 | 70,4 | 70,9 | 69,5 | 49,6 |
| ZebraLogic | 88,5 | 89,5 | 76,8 | 69,6 |
| BFCL v3 | 70,4 | 69,1 | 66,4 | 53,5 |
| LiveCodeBench v5 | 63,5 | 62,6 | 62,7 | 54,5 |
| CodeForces (Rating) | 1766 | 1974 | 1982 | 1691 |
| Multi-IF | 74,8 | 72,2 | 68,3 | 31,3 |
Quelle: Qwen3 Technical Report (Qwen-Team, Mai 2025), gemessen im Denkmodus. Angaben in Prozent, CodeForces als Rating.
Mittelgroßes Qwen3-Modell mit Denkmodus, lauffähig auf einer GPU. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
Die Qwen3-Modelle wurden auf rund 36 Billionen Token in 119 Sprachen und Dialekten vortrainiert, doppelt so viele Token wie beim Vorgänger Qwen2.5. Das Vortraining lief in drei Stufen: allgemeines Wissen, dann gezielt Mathematik, Code und Reasoning, zuletzt lange Texte bis 32.768 Token.
Die kleineren Modelle entstanden per Strong-to-Weak-Distillation: Sie lernen direkt von den Ausgaben der großen Modelle Qwen3-235B-A22B und Qwen3-32B. Das braucht laut Qwen-Team nur rund ein Zehntel der GPU-Stunden des vollständigen vierstufigen Verfahrens.
Qwen3-14B eignet sich für Teams, die ein vielseitiges Modell auf einer GPU betreiben wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob ein neueres Modell besser passt.
Stark für seine Größe: Im Denkmodus auf dem Niveau des mehr als doppelt so großen QwQ-32B.
Stark bei Werkzeugen und Anweisungen: Mit 70,4 bei BFCL v3 und 74,8 bei Multi-IF vor allen Vergleichsmodellen der Tabelle.
Genügsam: In BF16 auf einer GPU mit 48 GB lauffähig.
Basismodell verfügbar: Qwen3-14B-Base eignet sich für eigenes Feintuning.
Kommerziell frei nutzbar: Apache 2.0 ohne Umsatzgrenzen.
Langsamer als Qwen3-30B-A3B: Das MoE-Modell mit 3,3 Milliarden aktiven Parametern antwortet schneller und liegt in vielen Tests gleichauf oder vorn.
Kurzer nativer Kontext: 32.768 Token nativ, mit YaRN 131.072.
Kein 2507-Update: Anders als die großen Modelle erhielt Qwen3-14B keine 2507-Version, neuere Modelle dieser Klasse kamen erst mit Qwen3.5.
Kein Bildverständnis: Alle Qwen3-Modelle der ersten Generation sind rein textbasiert, für Bilder gibt es Qwen3-VL.
Wir planen die Cluster-Auslegung für Qwen3-14B, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
In BF16 umfassen die Gewichte rund 30 GB, eine L40S oder H100 reicht. Mit FP8 halbiert sich der Bedarf auf rund 16 GB, dann genügt eine GPU mit 24 GB. Hinzu kommt Reserve für den KV-Cache, den Zwischenspeicher für bereits verarbeitete Teile einer Anfrage.
Beide liegen in den Benchmarks nah beieinander. Qwen3-30B-A3B antwortet schneller, braucht aber doppelt so viel Speicher. Qwen3-14B passt auf kleinere GPUs.
Der Denkmodus ist standardmäßig aktiv. Über den Parameter enable_thinking lässt er sich ganz abschalten, mit /think und /no_think in einer Nachricht wechseln Sie ihn während eines Gesprächs.
Ja. Das Qwen-Team von Alibaba veröffentlicht die Gewichte unter der Lizenz Apache 2.0. Sie dürfen das Modell ohne Umsatzgrenzen kommerziell einsetzen, anpassen und weitergeben.
Ja. Über unsere GPU Cloud stellen wir die nötige Rechenleistung bereit. Alternativ bündelt der MaaS Proxy verschiedene Modelle über eine einheitliche Schnittstelle. Beide Wege betreiben wir DSGVO-konform in Deutschland.
Möchten Sie individuell beraten werden?
Unsere KI-Experten sind für Sie da!
