Qwen3-235B-A22B-Instruct-2507 ist die überarbeitete Version von Qwen3-235B-A22B für den schnellen Modus ohne Denkphase. Das Qwen-Team hat die beiden Modi im Juli 2025 in getrennte Modelle aufgeteilt und jedes gezielt trainiert. Die Instruct-Version legt dadurch deutlich zu, etwa bei AIME25 von 24,7 auf 70,3 und bei SimpleQA von 12,2 auf 54,3.
Technisch bleibt es ein Mixture-of-Experts-Modell (MoE) mit 235 Milliarden Parametern, von denen je verarbeitetem Textbaustein (Token) 22 Milliarden rechnen. Das Kontextfenster wächst auf 262.144 Token, mit Dual Chunk Attention sogar auf eine Million. Es steht unter der Lizenz Apache 2.0.
Qwen3-235B-A22B-Instruct-2507
Alibaba (Qwen-Team)
Juli 2025
Apache 2.0
MoE, nur schneller Modus ohne Denkphase, rein textbasiert
235 Mrd. total (22 Mrd. aktiv pro Token)
MoE mit 128 Experten und Grouped-Query Attention (64 Q-, 4 KV-Heads)
94
128 Experten, 8 aktiv je Token
262.144 Token nativ, bis 1.010.000 Token mit Dual Chunk Attention
Das Modell in BF16 und als offizielle FP8-Fassung mit etwa halbem Speicherbedarf.
Qwen3-235B-A22B-Thinking-2507 ist die Schwesterversion mit Denkphase für komplexe Reasoning-Aufgaben.
Qwen3-235B-A22B vereinte beide Modi in einem Modell. Die nächste Generation ist Qwen3.5-397B-A17B mit Bildverständnis.
| Benchmark | Qwen3-235B-A22B-Instruct-2507 | Qwen3-235B-A22B (Non-thinking) | DeepSeek-V3-0324 | GPT-4o-0327 | Claude Opus 4 (Non-thinking) | Kimi K2 |
|---|---|---|---|---|---|---|
| MMLU-Pro | 83,0 | 75,2 | 81,2 | 79,8 | 86,6 | 81,1 |
| GPQA | 77,5 | 62,9 | 68,4 | 66,9 | 74,9 | 75,1 |
| SimpleQA | 54,3 | 12,2 | 27,2 | 40,3 | 22,8 | 31,0 |
| AIME25 | 70,3 | 24,7 | 46,6 | 26,7 | 33,9 | 49,5 |
| HMMT25 | 55,4 | 10,0 | 27,5 | 7,9 | 15,9 | 38,8 |
| ARC-AGI | 41,8 | 4,3 | 9,0 | 8,8 | 30,3 | 13,3 |
| LiveCodeBench v6 | 51,8 | 32,9 | 45,2 | 35,8 | 44,6 | 48,9 |
| Aider-Polyglot | 57,3 | 59,6 | 55,1 | 45,3 | 70,7 | 59,0 |
| Arena-Hard v2 | 79,2 | 52,0 | 45,6 | 61,9 | 51,5 | 66,1 |
| WritingBench | 85,2 | 77,0 | 74,5 | 75,5 | 79,2 | 86,2 |
| BFCL-v3 | 70,9 | 68,0 | 64,7 | 66,5 | 60,1 | 65,2 |
| PolyMATH | 50,2 | 27,0 | 32,2 | 25,5 | 30,0 | 44,8 |
Quelle: offizielle Model Card (Qwen-Team, Juli 2025). Angaben in Prozent, Arena-Hard v2 als Gewinnrate mit GPT-4.1 als Bewerter. Alle Modelle ohne Denkphase.
Das 235B-Modell im schnellen Modus mit 262.144 Token Kontext. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
Das Qwen-Team nennt für die 2507-Versionen keine eigenen Angaben zu den Trainingsdaten. Sie bauen auf der ersten Qwen3-Generation auf, die auf rund 36 Billionen Token in 119 Sprachen vortrainiert wurde. Neu ist vor allem das getrennte Post-Training für Denkmodus und schnellen Modus.
Qwen3-235B-A22B-Instruct-2507 eignet sich für Organisationen, die schnelle Antworten mit großem Wissen selbst betreiben wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob Instruct oder Thinking besser passt.
Großer Sprung gegenüber Qwen3: AIME25 steigt von 24,7 auf 70,3, SimpleQA von 12,2 auf 54,3.
Stark ohne Denkphase: Bei GPQA, AIME25, ARC-AGI und Arena-Hard v2 vor allen Vergleichsmodellen der Tabelle.
Langer Kontext: 262.144 Token nativ, bis zu einer Million mit Dual Chunk Attention.
Beste Werkzeugnutzung der Tabelle: 70,9 bei BFCL-v3.
Kommerziell frei nutzbar: Apache 2.0 ohne Umsatzgrenzen.
Keine Denkphase: Für gründliches Reasoning eignet sich die Thinking-Version.
Hinter Claude Opus 4 bei Coding und Wissen: Bei Aider-Polyglot (57,3 gegenüber 70,7) und MMLU-Pro liegt Claude Opus 4 vorn.
Hoher Hardware-Bedarf: Auch in FP8 rund 236 GB Gewichte.
Rein textbasiert: Für Bilder und Videos gibt es Qwen3-VL.
Wir planen die Cluster-Auslegung für Qwen3-235B-A22B-Instruct-2507, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
Das ursprüngliche Modell vereinte Denkmodus und schnellen Modus. Bei 2507 sind sie getrennt, die Instruct-Version antwortet nur direkt und ist in diesem Modus deutlich stärker. Zudem wächst der Kontext von 32.768 auf 262.144 Token.
In BF16 umfassen die Gewichte rund 470 GB, das passt auf einen Server mit acht H200. Mit FP8 halbiert sich der Bedarf. Für eine Million Token Kontext nennt das Qwen-Team rund 1.000 GB Grafikspeicher.
Über Dual Chunk Attention, die lange Texte in Abschnitte teilt, und eine dünn besetzte Attention. Dafür wird eine eigene Konfigurationsdatei geladen. Laut Qwen-Team ist das bei fast einer Million Token bis zu dreimal schneller als die normale Attention.
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!
