Qwen3-30B-A3B-2507 ist die überarbeitete Version von Qwen3-30B-A3B, aufgeteilt in zwei Modelle: Instruct für schnelle Antworten und Thinking für gründliches Reasoning. Beide legen deutlich zu. Die Thinking-Version erreicht bei AIME25 85,0 und liegt damit vor dem großen Qwen3-235B-A22B der ersten Generation.
Technisch ist es ein Mixture-of-Experts-Modell (MoE), von dessen 30,5 Milliarden Parametern je verarbeitetem Textbaustein (Token) nur 3,3 Milliarden rechnen. Der Kontext umfasst 262.144 Token. In FP8 läuft jedes der beiden Modelle auf einer GPU mit 48 GB. Beide stehen unter der Lizenz Apache 2.0.
Qwen3-30B-A3B-Instruct-2507 und Qwen3-30B-A3B-Thinking-2507
Alibaba (Qwen-Team)
Juli 2025
Apache 2.0
MoE, getrennte Modelle für schnellen Modus (Instruct) und Denkmodus (Thinking), rein textbasiert
30,5 Mrd. total (3,3 Mrd. aktiv pro Token)
MoE mit 128 Experten und Grouped-Query Attention (32 Q-, 4 KV-Heads)
48
128 Experten, 8 aktiv je Token
262.144 Token nativ, bis 1.010.000 Token mit Dual Chunk Attention
Das Modell für direkte Antworten ohne Denkphase, erschienen am 30. Juli 2025. Auch als FP8-Fassung verfügbar.
Das Modell mit Denkphase für komplexe Aufgaben, erschienen am 31. Juli 2025. Auch als FP8-Fassung verfügbar.
Qwen3-Coder-30B-A3B ist die Coding-Variante gleicher Größe. Deutlich effizienter bei langem Kontext ist Qwen3-Next-80B-A3B.
| Benchmark | Qwen3-30B-A3B-Thinking-2507 | Qwen3-30B-A3B (Thinking) | Qwen3-235B-A22B (Thinking) | Gemini 2.5 Flash Thinking |
|---|---|---|---|---|
| MMLU-Pro | 80,9 | 78,5 | 82,8 | 81,9 |
| GPQA | 73,4 | 65,8 | 71,1 | 82,8 |
| AIME25 | 85,0 | 70,9 | 81,5 | 72,0 |
| HMMT25 | 71,4 | 49,8 | 62,5 | 64,2 |
| LiveBench 20241125 | 76,8 | 74,3 | 77,1 | 74,3 |
| LiveCodeBench v6 | 66,0 | 57,4 | 55,7 | 61,2 |
| CFEval | 2044 | 1940 | 2056 | 1995 |
| IFEval | 88,9 | 86,5 | 83,4 | 89,8 |
| Arena-Hard v2 | 56,0 | 36,3 | 61,5 | 56,7 |
| WritingBench | 85,0 | 77,0 | 80,3 | 83,9 |
| BFCL-v3 | 72,4 | 69,1 | 70,8 | 68,6 |
| PolyMATH | 52,6 | 46,1 | 54,7 | 49,8 |
Quelle: offizielle Model Card zu Qwen3-30B-A3B-Thinking-2507 (Qwen-Team, Juli 2025). Angaben in Prozent, CFEval als Rating. Die Instruct-Version erreicht laut ihrer Model Card etwa 61,3 bei AIME25 und 69,0 bei Arena-Hard v2.
Kompaktes MoE als Instruct und Thinking, lauffähig auf einer GPU. 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.
Qwen3-30B-A3B-2507 eignet sich für Organisationen, die mit wenig Hardware viel Leistung wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob Instruct, Thinking oder beide passen.
Großer Sprung gegenüber Qwen3-30B-A3B: Im Denkmodus steigt AIME25 von 70,9 auf 85,0, HMMT25 von 49,8 auf 71,4.
Stark für seine Größe: Bei AIME25, HMMT25 und LiveCodeBench vor dem großen Qwen3-235B-A22B (Thinking).
Beste Werkzeugnutzung der Tabelle: 72,4 bei BFCL-v3.
Eine GPU genügt: In FP8 auf einer L40S oder H100.
Kommerziell frei nutzbar: Apache 2.0 ohne Umsatzgrenzen.
Hinter Gemini 2.5 Flash bei Fachwissen: Bei GPQA (82,8 gegenüber 73,4) und MMLU-Pro liegt Gemini 2.5 Flash Thinking vorn.
Zwei Modelle statt einem: Für beide Modi müssen zwei Modelle bereitgestellt werden.
Begrenztes Wissen: Bei MMLU-Pro und Arena-Hard v2 liegt das große Qwen3-235B-A22B vorn.
Rein textbasiert: Für Bilder und Videos gibt es Qwen3-VL.
Wir planen die Cluster-Auslegung für Qwen3-30B-A3B-2507, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
Instruct antwortet direkt und eignet sich für Chat, Textarbeit und Werkzeugaufrufe. Thinking denkt vor der Antwort nach und ist bei Mathematik, Code und Analysen deutlich stärker, braucht aber mehr Zeit.
In BF16 umfassen die Gewichte je Modell rund 61 GB und passen auf eine H100. Mit FP8 reichen rund 31 GB. Für eine Million Token Kontext nennt das Qwen-Team rund 240 GB Grafikspeicher.
Die Modi sind getrennt und gezielt trainiert, der Kontext wächst von 32.768 auf 262.144 Token. In beiden Modi steigen die Werte deutlich.
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!
