Qwen3-30B-A3B ist das kompakte MoE-Modell der ersten Qwen3-Generation. Von 30,5 Milliarden Parametern rechnen je verarbeitetem Textbaustein (Token) nur 3,3 Milliarden, das Modell antwortet dadurch sehr schnell. Im Denkmodus erreicht es laut Qwen-Team trotzdem Werte auf dem Niveau des Reasoning-Modells QwQ-32B.
Das Mixture-of-Experts-Prinzip (MoE) verteilt das Wissen auf 128 spezialisierte Teilnetze, von denen je Token acht aktiv sind. Mit der offiziellen FP8-Fassung läuft das Modell auf einer GPU mit 48 GB. Es steht unter der Lizenz Apache 2.0.
Qwen3-30B-A3B
Alibaba (Qwen-Team)
April 2025
Apache 2.0
MoE, Hybrid-Reasoning (Denkmodus und schneller Modus), rein textbasiert
30,5 Mrd. total (3,3 Mrd. aktiv pro Token)
MoE mit 128 Experten, Grouped-Query Attention (32 Q-, 4 KV-Heads) und QK-Norm
Byte-Level-BPE mit 151.669 Token Vokabular
48
32 Query-Köpfe, 4 Key/Value-Köpfe (Grouped-Query Attention - GQA).
128 Experten, 8 aktiv je Token, keine geteilten Experten
32.768 Token nativ, bis 131.072 Token mit YaRN
Das Modell in BF16 und als offizielle FP8-Fassung, dazu GPTQ-Int4 und GGUF. Außerdem gibt es das Basismodell Qwen3-30B-A3B-Base für eigenes Feintuning.
Qwen3-30B-A3B-2507 trennt Denkmodus und schnellen Modus in zwei Modelle und erweitert den Kontext auf 262.144 Token.
Qwen3-Coder-30B-A3B nutzt dieselbe Größe für Programmieraufgaben, Qwen3-Omni-30B-A3B für Audio, Bild und Video.
| Benchmark | Qwen3-30B-A3B | Qwen3-14B | QwQ-32B | DeepSeek-R1-Distill-Qwen-32B |
|---|---|---|---|---|
| MMLU-Redux | 89,5 | 88,6 | 90,0 | 88,2 |
| GPQA-Diamond | 65,8 | 64,0 | 65,6 | 62,1 |
| LiveBench 2024-11-25 | 74,3 | 71,3 | 72,0 | 45,6 |
| IFEval (strict prompt) | 86,5 | 85,4 | 83,9 | 72,5 |
| Arena-Hard | 91,0 | 91,7 | 89,5 | 60,8 |
| MATH-500 | 98,0 | 96,8 | 98,0 | 94,3 |
| AIME’24 | 80,4 | 79,3 | 79,5 | 72,6 |
| AIME’25 | 70,9 | 70,4 | 69,5 | 49,6 |
| ZebraLogic | 89,5 | 88,5 | 76,8 | 69,6 |
| BFCL v3 | 69,1 | 70,4 | 66,4 | 53,5 |
| LiveCodeBench v5 | 62,6 | 63,5 | 62,7 | 54,5 |
| CodeForces (Rating) | 1974 | 1766 | 1982 | 1691 |
| Multi-IF | 72,2 | 74,8 | 68,3 | 31,3 |
Quelle: Qwen3 Technical Report (Qwen-Team, Mai 2025), gemessen im Denkmodus. Angaben in Prozent, CodeForces als Rating.
Schnelles MoE 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.
Qwen3-30B-A3B eignet sich für Organisationen, die schnelle Antworten mit wenig Hardware wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob der 2507-Nachfolger besser passt.
Sehr schnell: Nur 3,3 Milliarden aktive Parameter je Token.
Stark im Denkmodus: Bei LiveBench (74,3) und ZebraLogic (89,5) vor allen Vergleichsmodellen der Tabelle.
Eine GPU genügt: In FP8 auf einer L40S oder H100 lauffähig.
Basismodell verfügbar: Qwen3-30B-A3B-Base eignet sich für eigenes Feintuning.
Kommerziell frei nutzbar: Apache 2.0 ohne Umsatzgrenzen.
Nicht in allen Tests vorn: Bei BFCL v3, LiveCodeBench und Multi-IF liegt das dichte Qwen3-14B knapp vorn.
Kurzer nativer Kontext: 32.768 Token nativ, der 2507-Nachfolger bietet 262.144.
Überholt durch die 2507-Version: Qwen3-30B-A3B-Thinking-2507 erreicht etwa 85,0 statt 70,9 bei AIME25.
Kein Bildverständnis: Alle Qwen3-Modelle der ersten Generation sind rein textbasiert, für Bilder gibt es Qwen3-VL.
Wir planen die Cluster-Auslegung für Qwen3-30B-A3B, 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 61 GB, das passt auf eine H100. Mit der offiziellen FP8-Fassung reichen rund 32 GB. Quantisierte Fassungen laufen auch auf GPUs mit 24 GB.
A3B steht für rund 3 Milliarden aktive Parameter. Von den 30,5 Milliarden Parametern rechnen je Token nur 3,3 Milliarden, deshalb antwortet das Modell so schnell wie ein kleines Modell.
Die 2507-Version trennt Denkmodus und schnellen Modus in zwei Modelle, erweitert den Kontext auf 262.144 Token und legt in beiden Modi deutlich zu. Mehr dazu auf unserer Seite zu Qwen3-30B-A3B-2507.
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!
