Qwen 3 14B
Qwen 3 14B ist Alibabas Open-Weights-Modell für allgemeine Sprachaufgaben und Reasoning mit optionalem Thinking-Modus. Die Q6-Quantisierung ist für effizienten lokalen Betrieb ohne Cloud-Verbindung ausgelegt, das Kontextfenster umfasst 128.000 Tokens. Unter Apache-2.0-Lizenz voll kommerziell nutzbar.
- Open Weights
- Desktop
- M4APL
- Text
- Interactive
Sovereign Risk: LOW Das Modell wird lokal ohne Cloud-Verbindung betrieben; CLOUD-Act- und Datentransfer-Risiken greifen bei rein lokaler Inferenz nicht. Das Sovereign-Risk bezieht sich auf die Gewichts-Provenance, nicht auf aktive Datenübertragung.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 67.97
- Routine
- 42.38
- Reasoning
- 25.58
- LLM Judge Avg
- 3.4 / 5
- 100 Coverage
- Avg Task Duration
- 34.3s
- Interactive
- Token Rate
- 23.87tok/s
- Output Rate
- P95 Latency
- 87.96s
- Top 5 %
- Total Tokens
- 48400
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 48400 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Qwen 3 14B
Bestes Modell
Ø Alle Modelle
Code Quality
67.8
CLI Benchmark
91.67
Logical Reasoning
63.09
UX Writing
62.55
Documentation
60.85
Content Transform.
70.38
Cultural Intelligence
71.3
Synthesis Quality
41.67
Tool Execution
90
ToolUse Score
65.67
Benchmark Cost
$0
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.