Qwen 3 32B
Qwen 3 32B ist Alibabas Open-Weights-Modell für allgemeine Aufgaben, Reasoning und Coding. Mit 32 Milliarden Parametern und optionalem Thinking-Modus arbeitet das Modell mit einem Kontextfenster von 128.000 Tokens und bietet eine ausgewogene Balance zwischen Leistung und Effizienz. Unter Apache-2.0-Lizenz lokal oder über Cloud-Provider verfügbar.
- Open Weights
- Workstation
- GR
- Text
- Instruction-Tuned
- Real-Time
Sovereign Risk: MEDIUM Alibaba Cloud ist ein chinesisches Unternehmen und unterliegt dem National Security Law (NSL). Bei Nutzung der Cloud-API ist staatlicher Zugriff auf übertragene Daten theoretisch möglich. Rein lokale Inferenz mit den öffentlich verfügbaren Gewichten reduziert dieses Risiko – NSL ist nur bei Cloud-API-Nutzung direkt relevant.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 69.84
- Routine
- 42.8
- Reasoning
- 27.04
- LLM Judge Avg
- 3.56 / 5
- 100 Coverage
- Avg Task Duration
- 4.54s
- Real-Time
- Token Rate
- 160.72tok/s
- Output Rate
- P95 Latency
- 10.19s
- Top 5 %
- Total Tokens
- 94900
- Output Volume
- Cost per 1K
- $0.0006
- USD / 1K Requests
- Benchmark Cost
- $0.06
- Total · 94900 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
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.