Puis-je exécuter Qwen3-235B-A22B-Instruct-2507 localement ?

Oui, les poids sont ouverts et disponibles sur Hugging Face à Qwen/Qwen3-235B-A22B-Instruct-2507. Avec 235 milliards de paramètres, vous aurez besoin d’une mémoire GPU conséquente — vérifiez les exigences matérielles dans la fiche modèle avant de télécharger.

Quel est le coût via API et quelle est la taille du contexte ?

Le tarif est de 0,09 $ par million de tokens d’entrée et 0,55 $ par million de tokens de sortie. La fenêtre de contexte native est de 262 144 tokens.

En quoi cette version diffère-t-elle de la version non réflexion originale Qwen3-235B-A22B ?

Cette mise à jour 2507 apporte des gains significatifs en couverture des connaissances, compréhension du contexte long, raisonnement mathématique et alignement sur les tâches ouvertes par rapport à la variante non réflexion de base, tout en conservant la même architecture et le même nombre de paramètres actifs.

Qwen3 235B A22B Instruct 2507

4361°

#llm #qwen #raisonnement #mathématiques #programmation #multilingue

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Qwen | contexte de 262 144 tokens | 0,09 $/M en entrée, 0,55 $/M en sortie. Qwen3-235B-A22B-Instruct-2507 est un modèle de langage mixture-of-experts multilingue affiné par instruction basé sur l'architecture Qwen3-235B, avec 22 milliards de paramètres actifs par passage avant. Il est optimisé pour la génération de texte à usage général, incluant le suivi d'instructions, le raisonnement logique, les mathématiques, le code et l'utilisation d'outils. Le modèle supporte une longueur de contexte native de 262K tokens et n'implémente pas le « mode réflexion » ( blocs). Par rapport à sa variante de…Qwen | contexte de 262 144 tokens | 0,09 $/M en entrée, 0,55 $/M en sortie. Qwen3-235B-A22B-Instruct-2507 est un modèle de langage mixture-of-experts multilingue affiné par instruction basé sur l'architecture Qwen3-235B, avec 22 milliards de paramètres actifs par passage avant. Il est optimisé pour la génération de texte à usage général, incluant le suivi d'instructions, le raisonnement logique, les mathématiques, le code et l'utilisation d'outils. Le modèle supporte une longueur de contexte native de 262K tokens et n'implémente pas le « mode réflexion » ( blocs). Par rapport à sa variante de base, cette version offre des gains significatifs en couverture des connaissances, raisonnement sur long contexte, benchmarks de codage et alignement sur des tâches ouvertes. Il est particulièrement performant en compréhension multilingue, raisonnement mathématique (ex. AIME, HMMT) et évaluations d'alignement comme Arena-Hard et WritingBench.

Guides pour ce modèle

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Qwen3-235B-A22B-Instruct-2507 est la version mise à jour sans mode réflexion du modèle mixture-of-experts 235B d’Alibaba, avec 22 milliards de paramètres actifs par passage avant. Il échange les blocs de raisonnement en chaîne de pensée de la variante réflexion pour une sortie plus rapide et plus propre tout en affichant de solides résultats en mathématiques, codage, connaissances et benchmarks multilingues. Poids ouverts et contexte natif de 262K en font une option sérieuse si vous voulez une capacité de pointe sans API fermée.

Connu pour

Raisonnement mathématique : en tête du tableau de benchmark sur AIME25 et HMMT25 parmi les modèles listés.
Connaissances factuelles : particulièrement fort sur SimpleQA et CSimpleQA par rapport à ses pairs directs.
Fenêtre de contexte native de 262K tokens avec extensibilité rapportée bien au-delà.
Suivi d’instruction multilingue couvrant un large éventail de langues.
Usage d’outils et appels de fonction compétitifs avec des modèles fermés plus grands.

Attention à

Pas de mode réflexion : cette version ne produit pas de traces de raisonnement ; utilisez la variante réflexion de base si vous en avez besoin.
235 milliards de paramètres au total signifie que le déploiement local nécessite un matériel sérieux — vérifiez les besoins en VRAM avant téléchargement.
Qwen publie les poids mais vérifiez les termes de licence sur Hugging Face avant tout usage commercial.

Idéal pour

Prompts à essayer

Mathématiques de compétition difficiles

Résous ce problème étape par étape : une suite est définie par a₁ = 1 et aₙ₊₁ = aₙ + 1/aₙ pour n ≥ 1. Prouve que a₂₀₀ > 20, et trouve le plus petit entier N tel que aₙ > 20 pour tout n ≥ N.

Clause contractuelle multilingue

Un contrat fournisseur contient cette clause : 'Le fournisseur garantit la livraison dans un délai de 30 jours ouvrables à compter de la réception de la commande, sous peine d'une pénalité de 0,5 % par jour de retard.' Explique les implications juridiques et commerciales en anglais, puis réécris la clause pour plafonner les pénalités totales à 10 % de la valeur du contrat.

Raisonnement sur long document

Je vais coller le texte complet d’un article de recherche ci-dessous. Après l’avoir lu, identifie les trois affirmations les plus fortes des auteurs, les preuves fournies pour chacune, les faiblesses méthodologiques qu’un relecteur pourrait signaler, et une expérience complémentaire qui renforcerait significativement l’affirmation la plus faible. Colle ton article maintenant et je commencerai.

Comparer avec

Qwen3.8 Max (0902)
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
Qwen3 30B A3B Thinking 2507
Modèle uniquement API
Contexte de 81,920 tokens · entrée $0.20/M, sortie $2.40/M
Qwen3.5 Plus 2026-02-15
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.26/M, sortie $1.56/M
Qwen3.7 Plus
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.32/M, sortie $1.28/M

Plus de modèles de texte de qwen

Questions fréquentes

Puis-je exécuter Qwen3-235B-A22B-Instruct-2507 localement ?: Oui, les poids sont ouverts et disponibles sur Hugging Face à Qwen/Qwen3-235B-A22B-Instruct-2507. Avec 235 milliards de paramètres, vous aurez besoin d’une mémoire GPU conséquente — vérifiez les exigences matérielles dans la fiche modèle avant de télécharger.
Quel est le coût via API et quelle est la taille du contexte ?: Le tarif est de 0,09 $ par million de tokens d’entrée et 0,55 $ par million de tokens de sortie. La fenêtre de contexte native est de 262 144 tokens.
En quoi cette version diffère-t-elle de la version non réflexion originale Qwen3-235B-A22B ?: Cette mise à jour 2507 apporte des gains significatifs en couverture des connaissances, compréhension du contexte long, raisonnement mathématique et alignement sur les tâches ouvertes par rapport à la variante non réflexion de base, tout en conservant la même architecture et le même nombre de paramètres actifs.

Verdict du capitaine
Un cas rare où poids ouverts, contexte 262K et scores mathématiques et connaissances réellement compétitifs cohabitent dans un même modèle.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Qwen3.5 9B

TEXT / LLM

Nemotron 3.5 Content Safety

Modèles d'IA pour générer image, vidéo et texte

Qwen3 235B A22B Instruct 2507 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm qwen raisonnement mathématiques programmation multilingue contexte long

Parcourir par famille de modèles