Puis-je exécuter Qwen3-VL-30B-A3B-Thinking localement ?

Oui, les poids sont ouverts et hébergés sur Hugging Face à Qwen/Qwen3-VL-30B-A3B-Thinking. C’est un modèle MoE 30B, donc vous aurez besoin de beaucoup de VRAM ; consultez les guides GGUF et de quantification si vous souhaitez l’exécuter sur du matériel grand public.

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

Via API, le tarif est de 0,29 $ par million de tokens en entrée et 1,00 $ par million de tokens en sortie. Le contexte natif est de 256K tokens, extensible à 1M selon Qwen.

Quelle est la différence avec la version non-Thinking ?

La variante Thinking ajoute une étape de raisonnement interne étendu avant de répondre, ce qui améliore les performances sur les tâches STEM, mathématiques et visuelles complexes au prix de sorties plus longues — donc plus coûteuses.

Qwen3 VL 30B A3B Thinking

3384°

#llm #qwen #vision #raisonnement #agents #contexte long

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 | 0,29 $/M en entrée, 1,00 $/M en sortie. Qwen3-VL-30B-A3B-Thinking est un modèle multimodal qui unifie une génération de texte puissante avec la compréhension visuelle d'images et de vidéos. Sa variante Thinking améliore le raisonnement en STEM, mathématiques et tâches complexes. Il excelle dans la perception des catégories réelles/synthétiques, l'ancrage spatial 2D/3D, et la compréhension visuelle longue, obtenant des résultats compétitifs sur les benchmarks multimodaux. Pour un usage agentique, il gère les instructions multi-images multi-tours, les…Qwen | contexte de 262 144 tokens | 0,29 $/M en entrée, 1,00 $/M en sortie. Qwen3-VL-30B-A3B-Thinking est un modèle multimodal qui unifie une génération de texte puissante avec la compréhension visuelle d'images et de vidéos. Sa variante Thinking améliore le raisonnement en STEM, mathématiques et tâches complexes. Il excelle dans la perception des catégories réelles/synthétiques, l'ancrage spatial 2D/3D, et la compréhension visuelle longue, obtenant des résultats compétitifs sur les benchmarks multimodaux. Pour un usage agentique, il gère les instructions multi-images multi-tours, les alignements de timeline vidéo, l'automatisation GUI, et le codage visuel depuis les croquis jusqu'à l'interface déboguée. La performance texte est équivalente aux modèles phares Qwen3, adapté à l'IA documentaire, OCR, assistance UI, tâches spatiales et recherche agentique.

Guides pour ce modèle

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)

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Qwen3-VL-30B-A3B-Thinking est un modèle multimodal MoE de Qwen qui traite images, vidéos et texte en un seul passage, avec une variante Thinking qui applique un raisonnement étendu aux tâches STEM, mathématiques et visuelles complexes. Le contexte natif de 256K tokens, l’OCR en 32 langues, l’ancrage spatial 3D et l’automatisation GUI le distinguent de la plupart des modèles vision-langage à ce prix. Les poids ouverts en font une option sérieuse pour les chercheurs et développeurs souhaitant l’exécuter ou le fine-tuner localement.

Connu pour

Raisonnement étendu sur des problèmes STEM et mathématiques fondé sur des preuves visuelles
Automatisation GUI sur PC et mobile : reconnaissance d’éléments, invocation d’outils, exécution de tâches
Ancrage spatial 2D et 3D, jugement d’occlusion et raisonnement sur le point de vue
OCR en 32 langues, y compris documents en faible luminosité, flous et caractères anciens
Génère Draw.io, HTML, CSS et JS directement à partir d’images ou de frames vidéo

Attention à

La variante Thinking produit des chaînes de pensée plus longues ; les tokens de sortie à 1,00 $/M s’accumulent vite sur les tâches complexes.
Les poids MoE 30B sont volumineux ; l’exécution locale demande beaucoup de VRAM — vérifiez votre matériel avant de télécharger.
Qwen n’a pas publié de résumé détaillé de licence ici ; vérifiez les conditions sur le dépôt Hugging Face avant usage commercial.

Idéal pour

Vision

Raisonnement

Agents et utilisation d'outils

Contexte long

Fonctionne localement

Prompts à essayer

Déboguer une capture d’écran UI

Joignez une capture d’écran d’une page web ou d’une application cassée. Identifiez chaque problème visible d’interface utilisateur — ruptures de mise en page, texte tronqué, éléments mal alignés, problèmes de contraste — et écrivez le HTML et CSS corrigés nécessaires pour chacun.

Raisonnement spatial à partir d’une image

Joignez une photo d’une pièce ou d’une scène extérieure. Listez chaque objet identifiable, estimez la relation spatiale approximative entre chaque paire d’objets (à gauche de, derrière, occulté par), et signalez tout ce qui semble structurellement dangereux ou déplacé.

Problème STEM avec diagramme

Joignez un diagramme de physique ou de géométrie extrait d’un manuel. Indiquez le problème présenté, identifiez toutes les valeurs données et inconnues, puis résolvez-le étape par étape en citant la partie du diagramme qui soutient chaque étape de votre raisonnement.

Comparer avec

Qwen3.7 Flash
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.03/M, sortie $0.13/M
Qwen3.8 Max (0902)
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
Qwen3.8 Omni Flash
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.15/M, sortie $0.47/M
Qwen3 VL 32B Instruct
Modèle uniquement API
Contexte de 131,072 tokens · entrée $0.10/M, sortie $0.42/M

Plus de modèles de texte de qwen

Questions fréquentes

Puis-je exécuter Qwen3-VL-30B-A3B-Thinking localement ?: Oui, les poids sont ouverts et hébergés sur Hugging Face à Qwen/Qwen3-VL-30B-A3B-Thinking. C’est un modèle MoE 30B, donc vous aurez besoin de beaucoup de VRAM ; consultez les guides GGUF et de quantification si vous souhaitez l’exécuter sur du matériel grand public.
Quel est le coût et quelle est la taille du contexte ?: Via API, le tarif est de 0,29 $ par million de tokens en entrée et 1,00 $ par million de tokens en sortie. Le contexte natif est de 256K tokens, extensible à 1M selon Qwen.
Quelle est la différence avec la version non-Thinking ?: La variante Thinking ajoute une étape de raisonnement interne étendu avant de répondre, ce qui améliore les performances sur les tâches STEM, mathématiques et visuelles complexes au prix de sorties plus longues — donc plus coûteuses.

Verdict du capitaine
Un rare modèle vision à poids ouverts qui mérite vraiment l’étiquette de raisonnement — le coût en tokens de sortie vaut le coup quand la tâche est difficile.

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

Modèles d'IA pour générer image, vidéo et texte

Qwen3 VL 30B A3B Thinking 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 vision raisonnement agents contexte long local

Parcourir par famille de modèles