Kann Qwen3 14B lokal ausgeführt werden?

Ja, die Gewichte sind offen und auf Hugging Face unter Qwen/Qwen3-14B gehostet. Ollama, LM Studio, llama.cpp, MLX-LM und KTransformers unterstützen es alle.

Was kostet es und wie groß ist das Kontextfenster?

Über die API kostet es 0,12 $ pro Million Eingabetokens und 0,24 $ pro Million Ausgabetokens. Das native Kontextfenster beträgt 32.768 Tokens, erweiterbar auf 131.072 mit YaRN-basierter Skalierung.

Worin unterscheidet sich Qwen3 14B von Qwen2.5?

Qwen3 14B fügt den expliziten Denk-/Nicht-Denk-Modus-Schalter hinzu, den Qwen2.5-Instruct-Modelle nicht haben, und der Hersteller gibt an, dass es frühere Qwen2.5-Instruct-Modelle in Mathematik, Code und Alltagslogik übertrifft.

Qwen3 14B

4339°

#llm #qwen #logik #programmieren #agenten #mehrsprachig

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

Qwen | 40.960 Token Kontext | $0,12/M Eingabe, $0,24/M Ausgabe. Qwen3-14B ist ein dichtes 14,8 Milliarden Parameter großes kausales Sprachmodell aus der Qwen3-Serie, ausgelegt für komplexes Reasoning und effizienten Dialog. Es unterstützt nahtloses Umschalten zwischen einem „Thinking“-Modus für Aufgaben wie Mathematik, Programmierung und logische Schlussfolgerungen und einem „Non-Thinking“-Modus für allgemeine Konversation. Das Modell ist feinabgestimmt für Instruktionsbefolgung, agentische Werkzeugnutzung, kreatives Schreiben und mehrsprachige Aufgaben in über 100 Sprachen und Dialekten. Es verarbeitet nativ 32K Token-Kontexte und kann mit YaRN-basierter Skalierung auf 131K Tokens erweitert werden.

Anleitungen zu diesem Modell

Ollama vs LM Studio (2026): Welche lokale KI-App soll man nutzen und welche Top-Modelle laufen auf jeder?

Wie viel VRAM brauche ich eigentlich für lokale KI?

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Qwen3 14B ist ein 14,8-Milliarden-Parameter-Open-Weights-Modell von Qwen, das in zwei expliziten Modi läuft: einem Denkmodus für Mathematik, Code und mehrstufiges Schlussfolgern sowie einem Nicht-Denkmodus für gewöhnliche Gespräche. Mit 0,12 $ pro Million Eingabetokens über die API und vollständiger Ausführbarkeit auf lokaler Hardware via Ollama, LM Studio oder llama.cpp liegt es in einer praktischen Mitte zwischen kleinen schnellen und großen teuren Modellen. Es eignet sich für Entwickler und Forscher, die ein einzelnes Modell wollen, das den Modus wechseln kann, ohne Checkpoints tauschen zu müssen.

Bekannt für

Umschaltbare Denk- und Nicht-Denk-Modi in einem Modell
Starke Agenten-Werkzeugnutzung in beiden Modi
Unterstützt über 100 Sprachen mit solider mehrsprachiger Instruktionsbefolgung
Offene Gewichte, läuft lokal via Ollama, LM Studio, llama.cpp und anderen
Natives 32K-Kontextfenster, erweiterbar auf 131K mit YaRN-Skalierung

Achte auf

Kontext über 32K nutzt YaRN-Extrapolation; Qualität am Rand ist nicht garantiert.
Mit 14,8 Milliarden Parametern benötigt die lokale Nutzung etwa 12–16 GB VRAM für komfortable Inferenz.
Der Hersteller hat die vollständigen Lizenzbedingungen auf dieser Seite nicht veröffentlicht; prüfen Sie das Hugging Face-Repository vor kommerzieller Nutzung.

Am besten für

Logisches Denken

Programmieren

Agenten und Werkzeugnutzung

Mehrsprachig

Lokal ausführbar

Prompts zum Ausprobieren

Einen kniffligen Async-Bug debuggen

Ich habe eine Python-Async-Funktion, die gelegentlich RuntimeError: Event loop is closed wirft, wenn sie aus einem FastAPI-Hintergrundtask aufgerufen wird. Erkläre Schritt für Schritt die wahrscheinlichen Ursachen und gib mir eine korrigierte Version des Musters, die das Problem vermeidet. Nutze den Denkmodus, wenn möglich.

Einen mehrstufigen Agenten planen

Du hast Zugriff auf ein Web-Suchtool, einen Python-Executor und ein Dateischreib-Tool. Ein Nutzer möchte jeden Montag einen wöchentlichen Digest von KI-Forschungspapieren per E-Mail erhalten. Entwerfe die vollständige Agenten-Schleife: welche Schritte aufgerufen werden, was geprüft wird, wie Fehler behandelt werden und wie das Endergebnis aussieht.

Text übersetzen und lokalisieren

Übersetze die folgende englische Produktbeschreibung ins brasilianische Portugiesisch, mexikanische Spanisch und vereinfachtes Chinesisch. Füge nach jeder Übersetzung eine kurze Anmerkung zu kulturellen oder idiomatischen Anpassungen hinzu und erkläre warum: 'Our app helps small teams ship faster by cutting meeting time in half and keeping everyone aligned without the noise.'

Vergleichen mit

Qwen3.8 Max (0902)
Nur API-Modell
1,000,000 Token Kontext · $2.00/M Eingabe, $6.00/M Ausgabe
Qwen3.7 Plus
Nur API-Modell
1,000,000 Token Kontext · $0.32/M Eingabe, $1.28/M Ausgabe
Qwen3.6 Plus
Nur API-Modell
1,000,000 Token Kontext · $0.33/M Eingabe, $1.95/M Ausgabe
Qwen3.6 Max Preview
Nur API-Modell
262,144 Token Kontext · $1.03/M Eingabe, $6.16/M Ausgabe

Mehr Textmodelle von qwen

Häufig gestellte Fragen

Kann Qwen3 14B lokal ausgeführt werden?: Ja, die Gewichte sind offen und auf Hugging Face unter Qwen/Qwen3-14B gehostet. Ollama, LM Studio, llama.cpp, MLX-LM und KTransformers unterstützen es alle.
Was kostet es und wie groß ist das Kontextfenster?: Über die API kostet es 0,12 $ pro Million Eingabetokens und 0,24 $ pro Million Ausgabetokens. Das native Kontextfenster beträgt 32.768 Tokens, erweiterbar auf 131.072 mit YaRN-basierter Skalierung.
Worin unterscheidet sich Qwen3 14B von Qwen2.5?: Qwen3 14B fügt den expliziten Denk-/Nicht-Denk-Modus-Schalter hinzu, den Qwen2.5-Instruct-Modelle nicht haben, und der Hersteller gibt an, dass es frühere Qwen2.5-Instruct-Modelle in Mathematik, Code und Alltagslogik übertrifft.

Captain's Urteil
Ein wirklich dualer Modus in einem offenen Modell zu einem Preis, der es schwer macht, es für alle, die mit begrenztem Budget schlussfolgern, zu ignorieren.

Model Card auf Hugging Face

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

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

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

Nemotron 3 Nano 30B A3B

KI-Modelle für Bild-, Video- und Texterzeugung

Qwen3 14B ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm qwen logik programmieren agenten mehrsprachig lokal

Nach Modellfamilie stöbern