Kann ich Qwen3-235B-A22B-Instruct-2507 lokal ausführen?

Ja, die Gewichte sind offen und auf Hugging Face unter Qwen/Qwen3-235B-A22B-Instruct-2507 verfügbar. Mit 235 Milliarden Gesamtparametern benötigst du viel GPU-Speicher – prüfe die Hardwareanforderungen in der Modelldokumentation vor dem Download.

Was kostet es über die API und wie lang ist der Kontext?

Die Preise liegen bei $0,09 pro Million Eingabetokens und $0,55 pro Million Ausgabetokens. Das native Kontextfenster umfasst 262.144 Tokens.

Worin unterscheidet sich dieses Modell vom ursprünglichen Qwen3-235B-A22B ohne Denkmodus?

Dieses 2507-Update bringt spürbare Verbesserungen bei Wissensabdeckung, Langkontext-Verständnis, mathematischer Argumentation und Ausrichtung auf offene Aufgaben gegenüber der Basisvariante ohne Denkmodus, bei gleicher Architektur und aktiver Parameterzahl.

Qwen3 235B A22B Instruct 2507

4361°

#llm #qwen #logik #mathematik #programmieren #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 | 262.144 Token-Kontext | $0,09/M Eingabe, $0,55/M Ausgabe. Qwen3-235B-A22B-Instruct-2507 ist ein mehrsprachiges, instruktionstunedes Mixture-of-Experts-Sprachmodell basierend auf der Qwen3-235B-Architektur mit 22 Milliarden aktiven Parametern pro Vorwärtsdurchlauf. Es ist optimiert für allgemeine Textgenerierung, einschließlich Befolgung von Anweisungen, logischem Denken, Mathematik, Code und Werkzeugnutzung. Das Modell unterstützt eine native Kontextlänge von 262K Tokens und implementiert keinen "Denkmodus" ( blocks). Im Vergleich zur Basisvariante liefert diese Version deutliche…Qwen | 262.144 Token-Kontext | $0,09/M Eingabe, $0,55/M Ausgabe. Qwen3-235B-A22B-Instruct-2507 ist ein mehrsprachiges, instruktionstunedes Mixture-of-Experts-Sprachmodell basierend auf der Qwen3-235B-Architektur mit 22 Milliarden aktiven Parametern pro Vorwärtsdurchlauf. Es ist optimiert für allgemeine Textgenerierung, einschließlich Befolgung von Anweisungen, logischem Denken, Mathematik, Code und Werkzeugnutzung. Das Modell unterstützt eine native Kontextlänge von 262K Tokens und implementiert keinen "Denkmodus" ( blocks). Im Vergleich zur Basisvariante liefert diese Version deutliche Verbesserungen bei Wissensabdeckung, Langzeit-Denken, Programmierbenchmarks und Ausrichtung auf offene Aufgaben. Besonders stark ist es bei mehrsprachigem Verständnis, mathematischem Denken (z.B. AIME, HMMT) und Ausrichtungstests wie Arena-Hard und WritingBench.

Anleitungen zu diesem Modell

Beste lokale LLM nach Anwendungsfall (Oktober 2026): Das richtige offene Modell für jede Aufgabe

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

Qwen3-235B-A22B-Instruct-2507 ist Alibabas aktualisierte Version ihres 235 Milliarden Parameter starken Mixture-of-Experts-Modells ohne Denkmodus, bei dem pro Vorwärtsdurchlauf 22 Milliarden Parameter aktiv sind. Es tauscht die Ketten-von-Gedanken-Argumentation des Denkmodells gegen schnellere, klarere Ausgaben ein, erzielt aber weiterhin starke Werte bei Mathematik-, Programmier-, Wissens- und mehrsprachigen Benchmarks. Offene Gewichte und ein nativer Kontext von 262.000 Tokens machen es zu einer ernsthaften Option, wenn du Spitzenleistung ohne geschlossene API möchtest.

Bekannt für

Mathematische Argumentation: Führt die Benchmark-Tabelle bei AIME25 und HMMT25 unter den gelisteten Modellen an.
Faktisches Wissen: Besonders stark bei SimpleQA und CSimpleQA im Vergleich zu direkten Konkurrenten.
Natives Kontextfenster von 262.000 Tokens mit berichteter Erweiterbarkeit weit darüber hinaus.
Mehrsprachiges Befolgen von Anweisungen über viele Sprachen hinweg.
Tool-Nutzung und Funktionsaufrufe wettbewerbsfähig mit größeren geschlossenen Modellen.

Achte auf

Kein Denkmodus: Diese Version erzeugt keine Argumentationsketten; verwende die Basis-Denkvariante, wenn du das brauchst.
235 Milliarden Gesamtparameter bedeuten, dass lokale Bereitstellung ernsthafte Hardware erfordert – prüfe VRAM-Anforderungen vor dem Download.
Qwen veröffentlicht die Gewichte, aber prüfe die Lizenzbedingungen auf Hugging Face vor kommerzieller Nutzung.

Am besten für

Prompts zum Ausprobieren

Schwierige Wettbewerbsmathematik

Löse dieses Problem Schritt für Schritt: Eine Folge ist definiert durch a₁ = 1 und aₙ₊₁ = aₙ + 1/aₙ für n ≥ 1. Beweise, dass a₂₀₀ > 20 ist, und finde die kleinste ganze Zahl N, so dass aₙ > 20 für alle n ≥ N gilt.

Mehrsprachige Vertragsklausel

Ein Lieferantenvertrag enthält diese Klausel: '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.' Erkläre die rechtlichen und kommerziellen Implikationen auf Englisch, und schreibe die Klausel so um, dass die Gesamtabzüge auf maximal 10 % des Vertragswerts begrenzt sind.

Langdokument-Argumentation

Ich werde gleich den vollständigen Text einer Forschungsarbeit einfügen. Nach dem Lesen identifiziere die drei stärksten Behauptungen der Autoren, die Belege dafür, methodische Schwächen, die ein Gutachter anmerken würde, und ein Folgeexperiment, das die schwächste Behauptung sinnvoll stärken würde. Füge jetzt dein Paper ein, und ich beginne.

Vergleichen mit

Qwen3.8 Max (0902)
Nur API-Modell
1,000,000 Token Kontext · $2.00/M Eingabe, $6.00/M Ausgabe
Qwen3 30B A3B Thinking 2507
Nur API-Modell
81,920 Token Kontext · $0.20/M Eingabe, $2.40/M Ausgabe
Qwen3.5 Plus 2026-02-15
Nur API-Modell
1,000,000 Token Kontext · $0.26/M Eingabe, $1.56/M Ausgabe
Qwen3.7 Plus
Nur API-Modell
1,000,000 Token Kontext · $0.32/M Eingabe, $1.28/M Ausgabe

Mehr Textmodelle von qwen

Häufig gestellte Fragen

Kann ich Qwen3-235B-A22B-Instruct-2507 lokal ausführen?: Ja, die Gewichte sind offen und auf Hugging Face unter Qwen/Qwen3-235B-A22B-Instruct-2507 verfügbar. Mit 235 Milliarden Gesamtparametern benötigst du viel GPU-Speicher – prüfe die Hardwareanforderungen in der Modelldokumentation vor dem Download.
Was kostet es über die API und wie lang ist der Kontext?: Die Preise liegen bei $0,09 pro Million Eingabetokens und $0,55 pro Million Ausgabetokens. Das native Kontextfenster umfasst 262.144 Tokens.
Worin unterscheidet sich dieses Modell vom ursprünglichen Qwen3-235B-A22B ohne Denkmodus?: Dieses 2507-Update bringt spürbare Verbesserungen bei Wissensabdeckung, Langkontext-Verständnis, mathematischer Argumentation und Ausrichtung auf offene Aufgaben gegenüber der Basisvariante ohne Denkmodus, bei gleicher Architektur und aktiver Parameterzahl.

Captain's Urteil
Ein seltener Fall, in dem offene Gewichte, ein 262K-Kontext und wirklich wettbewerbsfähige Mathematik- und Wissenswerte im selben Modell vereint sind.

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

KI-Modelle für Bild-, Video- und Texterzeugung

Qwen3 235B A22B Instruct 2507 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 mathematik programmieren mehrsprachig langer kontext

Nach Modellfamilie stöbern