Bisakah saya menjalankan Qwen3-30B-A3B-Thinking-2507 secara lokal?

Tidak. Bobot belum dirilis secara publik, jadi model ini hanya tersedia via API dan tidak bisa diunduh atau self-hosted.

Berapa biaya dan berapa besar jendela konteksnya?

Harga $0,20 per juta token input dan $2,40 per juta token output, dengan jendela konteks 81.920 token.

Apa yang membedakan ini dari model chat Qwen3 standar?

Varian ini dibuat khusus untuk mode berpikir, yang menghasilkan dan memisahkan jejak penalaran internal sebelum jawaban akhir, yang bukan perilaku default model chat Qwen3 standar.

Qwen3 30B A3B Thinking 2507

6309°

#llm #qwen #penalaran #matematika #pemrograman #riset

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Qwen | konteks 81.920 token | $0.20/M input, $2.40/M output. Qwen3-30B-A3B-Thinking-2507 adalah model penalaran Mixture-of-Experts 30 miliar parameter yang dioptimalkan untuk tugas kompleks yang memerlukan pemikiran multi-langkah yang diperpanjang. Model ini dirancang khusus untuk “mode berpikir,” di mana jejak penalaran internal dipisahkan...

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Qwen3-30B-A3B-Thinking-2507 adalah model Mixture-of-Experts dari Qwen yang dibuat khusus untuk penalaran chain-of-thought yang diperpanjang, di mana jejak pemikiran internal dipisahkan dari jawaban akhir. Dengan 30 miliar parameter total dan arsitektur MoE, model ini memberikan performa di atas bobot parameter aktifnya pada masalah multi-langkah kompleks. Cocok untuk pengembang dan peneliti yang butuh model penalaran mumpuni dengan harga jauh di bawah alternatif tier terdepan.

Dikenal untuk

Mode berpikir khusus dengan jejak penalaran internal terpisah
Arsitektur MoE: 30 miliar parameter total, jauh lebih sedikit aktif saat inferensi
Dioptimalkan untuk dekomposisi masalah kompleks multi-langkah
Biaya input rendah $0,20 per juta token

Waspadai

Bobot tidak tersedia secara publik; akses hanya via API.
Token output $2,40/M bisa cepat membengkak jika jejak berpikir panjang.
Jendela konteks 81.920 token, kurang dari ambang 200K untuk pekerjaan konteks panjang.

Terbaik untuk

Prompt untuk dicoba

Teka-teki logika multi-langkah

Lima orang masing-masing memiliki hewan peliharaan berbeda dan minuman berbeda. Gunakan petunjuk berikut untuk menentukan siapa yang memelihara ikan: pemilik kucing minum teh; orang di tengah minum susu; pemilik anjing berdampingan dengan pemilik ikan; pemilik burung minum kopi; orang yang minum air memelihara ular. Tunjukkan setiap langkah deduksi.

Analisis kompleksitas algoritma

Saya punya fungsi yang, untuk daftar n bilangan bulat, menemukan semua pasangan yang jumlahnya sama dengan nilai target. Implementasi saya saat ini menggunakan dua loop bersarang. Jelaskan kompleksitas waktu dan ruang pendekatan naif, lalu rancang solusi lebih efisien dan buktikan peningkatan kompleksitasnya.

Evaluasi hipotesis bersaing

Pengguna aktif bulanan startup tumbuh 40% setelah redesign UI, tapi pendapatan turun 8% dalam periode sama. Buat setidaknya empat hipotesis berbeda yang bisa menjelaskan pola ini, urutkan berdasarkan kemungkinan, dan jelaskan data apa yang akan Anda kumpulkan untuk menguji tiap hipotesis.

Bandingkan dengan

Qwen3 Max
Model dengan bobot terbuka
konteks 262,144 token · $0.78/M input, $3.90/M output
Qwen3 Max Thinking
Model dengan bobot terbuka
konteks 262,144 token · $0.78/M input, $3.90/M output
Qwen3 235B A22B Instruct 2507
Model dengan bobot terbuka
konteks 262,144 token · $0.09/M input, $0.55/M output
QwQ 32B Preview
Model dengan bobot terbuka
konteks 32,768 token · $0.12/M input, $0.18/M output

Model teks lain dari qwen

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Qwen3-30B-A3B-Thinking-2507 secara lokal?: Tidak. Bobot belum dirilis secara publik, jadi model ini hanya tersedia via API dan tidak bisa diunduh atau self-hosted.
Berapa biaya dan berapa besar jendela konteksnya?: Harga $0,20 per juta token input dan $2,40 per juta token output, dengan jendela konteks 81.920 token.
Apa yang membedakan ini dari model chat Qwen3 standar?: Varian ini dibuat khusus untuk mode berpikir, yang menghasilkan dan memisahkan jejak penalaran internal sebelum jawaban akhir, yang bukan perilaku default model chat Qwen3 standar.

Putusan Kapten
Model penalaran MoE yang solid dengan harga input wajar, hanya terkendala bobot tertutup dan biaya output yang naik saat jejak berpikir panjang.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Also ranked: #96 Hottest Text / LLM text model

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Qwen3 30B A3B Thinking 2507 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm qwen penalaran matematika pemrograman riset

Jelajahi berdasarkan Keluarga Model