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

Ya, bobotnya terbuka dan dihosting di Hugging Face di Qwen/Qwen3-VL-30B-A3B-Thinking. Ini model MoE 30B, jadi Anda butuh VRAM besar; periksa panduan GGUF dan kuantisasi jika ingin menjalankan di perangkat keras konsumen.

Berapa biaya dan berapa lama konteksnya?

Melalui API harganya $0,29 per juta token input dan $1,00 per juta token output. Konteks asli 256K token, dapat diperluas hingga 1 juta menurut Qwen.

Apa perbedaan dengan versi non-Thinking?

Varian Thinking menambahkan langkah penalaran internal yang diperpanjang sebelum menjawab, yang meningkatkan performa pada tugas STEM, matematika, dan visual kompleks dengan biaya output yang lebih panjang dan lebih mahal.

Qwen3 VL 30B A3B Thinking

3384°

#llm #qwen #visi #penalaran #agen #konteks panjang

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 262.144 token | $0.29/M input, $1.00/M output. Qwen3-VL-30B-A3B-Thinking adalah model multimodal yang menyatukan generasi teks kuat dengan pemahaman visual untuk gambar dan video. Varian Thinking-nya meningkatkan penalaran dalam STEM, matematika, dan tugas kompleks. Unggul dalam persepsi kategori dunia nyata/sintetis, pembumian spasial 2D/3D, dan pemahaman visual bentuk panjang, mencapai hasil tolok ukur multimodal yang kompetitif. Untuk penggunaan agen, menangani instruksi multi-gambar multi-putaran, penyelarasan garis waktu video, otomasi GUI, dan pengkodean visual dari sketsa hingga UI yang sudah debug. Performa teks setara dengan model unggulan Qwen3, cocok untuk AI dokumen, OCR, bantuan UI, tugas spasial, dan riset agen.

Panduan untuk model ini

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

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-VL-30B-A3B-Thinking adalah model multimodal MoE dari Qwen yang menangani gambar, video, dan teks dalam satu proses, dengan varian Thinking yang menerapkan penalaran lanjutan pada tugas STEM, matematika, dan visual kompleks. Konteks asli 256K, OCR 32 bahasa, pembumian spasial 3D, dan otomasi GUI membedakannya dari kebanyakan model visi-bahasa di harga ini. Bobot terbuka menjadikannya pilihan serius untuk peneliti dan pengembang yang ingin menjalankan atau fine-tune secara lokal.

Dikenal untuk

Penalaran lanjutan pada masalah STEM dan matematika yang didasarkan pada bukti visual
Otomasi GUI di PC dan mobile: mengenali elemen, memanggil alat, menyelesaikan tugas
Pembumian spasial 2D dan 3D, penilaian occlusion dan penalaran sudut pandang
OCR dalam 32 bahasa, termasuk dokumen dengan cahaya rendah, blur, dan karakter kuno
Menghasilkan Draw.io, HTML, CSS, dan JS langsung dari gambar atau frame video

Waspadai

Varian Thinking menghasilkan rantai pemikiran lebih panjang; token output $1,00/M cepat bertambah pada tugas kompleks.
Bobot MoE 30B besar; menjalankan secara lokal butuh VRAM besar — periksa perangkat keras Anda sebelum mengunduh.
Qwen belum mempublikasikan ringkasan lisensi rinci di sini; verifikasi ketentuan di repositori Hugging Face sebelum penggunaan komersial.

Terbaik untuk

Penglihatan

Penalaran

Agen dan penggunaan alat

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Debug tangkapan layar UI

Lampirkan tangkapan layar halaman web atau layar aplikasi yang rusak. Identifikasi setiap masalah UI yang terlihat — tata letak rusak, teks terpotong, elemen tidak sejajar, masalah kontras — dan tulis HTML dan CSS yang diperbaiki untuk memperbaiki masing-masing.

Penalaran spasial dari gambar

Lampirkan foto ruangan atau pemandangan luar. Daftar setiap objek yang dapat Anda identifikasi, perkirakan hubungan spasial kasar antar pasangan objek (di kiri, di belakang, tertutup), dan tandai apa pun yang tampak tidak aman secara struktural atau tidak pada tempatnya.

Masalah STEM dengan diagram

Lampirkan diagram fisika atau geometri dari buku teks. Nyatakan masalah yang ditampilkan, identifikasi semua nilai yang diberikan dan yang tidak diketahui, lalu selesaikan langkah demi langkah, sebutkan bagian diagram mana yang mendukung setiap langkah penalaran Anda.

Bandingkan dengan

Qwen3.7 Flash
Model hanya API
konteks 1,000,000 token · $0.03/M input, $0.13/M output
Qwen3.8 Max (0902)
Model hanya API
konteks 1,000,000 token · $2.00/M input, $6.00/M output
Qwen3.8 Omni Flash
Model hanya API
konteks 1,000,000 token · $0.15/M input, $0.47/M output
Qwen3 VL 32B Instruct
Model hanya API
konteks 131,072 token · $0.10/M input, $0.42/M output

Model teks lain dari qwen

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Qwen3-VL-30B-A3B-Thinking secara lokal?: Ya, bobotnya terbuka dan dihosting di Hugging Face di Qwen/Qwen3-VL-30B-A3B-Thinking. Ini model MoE 30B, jadi Anda butuh VRAM besar; periksa panduan GGUF dan kuantisasi jika ingin menjalankan di perangkat keras konsumen.
Berapa biaya dan berapa lama konteksnya?: Melalui API harganya $0,29 per juta token input dan $1,00 per juta token output. Konteks asli 256K token, dapat diperluas hingga 1 juta menurut Qwen.
Apa perbedaan dengan versi non-Thinking?: Varian Thinking menambahkan langkah penalaran internal yang diperpanjang sebelum menjawab, yang meningkatkan performa pada tugas STEM, matematika, dan visual kompleks dengan biaya output yang lebih panjang dan lebih mahal.

Putusan Kapten
Model visi dengan bobot terbuka yang jarang benar-benar layak disebut penalaran — sepadan dengan biaya token output saat tugas sulit.

Kartu model di Hugging Face

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

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 VL 30B A3B Thinking 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 visi penalaran agen konteks panjang lokal

Jelajahi berdasarkan Keluarga Model