Posso eseguire Qwen3-235B-A22B-Thinking-2507 localmente?

Sì, i pesi sono aperti e pubblicati su Hugging Face nel repository Qwen/Qwen3-235B-A22B-Thinking-2507, ma con 235 miliardi di parametri serve hardware sostanziale — il produttore non ha pubblicato una cifra minima di VRAM nella documentazione disponibile.

Quanto costa e quanto è lungo il contesto?

Via API costa 0,45$ per milione di token in input e 3,50$ per milione in output; la finestra di contesto nativa è di 262.144 token e il modello può generare fino a 81.920 token per risposta.

In cosa si differenzia dall'originale Qwen3-235B-A22B?

Questo aggiornamento 2507 si concentra specificamente sull'approfondimento della capacità di pensiero — tracce di ragionamento più lunghe e di qualità superiore — e migliora il follow-up delle istruzioni, l'uso degli strumenti e la comprensione del contesto lungo rispetto alla versione base; inoltre impone sempre la modalità thinking, cosa che la variante precedente non faceva.

Qwen3 235B A22B Thinking 2507

1991°

#llm #qwen #ragionamento #programmazione #matematica #agenti

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Qwen | contesto da 128.000 token | $0,45/M input, $3,50/M output. Qwen3-235B-A22B-Thinking-2507 è un modello linguistico Mixture-of-Experts (MoE) ad alte prestazioni con pesi aperti, ottimizzato per compiti di ragionamento complessi. Attiva 22B dei suoi 235B parametri per ogni passaggio in avanti e supporta nativamente fino a 262.144 token di contesto. Questa variante "solo pensiero" migliora il ragionamento logico strutturato, matematica, scienza e generazione a lungo termine, mostrando forti prestazioni in benchmark come AIME, SuperGPQA, LiveCodeBench e MMLU-Redux. Impone una modalità…Qwen | contesto da 128.000 token | $0,45/M input, $3,50/M output. Qwen3-235B-A22B-Thinking-2507 è un modello linguistico Mixture-of-Experts (MoE) ad alte prestazioni con pesi aperti, ottimizzato per compiti di ragionamento complessi. Attiva 22B dei suoi 235B parametri per ogni passaggio in avanti e supporta nativamente fino a 262.144 token di contesto. Questa variante "solo pensiero" migliora il ragionamento logico strutturato, matematica, scienza e generazione a lungo termine, mostrando forti prestazioni in benchmark come AIME, SuperGPQA, LiveCodeBench e MMLU-Redux. Impone una modalità speciale di ragionamento () ed è progettato per output ad alto numero di token (fino a 81.920 token) in domini sfidanti. Il modello è istruito per seguire istruzioni ed eccelle in ragionamento passo-passo, uso di strumenti, flussi di lavoro agentici e compiti multilingue. Questa release rappresenta la variante open-source più capace della serie Qwen3-235B, superando molti modelli chiusi in casi d'uso di ragionamento strutturato.

Guide per questo modello

Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna

Quanta VRAM serve davvero per l'AI locale?

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Qwen3-235B-A22B-Thinking-2507 è il modello di punta aggiornato per il ragionamento di Qwen da Alibaba, un MoE da 235 miliardi di parametri che attiva 22 miliardi di parametri per passaggio. Funziona in modalità thinking-only, cioè ogni risposta passa attraverso una catena di pensiero estesa prima di rispondere. Pesi aperti, contesto nativo da 262K e punteggi di alto livello in matematica, coding e scienza lo rendono il modello aperto più capace per il ragionamento in questa serie.

Conosciuto per

Risultati all'avanguardia nel coding su LiveCodeBench v6 tra i modelli aperti elencati.
Forte ragionamento matematico: quasi al top in AIME25 e miglior punteggio in tabella HMMT25.
Miglior punteggio SuperGPQA nella tabella benchmark, inclusi rivali chiusi.
Finestra di contesto nativa da 262K con supporto per output fino a 81.920 token.
Pesi aperti disponibili su Hugging Face per deployment self-hosted.

Attenzione a

La modalità thinking-only non può essere disabilitata; ogni query comporta token di ragionamento estesi, aumentando i costi di output.
Con 235 miliardi di parametri, il self-hosting richiede hardware serio — il produttore non ha pubblicato specifiche minime qui.
Il prezzo di output a 3,50$ per milione di token si accumula rapidamente dato che il modello tende a tracce di ragionamento lunghe.

Ideale per

Ragionamento

Programmazione

Matematica

Agenti e uso di strumenti

Contesto lungo

Prompt da provare

Problema matematico competitivo

Un intero positivo n ha esattamente 12 divisori. La somma di tutti i divisori di n è 3224. Trova tutti i possibili valori di n e mostra il ragionamento completo passo dopo passo.

Compito di debug difficile

Ecco una funzione Python che dovrebbe restituire la sottostringa palindroma più lunga usando programmazione dinamica, ma restituisce risultati errati per alcuni input. Trova ogni bug, spiega perché è errato e fornisci una versione corretta con casi di test. def longest_palindrome(s): n = len(s) dp = [[False]*n]*n start, max_len = 0, 1 for i in range(n): dp[i][i] = True for i in range(n-1): if s[i]==s[i+1]: dp[i][i+1]=True; start=i; max_len=2 for length in range(3,n+1): for i in range(n-length+1): j=i+length-1 if s[i]==s[j] and dp[i+1][j-1]: dp[i][j]=True; start=i; max_len=length return s[start:start+max_len]

Piano agentico multi-step

Stai pianificando una pipeline di ricerca. Un team deve: raccogliere documenti finanziari da 50 aziende, estrarre i principali fattori di rischio, raggrupparli per tema e produrre un report riepilogativo classificato. Progetta un flusso di lavoro agentico passo-passo con chiamate agli strumenti, checkpoint di gestione errori e uno schema di output chiaro. Specifica dove è opportuno un passaggio di revisione umana.

Confronta con

Qwen3.7 Flash
Modello solo API
Contesto di 1,000,000 token · Input $0.03/M, output $0.13/M
Qwen3.8 Max (0902)
Modello solo API
Contesto di 1,000,000 token · Input $2.00/M, output $6.00/M
Qwen3.8 Omni Flash
Modello solo API
Contesto di 1,000,000 token · Input $0.15/M, output $0.47/M
Qwen3 30B A3B Thinking 2507
Modello solo API
Contesto di 81,920 token · Input $0.20/M, output $2.40/M

Altri modelli di testo da qwen

Domande frequenti

Posso eseguire Qwen3-235B-A22B-Thinking-2507 localmente?: Sì, i pesi sono aperti e pubblicati su Hugging Face nel repository Qwen/Qwen3-235B-A22B-Thinking-2507, ma con 235 miliardi di parametri serve hardware sostanziale — il produttore non ha pubblicato una cifra minima di VRAM nella documentazione disponibile.
Quanto costa e quanto è lungo il contesto?: Via API costa 0,45$ per milione di token in input e 3,50$ per milione in output; la finestra di contesto nativa è di 262.144 token e il modello può generare fino a 81.920 token per risposta.
In cosa si differenzia dall'originale Qwen3-235B-A22B?: Questo aggiornamento 2507 si concentra specificamente sull'approfondimento della capacità di pensiero — tracce di ragionamento più lunghe e di qualità superiore — e migliora il follow-up delle istruzioni, l'uso degli strumenti e la comprensione del contesto lungo rispetto alla versione base; inoltre impone sempre la modalità thinking, cosa che la variante precedente non faceva.

Verdetto del capitano
Il modello aperto più capace per il ragionamento che Qwen abbia rilasciato: vale il costo di output se i tuoi compiti richiedono davvero catene di pensiero profonde, eccesso per tutto il resto.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Modelli di IA per generare immagini, video e testo

Qwen3 235B A22B Thinking 2507 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm qwen ragionamento programmazione matematica agenti contesto lungo

Sfoglia per famiglia di modelli