Posso eseguire Qwen3-30B-A3B localmente?

Sì, i pesi sono aperti e disponibili su Hugging Face. Ollama, LM Studio, llama.cpp, MLX-LM e KTransformers lo supportano, anche se servirà abbastanza memoria per caricare tutti i 30,5 miliardi di parametri anche se solo 3,3 miliardi sono attivi per passaggio in avanti.

Quanto costa e quanto è lungo il contesto?

Via API costa 0,12$ per milione di token in input e 0,50$ per milione di token in output. La finestra di contesto nativa è di 32.768 token, estendibile a 131.072 token con YaRN.

In cosa differisce questo modello dai Qwen3 densi?

Questa variante usa un'architettura mixture-of-experts con 128 esperti, attivandone solo 8 per token, quindi gira molto più veloce ed economica di un modello denso con un numero totale di parametri comparabile, pur eguagliando o superando le generazioni Qwen precedenti in ragionamento e coding.

Qwen3 30B A3B

1226°

#llm #qwen #ragionamento #programmazione #agenti #multilingue

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 40.960 token | $0.12/M input, $0.50/M output. Qwen3, l'ultima generazione della serie di modelli linguistici Qwen, presenta architetture dense e Mixture-of-Experts (MoE) per eccellere in ragionamento, supporto multilingue e compiti agentici avanzati. La sua capacità unica di passare senza soluzione di continuità tra una modalità di pensiero per ragionamenti complessi e una modalità non pensante per dialoghi efficienti garantisce prestazioni versatili e di alta qualità. Superando significativamente modelli precedenti come QwQ e Qwen2.5, Qwen3 offre capacità superiori in…Qwen | contesto da 40.960 token | $0.12/M input, $0.50/M output. Qwen3, l'ultima generazione della serie di modelli linguistici Qwen, presenta architetture dense e Mixture-of-Experts (MoE) per eccellere in ragionamento, supporto multilingue e compiti agentici avanzati. La sua capacità unica di passare senza soluzione di continuità tra una modalità di pensiero per ragionamenti complessi e una modalità non pensante per dialoghi efficienti garantisce prestazioni versatili e di alta qualità. Superando significativamente modelli precedenti come QwQ e Qwen2.5, Qwen3 offre capacità superiori in matematica, coding, ragionamento di buon senso, scrittura creativa e dialogo interattivo. La variante Qwen3-30B-A3B include 30,5 miliardi di parametri (3,3 miliardi attivati), 48 layer, 128 esperti (8 attivati per compito) e supporta fino a 131K token di contesto con YaRN, stabilendo un nuovo standard tra i modelli open source.

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

Qwen3-30B-A3B è un modello mixture-of-experts di Qwen che mantiene attivi solo 3,3 miliardi dei suoi 30,5 miliardi di parametri durante l'inferenza, rendendolo molto più economico da eseguire rispetto a quanto suggerisce la sua dimensione. Un interruttore integrato permette di passare tra una modalità di pensiero deliberato per problemi difficili e una modalità più veloce senza pensiero per chat quotidiane. Pesi aperti, prezzi API bassi e ampia copertura multilingue lo rendono una scelta pratica per sviluppatori che vogliono capacità serie senza un conto salato.

Conosciuto per

Design MoE che attiva solo 3,3 miliardi di parametri, riducendo il calcolo senza compromettere la qualità.
Interruttore modalità pensiero/non-pensiero in un solo modello, senza bisogno di download separati.
Forti capacità agent con integrazione precisa di strumenti esterni in entrambe le modalità.
Supporta oltre 100 lingue e dialetti con solido rispetto delle istruzioni multilingue.
Si estende a 131K token di contesto tramite YaRN, ben oltre la finestra nativa da 32K.

Attenzione a

Il contesto nativo è 32K; il valore 131K richiede YaRN, che può influire sulla qualità agli estremi.
I modelli MoE possono essere impegnativi in memoria localmente: tutti i 30,5 miliardi di parametri si caricano anche se solo 3,3 miliardi sono attivi per token.
La modalità pensiero aggiunge latenza e costo per token; per compiti semplici, ricorda di disattivarla.

Ideale per

Ragionamento

Programmazione

Agenti e uso di strumenti

Multilingue

Funziona localmente

Prompt da provare

Debug di un bug async complicato

Ho una funzione Python async che occasionalmente va in deadlock quando due coroutine attendono i risultati l'una dell'altra tramite una coda condivisa. Spiegami perché succede, mostra una riproduzione minima e poi riscrivila in modo che il deadlock sia impossibile. Usa solo asyncio, nessuna libreria di terze parti.

Pianifica un agente multi-step

Hai accesso a tre strumenti: web_search(query), read_file(path) e write_file(path, content). Un utente vuole un digest settimanale di articoli di ricerca sull'IA inviato via email ogni lunedì. Pensa ai passaggi, decidi quali strumenti chiamare e in quale ordine, e scrivi la sequenza di chiamate con gli argomenti. Spiega il tuo ragionamento prima di ogni chiamata.

Ragiona su un enigma logico

Cinque case in fila sono dipinte ciascuna di un colore diverso. L'inglese vive nella casa rossa. Lo svedese tiene cani. Il danese beve tè. La casa verde è immediatamente a sinistra di quella bianca. Il proprietario della casa verde beve caffè. Chi possiede il pesce? Mostra ogni passaggio di inferenza prima di dare la risposta.

Confronta con

Qwen3.8 Max (0902)
Modello solo API
Contesto di 1,000,000 token · Input $2.00/M, output $6.00/M
Qwen3.7 Plus
Modello solo API
Contesto di 1,000,000 token · Input $0.32/M, output $1.28/M
Qwen3.6 Plus
Modello solo API
Contesto di 1,000,000 token · Input $0.33/M, output $1.95/M
Qwen3.6 Max Preview
Modello solo API
Contesto di 262,144 token · Input $1.03/M, output $6.16/M

Altri modelli di testo da qwen

Domande frequenti

Posso eseguire Qwen3-30B-A3B localmente?: Sì, i pesi sono aperti e disponibili su Hugging Face. Ollama, LM Studio, llama.cpp, MLX-LM e KTransformers lo supportano, anche se servirà abbastanza memoria per caricare tutti i 30,5 miliardi di parametri anche se solo 3,3 miliardi sono attivi per passaggio in avanti.
Quanto costa e quanto è lungo il contesto?: Via API costa 0,12$ per milione di token in input e 0,50$ per milione di token in output. La finestra di contesto nativa è di 32.768 token, estendibile a 131.072 token con YaRN.
In cosa differisce questo modello dai Qwen3 densi?: Questa variante usa un'architettura mixture-of-experts con 128 esperti, attivandone solo 8 per token, quindi gira molto più veloce ed economica di un modello denso con un numero totale di parametri comparabile, pur eguagliando o superando le generazioni Qwen precedenti in ragionamento e coding.

Verdetto del capitano
Un raro caso in cui pesi aperti, basso costo API e reale capacità di ragionamento si incontrano nello stesso modello.

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 30B A3B 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 agenti multilingue locale

Sfoglia per famiglia di modelli