Qwen3 235B A22B Thinking 2507
1991°
Executar modelo
Ofertas / Anúncios
Qwen | contexto de 128.000 tokens | $0,45/M entrada, $3,50/M saída. Qwen3-235B-A22B-Thinking-2507 é um modelo de linguagem de alto desempenho, peso aberto, Mixture-of-Experts (MoE) otimizado para tarefas complexas de raciocínio. Ativa 22B de seus 235B parâmetros por passagem e suporta nativamente até 262.144 tokens de contexto. Esta variante "apenas pensamento" melhora raciocínio lógico estruturado, matemática, ciência e geração de longo formato, mostrando forte desempenho em benchmarks como AIME, SuperGPQA, LiveCodeBench e MMLU-Redux. Impõe um modo especial de raciocínio () e é projetado…Qwen | contexto de 128.000 tokens | $0,45/M entrada, $3,50/M saída. Qwen3-235B-A22B-Thinking-2507 é um modelo de linguagem de alto desempenho, peso aberto, Mixture-of-Experts (MoE) otimizado para tarefas complexas de raciocínio. Ativa 22B de seus 235B parâmetros por passagem e suporta nativamente até 262.144 tokens de contexto. Esta variante "apenas pensamento" melhora raciocínio lógico estruturado, matemática, ciência e geração de longo formato, mostrando forte desempenho em benchmarks como AIME, SuperGPQA, LiveCodeBench e MMLU-Redux. Impõe um modo especial de raciocínio () e é projetado para saídas de alto número de tokens (até 81.920 tokens) em domínios desafiadores. O modelo é ajustado por instrução e se destaca em raciocínio passo a passo, uso de ferramentas, fluxos de trabalho agenteicos e tarefas multilíngues. Esta versão representa a variante open-source mais capaz da série Qwen3-235B, superando muitos modelos fechados em casos de uso de raciocínio estruturado.
Guias para este modelo
Ollama vs LM Studio (2026): qual app de IA local usar e quais os melhores modelos que cada um roda
De quanto VRAM eu realmente preciso para IA local?
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
Notas do capitão
Notas de 2026-10-13
Qwen3-235B-A22B-Thinking-2507 é o modelo principal atualizado de raciocínio da Qwen da Alibaba, um MoE de 235 bilhões de parâmetros que ativa 22 bilhões por passagem. Ele roda em modo thinking-only, o que significa que toda resposta passa por um extenso encadeamento de raciocínio antes de responder. Pesos abertos, contexto nativo de 262K e pontuações de ponta em benchmarks de matemática, codificação e ciência fazem dele o modelo aberto de raciocínio mais capaz desta série.
Conhecido por
- Resultados de codificação de ponta no LiveCodeBench v6 entre modelos abertos listados.
- Raciocínio matemático forte: quase topo no AIME25 e melhor na tabela HMMT25.
- Melhor pontuação SuperGPQA na tabela de benchmarks, incluindo rivais fechados.
- Janela de contexto nativa de 262K com suporte a saídas de até 81.920 tokens.
- Pesos abertos disponíveis no Hugging Face para implantação própria.
Fique atento a
- Modo thinking-only não pode ser desativado; toda consulta gera tokens de raciocínio estendido, aumentando custos de saída.
- Com 235 bilhões de parâmetros, a auto-hospedagem exige hardware sério — o fabricante não publicou especificações mínimas aqui.
- Preço de saída a $3,50 por milhão de tokens soma rápido dado o hábito do modelo de gerar longos rastros de raciocínio.
Sugestões para tentar
Problema matemático competitivo
Um número inteiro positivo n tem exatamente 12 divisores. A soma de todos os divisores de n é 3224. Encontre todos os valores possíveis de n e mostre seu raciocínio completo passo a passo.
Tarefa difícil de depuração
Aqui está uma função Python que deveria retornar a maior substring palíndroma usando programação dinâmica, mas retorna resultados errados para algumas entradas. Encontre todos os bugs, explique por que cada um está errado e forneça uma versão corrigida com casos de teste.
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]
Plano agentico multi-etapas
Você está planejando um pipeline de pesquisa. Uma equipe precisa: coletar documentos financeiros de 50 empresas, extrair fatores-chave de risco, agrupá-los por tema e produzir um relatório resumido ranqueado. Projete um fluxo de trabalho agentico passo a passo com chamadas de ferramentas, pontos de verificação de erros e um esquema claro de saída. Seja específico sobre onde uma revisão humana é necessária.
Comparar com
- Qwen3.7 FlashModelo apenas para APIContexto de 1,000,000 tokens · entrada $0.03/M, saída $0.13/M
- Qwen3.8 Max (0902)Modelo apenas para APIContexto de 1,000,000 tokens · entrada $2.00/M, saída $6.00/M
- Qwen3.8 Omni FlashModelo apenas para APIContexto de 1,000,000 tokens · entrada $0.15/M, saída $0.47/M
- Qwen3 30B A3B Thinking 2507Modelo apenas para APIContexto de 81,920 tokens · entrada $0.20/M, saída $2.40/M
Mais modelos de texto de qwen
Perguntas frequentes
- Posso rodar o Qwen3-235B-A22B-Thinking-2507 localmente?
- Sim, os pesos são abertos e publicados no Hugging Face no repositório Qwen/Qwen3-235B-A22B-Thinking-2507, mas com 235 bilhões de parâmetros você precisará de hardware substancial — o fabricante não publicou um valor mínimo de VRAM na documentação disponível.
- Quanto custa e qual o tamanho do contexto?
- Via API custa $0,45 por milhão de tokens de entrada e $3,50 por milhão de tokens de saída; a janela de contexto nativa é de 262.144 tokens, e o modelo pode gerar até 81.920 tokens por resposta.
- Como ele difere do Qwen3-235B-A22B original?
- Esta atualização 2507 foca especificamente em aprofundar a capacidade de raciocínio — rastros de raciocínio mais longos e de maior qualidade — e melhora o seguimento de instruções, uso de ferramentas e compreensão de contexto longo em relação à versão base Qwen3-235B-A22B; também impõe o modo thinking o tempo todo, o que a variante anterior não fazia.
Veredito do capitãoO modelo aberto de raciocínio mais capaz que a Qwen lançou: vale o custo de saída se suas tarefas realmente precisarem de encadeamento profundo de pensamento, exagero para qualquer coisa mais simples.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
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.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Qwen3 235B A22B Thinking 2507 é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Mais modelos Text / LLMMais Texto / LLM Text / LLMllmqwenraciocínioprogramaçãomatemáticaagentescontexto longo
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153