Могу ли я запускать Qwen3-Coder-30B-A3B-Instruct локально?

Да, веса открыты и доступны на Hugging Face по адресу Qwen/Qwen3-Coder-30B-A3B-Instruct. Поскольку за проход активны только 3.3 млрд параметров, требования к памяти ниже, чем у плотной модели на 30 млрд, но стоит проверить руководство по VRAM для вашей конкретной квантизации.

Сколько стоит через API и какой размер контекста?

Цена API — $0.07 за миллион входных токенов и $0.28 за миллион выходных. Нативное контекстное окно — 262 144 токена, расширяемое до 1 млн токенов с помощью Yarn, если ваша инфраструктура это поддерживает.

Есть ли у модели режим мышления или рассуждений?

Нет. Qwen3-Coder-30B-A3B-Instruct поддерживает только режим без мышления и никогда не генерирует цепочки рассуждений. Если нужны следы рассуждений, выбирайте другую модель из семейства Qwen3.

Qwen3 Coder 30B A3B Instruct

4688°

#llm #qwen #программирование #агенты #длинный контекст #локально

Запустить модель

Предложения / Реклама

OpenRouter Терминал / API

Плата за токен

Общайся с этой моделью в браузере или вызывай её из кода с одним API-ключом.

Qwen | контекст 262,144 токена | $0.07/М вход, $0.28/М выход. Qwen3-Coder-30B-A3B-Instruct — модель mixture-of-experts с 30.5B параметров и 128 экспертами (8 активных за проход), предназначенная для продвинутой генерации кода, понимания репозиториев и агентного использования инструментов. Построена на архитектуре Qwen3, поддерживает нативную длину контекста 256К токенов (расширяемую до 1М с Yarn) и демонстрирует высокую производительность в задачах с вызовами функций, использованием браузера и структурированным автодополнением кода. Оптимизирована для следования инструкциям без "режима размышления" и хорошо интегрируется с форматами использования инструментов, совместимыми с OpenAI.

Руководства по этой модели

Лучшие локальные LLM по задачам (октябрь 2026): подходящая открытая модель для каждой работы

Сколько VRAM мне действительно нужно для локального ИИ?

Что такое файл GGUF? Объяснение квантизированных моделей (Q4, Q8, fp8, NF4)

Все руководства

Заметки капитана

Написано Captain, главным редактором

Заметки от 2026-10-13

Qwen3-Coder-30B-A3B-Instruct — модель кодирования Mixture-of-Experts от Qwen с 30.5 млрд параметров, из которых активны только 3.3 млрд за проход, что даёт высокую эффективность для своего класса. Она ориентирована на агентские рабочие процессы кодирования — например, CLINE, автоматизацию браузера, многошаговое использование инструментов — с нативным контекстом 256K токенов, покрывающим большинство реальных репозиториев. Открытые веса и низкая цена API делают её серьёзным кандидатом, если основная задача — агентское кодирование.

Известен

Агентское кодирование и задачи с использованием браузера с поддержкой структурированных вызовов функций
Нативный контекст 256K, расширяемый до 1M токенов через Yarn, для работы с репозиториями
Эффективность MoE: 30.5 млрд параметров, только 3.3 млрд активны за проход
Формат использования инструментов, совместимый с OpenAI; интеграция с CLINE и Qwen Code из коробки
Только следование инструкциям — без режима мышления и без цепочек рассуждений

Остерегайтесь

Отсутствует режим мышления; если нужны пошаговые рассуждения, смотрите другие модели семейства Qwen3.
Расширение до 1M токенов требует настройки Yarn — не доступно по умолчанию во всех стэках инференса.
Условия лицензии здесь не указаны; перед коммерческим использованием проверьте репозиторий Hugging Face.

Лучше всего подходит для

Программирование

Агенты и использование инструментов

Длинный контекст

Работает локально

Бюджет

Подсказки для проб

Рефакторинг запутанной функции

Вот функция на Python, которая читает CSV-файл, фильтрует строки, где столбец 'status' равен 'active', вычисляет среднее значение столбца 'score' для этих строк и записывает результат в новый CSV. Она работает, но её трудно читать, и в ней нет обработки ошибок. Переработайте её для ясности и надёжности, добавьте аннотации типов по всему коду. [вставьте вашу функцию здесь]

Создание многошагового агента с инструментами

Напишите функцию на Python с именем search_and_summarize, которая принимает строку поискового запроса, вызывает гипотетический инструмент search_web(query), возвращающий список словарей {title, url, snippet}, выбирает три наиболее релевантных результата, загружает каждую страницу с помощью fetch_page(url), возвращающего простой текст, и возвращает один краткий абзац с резюме. Используйте формат вызова инструментов, совместимый с OpenAI, и корректно обрабатывайте ошибки.

Объяснение большого файла кода

Я собираюсь вставить большой исходный файл из незнакомого репозитория. Внимательно прочитайте его и дайте мне: (1) какую роль этот файл выполняет в общей системе, (2) три самые важные функции или класса и что каждая делает, (3) любые очевидные баги или запахи кода, (4) вопросы, которые стоит задать, чтобы понять непонятные части. [вставьте ваш файл здесь]

Сравнить с

Qwen3.7 Flash
Модель только с API
контекст из 1,000,000 токенов · $0.03/M вход, $0.13/M выход
Qwen3.8 Max (0902)
Модель только с API
контекст из 1,000,000 токенов · $2.00/M вход, $6.00/M выход
Qwen3.8 Omni Flash
Модель только с API
контекст из 1,000,000 токенов · $0.15/M вход, $0.47/M выход
Qwen3.7 Plus
Модель только с API
контекст из 1,000,000 токенов · $0.32/M вход, $1.28/M выход

Больше текстовых моделей от qwen

Часто задаваемые вопросы

Могу ли я запускать Qwen3-Coder-30B-A3B-Instruct локально?: Да, веса открыты и доступны на Hugging Face по адресу Qwen/Qwen3-Coder-30B-A3B-Instruct. Поскольку за проход активны только 3.3 млрд параметров, требования к памяти ниже, чем у плотной модели на 30 млрд, но стоит проверить руководство по VRAM для вашей конкретной квантизации.
Сколько стоит через API и какой размер контекста?: Цена API — $0.07 за миллион входных токенов и $0.28 за миллион выходных. Нативное контекстное окно — 262 144 токена, расширяемое до 1 млн токенов с помощью Yarn, если ваша инфраструктура это поддерживает.
Есть ли у модели режим мышления или рассуждений?: Нет. Qwen3-Coder-30B-A3B-Instruct поддерживает только режим без мышления и никогда не генерирует цепочки рассуждений. Если нужны следы рассуждений, выбирайте другую модель из семейства Qwen3.

Вердикт капитана
Действительно недорогой, локально запускаемый агент для кодирования, который превосходит ожидания по активным параметрам — архитектура MoE здесь ключевой фактор.

Карточка модели на Hugging Face

Капитан пишет эти заметки на основе описания модели и карточки модели. Цены и размеры контекста указаны на момент написания и могут измениться.

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

Как складывается этот рейтинг

У этой модели пока нет данных о популярности ни из одного источника, поэтому ей присвоено временное число ниже 7,000°, чтобы списки оставались полными. Она никогда не будет выше модели с реальными данными. Разбор появится здесь, как только источник предоставит данные.

Глоссарий: используемые здесь термины

Показатель heat: Одно число, показывающее, насколько модель сейчас используется и востребована, от 0° до 9,999°. Все списки на сайте с пометкой hottest сортируются именно по нему.
Минимум: 7,000° — стартовая точка для каждой модели с реальными данными. Шкала от 0° до 9,999°; часть ниже минимума отведена для моделей без данных, чтобы модели с данными всегда были выше. Минимум одинаков для всех и ничего не решает; градусы выше него — это измерение.
Эквиваленты загрузок: Всё, что считается как загрузка в оценке, сложенное вместе: сами загрузки, каждый сид торрента считается за 1,000, каждое изображение AI Horde и каждый запуск на сайте генерации считаются за один.
Логарифмическая шкала: Счёт по десяткам, а не по единицам: переход от 1,000 к 10,000 загрузок добавляет столько же градусов, сколько от 10,000 к 100,000. Это не даёт гигантам заглушать всё остальное.
Лайки: Одобрения и лайки со всех источников, каждый стоит половину загрузки на логарифмической шкале.
Темп внедрения: Сколько загрузок в день получает модель сейчас, по разнице между двумя замерами источника. Четверть веса от термина загрузки.
Измерено и оценено: Измерено значит, что есть два показания источника, и разница реальна. Оценено значит, что известна только сегодняшняя сумма, а прошлое распределено по жизни модели; сайт показывает, что именно отображается.
Сидер: Кто-то, кто хранит копию весов онлайн, чтобы другие могли скачать через торрент, или размещённое зеркало, делающие то же самое. Каждый такой считается за 1000 загрузок.
AI Horde: Волонтёрская сеть, которая бесплатно генерирует изображения на пожертвованных компьютерах. Количество изображений, созданных с моделью, публично, и каждое считается за одну загрузку.
Сайты генерации: Сайты, которые хранят свои копии модели и позволяют людям генерировать с ней, например PixAI, SeaArt и Yodayo. Их загрузки считаются как у Civitai, и каждый запуск генерации — за одну загрузку.
Токены OpenRouter: Текстовая модель, обслуживаемая через API, такая как Claude или GPT, не имеет весов для скачивания, поэтому её использование измеряется токенами: кусочками текста, которые она прочитала и написала через OpenRouter, шлюз, который используют многие приложения, за последние 30 дней. Каждые 10,000,000 токенов считаются за одно скачивание. Источник: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Полная модель (чекпоинт): Сами веса, файл, который генерирует самостоятельно. Получает бонус, потому что от него зависят дополнения.
LoRA и эмбеддинг: Небольшие файлы-дополнения, которые направляют чужие веса в сторону стиля, персонажа или концепции. Они не могут работать сами по себе.
Семейство и веса: База, на которой построена модель, например SD 1.5, SDXL, Flux или Wan. Каждая модель наследует дату выпуска весов своего семейства.
Возраст: Градусы снимаются за то, как давно вышли веса семейства: 150° в год, максимум 750°. Старые загрузки, которые успели накопиться за годы, остаются вверху списка.
Буст семейства: Небольшой ограниченный толчок для LoRA из семейства, которое этот сайт сейчас продвигает, всегда указан в разбивке.
Оценка-замена: Стабильное число ниже минимального, даваемое модели, о которой ещё нет данных, чтобы списки были полными. Никогда не выше модели с данными.
Новинка! (период ожидания): Модель младше 7 дней показывает Новинка! вместо оценки и не занимает место в рейтинге. Её оценка вычисляется с первого дня, но модель в один день растёт быстрее всего, поэтому без ожидания #1 недели всегда была бы модель, вышедшая вчера, а не та, что держалась неделю.
Тренд: Как рост модели за период сравнивается с типичным ростом модели за тот же период. Быстрее типичного — рост, медленнее — падение.
Типичная модель: Средина каталога: половина моделей с цифрой росли быстрее за период, половина медленнее.

Похожие модели

gemini 3.1 pro

TEXT / LLM

Muse Spark 1.2 Contributor

ИИ-модели для генерации изображений, видео и текста

Qwen3 Coder 30B A3B Instruct — это текстовая модель для семейства Text / LLM, представленная на ModelTrends.ai, каталоге открытых ИИ-моделей для изображений, видео и текста, доступном только для чтения. Сравните её с другими моделями Text / LLM и посмотрите индекс популярности, чтобы оценить тренд.

Другие модели Text / LLM Другие Текст / LLM Text / LLM llm qwen программирование агенты длинный контекст локально бюджет

Обзор по семействам моделей