Qwen3 30B A3B
1226°
Ejecutar este modelo
Ofertas / Anuncios
Qwen | contexto de 40,960 tokens | $0.12/M entrada, $0.50/M salida. Qwen3, la última generación en la serie de modelos de lenguaje grande Qwen, presenta arquitecturas densas y Mixture-of-Experts (MoE) para sobresalir en razonamiento, soporte multilingüe y tareas avanzadas con agentes. Su capacidad única para alternar sin problemas entre un modo de pensamiento para razonamiento complejo y un modo sin pensamiento para diálogo eficiente asegura un rendimiento versátil y de alta calidad. Superando significativamente a modelos previos como QwQ y Qwen2.5, Qwen3 ofrece capacidades superiores en…Qwen | contexto de 40,960 tokens | $0.12/M entrada, $0.50/M salida. Qwen3, la última generación en la serie de modelos de lenguaje grande Qwen, presenta arquitecturas densas y Mixture-of-Experts (MoE) para sobresalir en razonamiento, soporte multilingüe y tareas avanzadas con agentes. Su capacidad única para alternar sin problemas entre un modo de pensamiento para razonamiento complejo y un modo sin pensamiento para diálogo eficiente asegura un rendimiento versátil y de alta calidad. Superando significativamente a modelos previos como QwQ y Qwen2.5, Qwen3 ofrece capacidades superiores en matemáticas, codificación, razonamiento de sentido común, escritura creativa y diálogo interactivo. La variante Qwen3-30B-A3B incluye 30.5 mil millones de parámetros (3.3 mil millones activados), 48 capas, 128 expertos (8 activados por tarea) y soporta contextos de hasta 131K tokens con YaRN, estableciendo un nuevo estándar entre modelos open-source.
Guías para este modelo
Ollama vs LM Studio (2026): qué app local de IA usar y qué modelos principales corre cada una
¿Cuánta VRAM necesito realmente para IA local?
¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)
Notas del capitán
Notas del 2026-10-13
Qwen3-30B-A3B es un modelo de mezcla de expertos de Qwen que mantiene activos solo 3.3 mil millones de sus 30.5 mil millones de parámetros durante la inferencia, lo que lo hace mucho más económico de ejecutar de lo que su tamaño sugiere. Un interruptor incorporado permite alternar entre un modo de pensamiento deliberado para problemas difíciles y un modo más rápido sin pensamiento para charlas cotidianas. Pesos abiertos, precios bajos en la API y amplia cobertura multilingüe lo convierten en una opción práctica para desarrolladores que desean capacidad seria sin una factura seria.
Conocido por
- El diseño MoE activa solo 3.3B parámetros, reduciendo el cómputo sin sacrificar calidad.
- Interruptor de modo pensamiento/no pensamiento en un solo modelo, sin necesidad de descarga separada.
- Fuertes capacidades de agente con integración precisa de herramientas externas en ambos modos.
- Soporta más de 100 idiomas y dialectos con sólido seguimiento de instrucciones multilingües.
- Se extiende a un contexto de 131K tokens vía YaRN, mucho más allá de su ventana nativa de 32K.
Cuidado con
- El contexto nativo es de 32K; la cifra de 131K requiere YaRN, lo que puede afectar la calidad en el extremo lejano.
- Los modelos MoE pueden ser complicados de manejar en memoria localmente: se cargan los 30.5B parámetros aunque solo se ejecuten 3.3B por token.
- El modo pensamiento añade latencia y costo por token; para tareas simples, recuerda desactivarlo.
Prompts para probar
Depurar un error async complicado
Tengo una función async en Python que ocasionalmente se bloquea cuando dos corutinas esperan los resultados una de la otra a través de una cola compartida. Explícame por qué sucede esto, muestra una reproducción mínima y luego reescríbela para que el bloqueo sea imposible. Usa solo asyncio, sin librerías de terceros.
Planificar un agente multi-paso
Tienes acceso a tres herramientas: web_search(query), read_file(path) y write_file(path, content). Un usuario quiere un resumen semanal de artículos de investigación en IA enviado por correo cada lunes. Piensa en los pasos, decide qué herramientas llamar y en qué orden, y escribe la secuencia de llamadas con argumentos. Explica tu razonamiento antes de cada llamada.
Razonar un acertijo lógico
Cinco casas en fila están pintadas de diferentes colores. El inglés vive en la casa roja. El sueco tiene perros. El danés toma té. La casa verde está justo a la izquierda de la blanca. El dueño de la casa verde toma café. ¿Quién tiene el pez? Muestra cada paso de inferencia antes de dar la respuesta.
Comparar con
- Qwen3.8 Max (0902)Modelo solo APIContexto de 1,000,000 tokens · $2.00/M entrada, $6.00/M salida
- Qwen3.7 PlusModelo solo APIContexto de 1,000,000 tokens · $0.32/M entrada, $1.28/M salida
- Qwen3.6 PlusModelo solo APIContexto de 1,000,000 tokens · $0.33/M entrada, $1.95/M salida
- Qwen3.6 Max PreviewModelo solo APIContexto de 262,144 tokens · $1.03/M entrada, $6.16/M salida
Más modelos de texto de qwen
Preguntas frecuentes
- ¿Puedo ejecutar Qwen3-30B-A3B localmente?
- Sí, los pesos son abiertos y están disponibles en Hugging Face. Ollama, LM Studio, llama.cpp, MLX-LM y KTransformers lo soportan, aunque necesitarás suficiente memoria para cargar los 30.5B parámetros aunque solo 3.3B estén activos por pase.
- ¿Cuánto cuesta y qué tamaño de contexto tiene?
- Por API cuesta $0.12 por millón de tokens de entrada y $0.50 por millón de tokens de salida. La ventana de contexto nativa es de 32,768 tokens, ampliable a 131,072 tokens con YaRN.
- ¿En qué se diferencia de los modelos densos Qwen3?
- Esta variante usa una arquitectura de mezcla de expertos con 128 expertos, activando solo 8 por token, por lo que es mucho más rápida y económica que un modelo denso con parámetros totales comparables, y aún así iguala o supera generaciones previas de Qwen en razonamiento y tareas de codificación.
Veredicto del capitánUn caso raro donde pesos abiertos, bajo costo en API y verdadera capacidad de razonamiento convergen en un mismo modelo.
Ficha del modelo en Hugging Face
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
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.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Qwen3 30B A3B es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmqwenrazonamientoprogramaciónagentesmultilingüelocal
Explorar por familia 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