Kan jag köra Qwen3-VL-30B-A3B-Thinking lokalt?

Ja, vikterna är öppna och finns på Hugging Face under Qwen/Qwen3-VL-30B-A3B-Thinking. Det är en 30B MoE-modell, så du behöver mycket VRAM; kolla GGUF- och kvantiseringsguider om du vill köra den på konsumenthårdvara.

Vad kostar det och hur långt är kontexten?

Via API kostar det $0,29 per miljon inputtoken och $1,00 per miljon outputtoken. Det inbyggda kontextfönstret är 256K token, utbyggbart till 1M enligt Qwen.

Vad är skillnaden mellan denna och icke-Thinking-versionen?

Thinking-varianten lägger till ett utökat internt resonemangssteg innan svar, vilket förbättrar prestanda på STEM-, matematik- och komplexa visuella uppgifter på bekostnad av längre – och därmed dyrare – outputs.

Qwen3 VL 30B A3B Thinking

3384°

#llm #qwen #vision #resonemang #agenter #lång kontext

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Qwen | 262,144 token context | $0.29/M input, $1.00/M output. Qwen3-VL-30B-A3B-Thinking är en multimodal modell som förenar stark textgenerering med visuell förståelse för bilder och videor. Dess Thinking-variant förbättrar resonemang inom STEM, matematik och komplexa uppgifter. Den utmärker sig i uppfattning av verkliga/syntetiska kategorier, 2D/3D rumslig förankring och långformad visuell förståelse, och uppnår konkurrenskraftiga multimodala benchmarkresultat. För agentanvändning hanterar den multi-bild multi-turn-instruktioner, video-tidslinjejusteringar, GUI-automation och visuell kodning från skisser till debuggad UI. Textprestandan matchar flaggskeppsmodellerna Qwen3, vilket gör den lämplig för dokument-AI, OCR, UI-assistans, rumsliga uppgifter och agentforskning.

Guider för denna modell

Hur mycket VRAM behöver jag egentligen för lokal AI?

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Qwen3-VL-30B-A3B-Thinking är en multimodal MoE-modell från Qwen som hanterar bilder, video och text i ett enda flöde, med en Thinking-variant som tillämpar utökat resonemang på STEM-, matematik- och komplexa visuella uppgifter. Det 256K stora inbyggda kontextfönstret, OCR på 32 språk, 3D-rumslig förankring och GUI-automation skiljer den från de flesta vision-språkmodeller i denna prisklass. Öppna vikter gör den till ett seriöst alternativ för forskare och utvecklare som vill köra eller finjustera lokalt.

Känd för

Utökat resonemang kring STEM- och matematikproblem baserat på visuella bevis
GUI-automation på PC och mobil: känner igen element, anropar verktyg, slutför uppgifter
2D- och 3D-rumslig förankring, bedömning av skymning och perspektivresonemang
OCR på 32 språk, inklusive svagt ljus, suddiga och forntida teckendokument
Genererar Draw.io, HTML, CSS och JS direkt från bilder eller videoramar

Se upp för

Thinking-varianten producerar längre tankekedjor; outputtoken kostar $1,00/M och kan snabbt bli dyrt vid komplexa uppgifter.
30B MoE-vikter är stora; lokal körning kräver betydande VRAM – kontrollera din hårdvara innan nedladdning.
Qwen har inte publicerat en detaljerad licensöversikt här; verifiera villkoren på Hugging Face-förvaret innan kommersiell användning.

Bäst för

Syn

Resonemang

Agenter och verktygsanvändning

Lång kontext

Kör lokalt

Promptar att prova

Debugga en UI-skärmdump

Bifoga en skärmdump av en trasig webbsida eller appskärm. Identifiera varje synligt UI-problem – layoutfel, avklippt text, feljusterade element, kontrastproblem – och skriv den korrigerade HTML och CSS som behövs för att fixa varje problem.

Rumsligt resonemang från bild

Bifoga ett foto av ett rum eller en utomhusscen. Lista varje objekt du kan identifiera, uppskatta den ungefärliga rumsliga relationen mellan varje par objekt (till vänster om, bakom, skymd av) och markera allt som ser strukturellt osäkert eller malplacerat ut.

STEM-problem med diagram

Bifoga ett fysik- eller geometri-diagram från en lärobok. Ange problemet som visas, identifiera alla givna värden och okända, lös sedan steg för steg och ange vilken del av diagrammet som stöder varje steg i ditt resonemang.

Jämför med

Qwen3.7 Flash
Endast API-modell
1,000,000 tokens kontext · $0.03/M indata, $0.13/M utdata
Qwen3.8 Max (0902)
Endast API-modell
1,000,000 tokens kontext · $2.00/M indata, $6.00/M utdata
Qwen3.8 Omni Flash
Endast API-modell
1,000,000 tokens kontext · $0.15/M indata, $0.47/M utdata
Qwen3 VL 32B Instruct
Endast API-modell
131,072 tokens kontext · $0.10/M indata, $0.42/M utdata

Fler textmodeller från qwen

Vanliga frågor

Kan jag köra Qwen3-VL-30B-A3B-Thinking lokalt?: Ja, vikterna är öppna och finns på Hugging Face under Qwen/Qwen3-VL-30B-A3B-Thinking. Det är en 30B MoE-modell, så du behöver mycket VRAM; kolla GGUF- och kvantiseringsguider om du vill köra den på konsumenthårdvara.
Vad kostar det och hur långt är kontexten?: Via API kostar det $0,29 per miljon inputtoken och $1,00 per miljon outputtoken. Det inbyggda kontextfönstret är 256K token, utbyggbart till 1M enligt Qwen.
Vad är skillnaden mellan denna och icke-Thinking-versionen?: Thinking-varianten lägger till ett utökat internt resonemangssteg innan svar, vilket förbättrar prestanda på STEM-, matematik- och komplexa visuella uppgifter på bekostnad av längre – och därmed dyrare – outputs.

Kaptens omdöme
En sällsynt öppen vikts visionmodell som verkligen förtjänar resonemangsbetäckningen – värd kostnaden för outputtoken när uppgiften är svår.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

DeepSeek Flash Latest

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Qwen3 VL 30B A3B Thinking är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm qwen vision resonemang agenter lång kontext lokal

Bläddra efter modellfamilj