Kan jag köra QwQ 32B Preview lokalt?

Nej — vikterna är inte offentligt släppta, så du kan bara använda den via API.

Vad kostar den och hur långt är kontexten?

Qwen tar $0,12 per miljon inputtoken och $0,18 per miljon outputtoken, med ett kontextfönster på 32 768 token.

Hur skiljer den sig från en standard Qwen-chatmodell?

QwQ är byggd specifikt för eftertänksamt, flerstegs resonemang snarare än snabba konversationssvar; den är också en experimentell preview, inte en produktionsrelease.

QwQ 32B Preview

3579°

#llm #qwen #resonemang #matematik #kodning #forskning

Körs på Graydient

Öppna DeepInfra

Kör modellen

Erbjudanden / annonser

Easy Creator (Prism) Webb

Obegränsat · fast avgift

Bäst för nybörjare. Kraftfulla arbetsflöden, låg inlärningströskel.

PirateDiffusion Telegram

Obegränsat · fast avgift

Skapa videor, bilder, anpassade chattpersonligheter med mera.

Pro studio (SpyGlass) Webb

Obegränsat · fast avgift

Bläddra bland modeller, rendera och förbättra från vilken webbläsare eller telefon som helst.

Discord bot (Vector)

Obegränsat · fast avgift

Lägg till Vector till din server eller gå med i Vector Discord. Skapa vad som helst!

Unified Editor Webb

Obegränsat · fast avgift

Redigerare för bilder och video: rendera, redigera, förstora och mer på en sida.

Lokala appar

Kräver installation

Installera lokala program om din dator har tillräcklig prestanda.

ModelDuel Webb

Betala per användning

Generera samma prompt på upp till 50 checkpoint-/basmodeller samtidigt.

Hyra GPU i molnet

Graydient Cloud GPU

Obegränsat · fast avgift

Fast avgift, obegränsad användning. Denna modell installeras med ett klick.

RunPod Cloud GPU

Debiteras per minut

Hyra GPU per minut och installera modellen själv.

Guider för denna modell

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

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

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

Alla guider

Qwen | 32,768 token context | $0.12/M input, $0.18/M output. QwQ är en experimentell forskningsmodell utvecklad av Qwen Team, designad för att avancera AI:s resonemangsförmågor. Denna modell förkroppsligar andan av filosofisk undersökning, närmar sig problem med genuin förundran och tvivel. QwQ visar imponerande analytiska förmågor och uppnår poäng på 65,2 % på GPQA, 50,0 % på AIME, 90,6 % på MATH-500 och 50,0 % på LiveCodeBench. Med sitt eftertänksamma tillvägagångssätt och exceptionella prestanda på komplexa problem.

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

QwQ 32B Preview är en experimentell resonemangsmodell från Qwen, byggd för att tänka igenom svåra problem snarare än att svara snabbt. Den visar starka benchmarkresultat på avancerad vetenskap, tävlingsmatematik och kodning, och dess eftertänksamma, självkorrigerande angreppssätt skiljer den från standardinstruktionsanpassade modeller. Om du behöver en modell som arbetar steg för steg och visar sitt resonemang är detta värt att testa till ett pris som inte gör ont.

Känd för

Stark prestanda på tävlingsmatematik och avancerade vetenskapsproblem.
Eftertänksamt resonemang i tankekedjestil med synlig självkorrigering.
Starka kodningsresultat på LiveCodeBench.
Lågt API-pris i förhållande till resonemangsförmågan.

Se upp för

Vikterna är inte öppna; du når den endast via API, ingen lokal körning.
32 768 token kontext är måttligt – långa dokument eller långa samtal når snabbt gränsen.
Betecknad som preview och forskningsmodell; förvänta dig ojämnheter och inkonsekvent beteende.

Bäst för

Promptar att prova

Fermi-uppskattning med arbetsgång

Hur många pianostämmare finns det i Tokyo? Arbeta igenom din uppskattning steg för steg, ange varje antagande du gör och markera var din osäkerhet är som störst. Ge sedan ett slutgiltigt antal med ett ungefärligt konfidensintervall.

Beviskontroll och rättning

Här är en students bevis för att roten ur 2 är rationell. Hitta varje logiskt fel, förklara varför varje steg misslyckas, och skriv sedan ett korrekt bevis för att roten ur 2 är irrationell. Studentbevis: Antag att √2 = a/b i lägsta termer. Då är 2 = a²/b², så a² = 2b². Eftersom a² är jämnt är a jämnt, så skriv a = 2k. Då är 4k² = 2b², så b² = 2k², vilket betyder att b också är jämnt. Alltså är √2 rationell.

Algoritmdesign och kompromisser

Jag behöver hitta de top-k mest frekventa orden i en textström där k är litet (säg 10) och strömmen är för stor för att lagras. Gå igenom minst två algoritmiska tillvägagångssätt, jämför deras tids- och minneskomplexitet, identifiera kompromisserna och rekommendera ett med motivering.

Jämför med

Qwen3 30B A3B Thinking 2507
Endast API-modell
81,920 tokens kontext · $0.20/M indata, $2.40/M utdata
Qwen3 VL 235B A22B Thinking
Endast API-modell
131,072 tokens kontext · $0.40/M indata, $4.00/M utdata
Qwen3.8 Max (0902)
Endast API-modell
1,000,000 tokens kontext · $2.00/M indata, $6.00/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 QwQ 32B Preview lokalt?: Nej — vikterna är inte offentligt släppta, så du kan bara använda den via API.
Vad kostar den och hur långt är kontexten?: Qwen tar $0,12 per miljon inputtoken och $0,18 per miljon outputtoken, med ett kontextfönster på 32 768 token.
Hur skiljer den sig från en standard Qwen-chatmodell?: QwQ är byggd specifikt för eftertänksamt, flerstegs resonemang snarare än snabba konversationssvar; den är också en experimentell preview, inte en produktionsrelease.

Kaptens omdöme
En billig, kapabel resonemangsmodell värd att testa på svåra matematik- och vetenskapsproblem – förvänta dig bara inte öppna vikter eller långt kontextfönster.

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.

Hur man installerar

Hur man installerar Ollama och kör en lokal AI (Windows, Mac, Linux)

Liknande modeller

AI-modeller för bild-, video- och textgenerering

QwQ 32B Preview 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, se dess hettapoäng och prova den på PirateDiffusion eller BitVector.

Fler Text / LLM-modeller llm qwen resonemang matematik kodning forskning

Bläddra efter modellfamilj