Qwen3 32B vs Qwen3 235B-A22B
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Qwen3 32B von Alibaba und Qwen3 235B-A22B von Alibaba gehören zu den führenden KI-Modellen. Qwen3 32B bietet ein Kontextfenster von 131.1K Tokens bei API-Preisen von $0.00/$0.00 pro 1M Tokens, während Qwen3 235B-A22B 131.1K Tokens Kontext zu $0.00/$0.00 pro 1M Tokens bereitstellt. Hier finden Sie den vollständigen Benchmark-, Latenz- und Kostenvergleich.
Beliebige Modelle wechseln & vergleichen
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Qwen3 32B
Open-Weights-BasismodellQwen3 32B von Alibaba ist ein KI-Modell für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität mit 131K Kontextfenster, 85 Token/s Durchsatz, einem Intelligenz-Index von 78/100 und kostenlosem Open-Weights-Zugang
$0.00 / 1M
$0.00 / 1M
131.1K tokens
40%
Qwen3 235B-A22B
Open-Weights-BasismodellQwen3 235B-A22B von Alibaba ist ein KI-Modell für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität mit 131K Kontextfenster, 68 Token/s Durchsatz, einem Intelligenz-Index von 83/100 und kostenlosem Open-Weights-
$0.00 / 1M
$0.00 / 1M
131.1K tokens
48.5%
Wichtigste Unterschiede auf einen Blick
- Both models cost the same under this workload — choose on capability, not price.
- Qwen3 32B is faster at 85 tok/s vs 68 tok/s.
- Qwen3 235B-A22B leads on SWE-bench coding (48.5% vs 40.0%).
| Feature | Qwen3 32B | Qwen3 235B-A22B |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 78 | 83 |
Provider | Alibaba | Alibaba |
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 131.1K tokens~197 A4 pages of text | 131.1K tokens~197 A4 pages of text |
Max Output Tokens Per single request | 8K | 16K |
Throughput Speed Tokens generated per second | 85 tok/s | 68 tok/s |
SWE-bench Verified Real-world software engineering | 40% | 48.5% |
GPQA Diamond Graduate-level reasoning | 59% | 67% |
Wer gewinnt in welcher Disziplin?
At-a-glance decision frameworkGeprüfte Benchmark-Ergebnisse im Vergleich
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
Latenz & Antwortzeit
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Interaktiver Token-Kosten-Simulator
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Qwen3 32B · Strengths & Key Advantages
- 131K Kontextfenster und bis zu 8K maximale Output-Token (SWE-bench Verified 40% · GPQA Diamond 59%)
- Hohe Generierungsgeschwindigkeit von 85 Token/Sekunde bei nur 440 ms Erstlatenz (TTFT)
- Offene Modellgewichte (32B) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
- Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
- Bei extrem komplexen mehrstufigen Forschungsfragen bieten schwere Reasoning-Spezialmodelle noch tiefere Analysen
Qwen3 235B-A22B · Strengths & Key Advantages
- 131K Kontextfenster und bis zu 16K maximale Output-Token (SWE-bench Verified 48.5% · GPQA Diamond 67%)
- Hohe Generierungsgeschwindigkeit von 68 Token/Sekunde bei nur 620 ms Erstlatenz (TTFT)
- Offene Modellgewichte (235B total (22B MoE)) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
- Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
- Bei extrem komplexen mehrstufigen Forschungsfragen bieten schwere Reasoning-Spezialmodelle noch tiefere Analysen
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Qwen3 32B | Qwen3 235B-A22B |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 16K | 22K |
Reasoning Tokens / Task Thinking tokens burned per task | 4K | 8K |
Technische Spezifikationen
Architecture, release timeline, capabilities, and modalities.
| Feature | Qwen3 32B | Qwen3 235B-A22B |
|---|---|---|
| Official API Model ID (SDK) | qwen3-32b-instruct | qwen3-235b-a22b-instruct |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-04 | 2025-04 |
| Knowledge Cutoff | February 2025 | February 2025 |
| Architecture | Dense Autoregressive Transformer | Sparse Mixture-of-Experts Autoregressive Transformer |
| Parameters | 32B | 235B total (22B active MoE) |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 20 GB VRAM (4-bit Quantized) · 69 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 146 GB VRAM (4-bit Quantized) · 505 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text |
| Output Modalities | text | text |
Qwen3 32B vs Qwen3 235B-A22B: Schnelle Antworten (FAQ)
Which is more intelligent, Qwen3 32B or Qwen3 235B-A22B?
Qwen3 235B-A22B is more intelligent. It scores 83 compared with 78 on the composite Intelligence Index.
Which model is faster?
Qwen3 32B is faster, generating 85 tokens per second compared with 68 tokens per second.
Which model has lower latency?
Qwen3 32B has lower latency, with a time to first token of 0.44s compared with 0.62s.
Fazit
Sowohl Qwen3 32B (Optimal für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) als auch Qwen3 235B-A22B (Optimal für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) überzeugen im Produktionseinsatz: Qwen3 235B-A22B führt bei komplexem Reasoning und Coding, Qwen3 32B liefert den höheren Token-Durchsatz und Qwen3 32B ist die kosteneffizienteste Wahl für große API-Workloads.
Häufig gestellte Fragen (FAQ)
Welches Modell ist besser für Coding und Reasoning – Qwen3 32B oder Qwen3 235B-A22B?+
Im Gesamt-Intelligenzindex und bei Software-Benchmarks liegt Qwen3 235B-A22B vorn. Prüfen Sie oben die SWE-bench- und GPQA-Werte für Ihren Anwendungsfall.
Wie unterscheiden sich die API-Preise von Qwen3 32B und Qwen3 235B-A22B?+
Qwen3 32B kostet $0.00 / $0.00 pro 1M Input-/Output-Tokens, Qwen3 235B-A22B liegt bei $0.00 / $0.00. Beim gewichteten Gesamtpreis ist Qwen3 32B günstiger.
Welches Modell hat das größere Kontextfenster und die höhere Geschwindigkeit?+
Qwen3 32B bietet 131.1K Tokens Kontext gegenüber 131.1K Tokens bei Qwen3 235B-A22B. Bei der Generierungsgeschwindigkeit liegt Qwen3 32B vorn.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Granite 3.3 8B vs. Qwen3 32B: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Qwen3 235B-A22B vs. Granite 3.3 8B: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Qwen3 235B-A22B vs. QwQ 32B Preview: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Aion-3.0 vs. Aion-Mini: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Aion-3.0 vs. Gemini 3.6 Flash: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Aion-Mini vs. Laguna XS 2.1: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
Offizielle Quellen: Offizielle API-Dokumentation von Alibaba und Alibaba, Systemkarten und unabhängige Benchmark-Auswertungen (2026).