Qwen3 235B-A22B vs QwQ 32B Preview
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
AlibabaのQwen3 235B-A22BとAlibabaのQwQ 32B Previewは、注目度の高い主要AIモデルです。Qwen3 235B-A22Bは131.1K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$0.00/出力$0.00、一方のQwQ 32B Previewは32.8K トークンのコンテキストで入力$0.20/出力$0.60です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Qwen3 235B-A22B
オープンウェイト基盤モデルAlibaba の Qwen3 235B-A22B は、オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保向けに設計されたAIモデルです。131K のコンテキストウィンドウ、毎秒 68 トークンの生成速度、知能指数 83/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
131.1K tokens
48.5%
QwQ 32B Preview
オープンウェイト推論モデルAlibaba の QwQ 32B Preview は、強化学習により鍛えられた高効率なオープンウェイト論理推論向けに設計されたAIモデルです。33K のコンテキストウィンドウ、毎秒 52 トークンの生成速度、知能指数 47/100（1Mトークンあたり入力$0.2・出力$0.6）を実現しています。
$0.20 / 1M
$0.60 / 1M
32.8K tokens
54.2%
ひと目でわかる主な違い
- Qwen3 235B-A22B is 1.0x cheaper for API usage (input + output tokens combined).
- Qwen3 235B-A22B has a larger context window (131K vs 33K tokens).
- Qwen3 235B-A22B is faster at 68 tok/s vs 52 tok/s.
- QwQ 32B Preview leads on SWE-bench coding (54.2% vs 48.5%).
| Feature | Qwen3 235B-A22B | QwQ 32B Preview |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 83 | 47 |
Provider | Alibaba | Alibaba |
Input Price Cost per million input tokens | $0.00 / 1M | $0.20 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.60 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.14 / 1M |
Context Window Maximum input + output tokens | 131.1K tokens~197 A4 pages of text | 32.8K tokens~49 A4 pages of text |
Max Output Tokens Per single request | 16K | 8K |
Throughput Speed Tokens generated per second | 68 tok/s | 52 tok/s |
SWE-bench Verified Real-world software engineering | 48.5% | 54.2% |
GPQA Diamond Graduate-level reasoning | 67% | 65.2% |
Cached Input Price Prompt caching discount per 1M tokens | $0.00 / 1M | $0.05 / 1M |
分野別勝者スコアカード
At-a-glance decision framework検証済みベンチマークスコア比較
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.
Extremely difficult, closed-ended questions spanning the frontier of human expert knowledge.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
Research-grade coding problems drawn from real scientific and numerical workloads.
Contamination-free competitive programming problems collected continuously over time.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Qwen3 235B-A22B · Strengths & Key Advantages
- 131K のコンテキストウィンドウと最大 16K トークンの出力容量（SWE-bench Verified 48.5% · GPQA Diamond 67%）
- 毎秒 68 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 620ms の低遅延
- オープンウェイトモデル (235B total (22B MoE))として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
QwQ 32B Preview · Strengths & Key Advantages
- 33K のコンテキストウィンドウと最大 8K トークンの出力容量（SWE-bench Verified 54.2% · GPQA Diamond 65.2%）
- 毎秒 52 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 820ms の低遅延
- オープンウェイトモデル (32B)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Qwen3 235B-A22B | QwQ 32B Preview |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.45 |
Output Tokens / Task Tokens generated per task | 22K | 22K |
Reasoning Tokens / Task Thinking tokens burned per task | 8K | 18K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Qwen3 235B-A22B | QwQ 32B Preview |
|---|---|---|
| Official API Model ID (SDK) | qwen3-235b-a22b-instruct | qwq-32b-instruct |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-04 | 2024-11 |
| Knowledge Cutoff | February 2025 | September 2024 |
| Architecture | Sparse Mixture-of-Experts Autoregressive Transformer | Reinforcement Learning Reasoning Transformer |
| Parameters | 235B total (22B active MoE) | 32B |
| 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) | Flat rate ($0.2/1M in) across full 33K window |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Cached input at $0.05/1M tokens |
| 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 |
| 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) · 146 GB VRAM (4-bit Quantized) · 505 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 20 GB VRAM (4-bit Quantized) · 69 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 235B-A22B vs QwQ 32B Preview: よくある質問 (FAQ)
Which is more intelligent, Qwen3 235B-A22B or QwQ 32B Preview?
Qwen3 235B-A22B is more intelligent. It scores 83 compared with 47 on the composite Intelligence Index.
Which model is faster?
Qwen3 235B-A22B is faster, generating 68 tokens per second compared with 52 tokens per second.
Which model is cheaper to run?
Qwen3 235B-A22B is cheaper at $0.00 per 1M tokens blended, compared with $0.14 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Qwen3 235B-A22B has lower latency, with a time to first token of 0.62s compared with 0.82s.
Which model has a larger context window?
Qwen3 235B-A22B has a larger context window, supporting 131.1K tokens compared with 32.8K tokens.
総合評価
Qwen3 235B-A22B（オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とQwQ 32B Preview（強化学習により鍛えられた高効率なオープンウェイト論理推論、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではQwen3 235B-A22Bがリードし、応答速度とスループットではQwen3 235B-A22Bが優れ、APIコスト効率ではQwen3 235B-A22Bが有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Qwen3 235B-A22B と QwQ 32B Preview のどちらが適していますか？+
総合知能指数およびコーディング評価では Qwen3 235B-A22B が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Qwen3 235B-A22B と QwQ 32B Preview ではどちらのAPI料金が安いですか？+
Qwen3 235B-A22B は100万トークンあたり入力$0.00 / 出力$0.00、QwQ 32B Preview は入力$0.20 / 出力$0.60です。総合的なコスト効率では Qwen3 235B-A22B がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Qwen3 235B-A22B が 131.1K トークン、QwQ 32B Preview が 32.8K トークン です。出力スピード（トークン/秒）では Qwen3 235B-A22B がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- DeepSeek-R1 Distill Llama 70B vs QwQ 32B Preview：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Qwen3 235B-A22B vs Granite 3.3 8B：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Qwen3 32B vs Qwen3 235B-A22B：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- QwQ 32B Preview vs Qwen2.5-VL 72B：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Gemini 3.6 Flash：ベンチマーク・API料金・速度の徹底比較 (2026)比較
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.
公的ソース: AlibabaおよびAlibaba公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。