Qwen3 32B vs Qwen3 235B-A22B
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Qwen3 32B da Alibaba e Qwen3 235B-A22B da Alibaba são dois modelos de IA de destaque. O Qwen3 32B oferece uma janela de contexto de 131.1K tokens a $0.00/$0.00 por milhão de tokens, enquanto o Qwen3 235B-A22B oferece 131.1K tokens de contexto a $0.00/$0.00 por milhão de tokens. Veja abaixo a comparação completa de benchmarks, latência e custos.
Troque e Compare Qualquer Modelo
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Qwen3 32B
Modelo Base de Pesos AbertosO Qwen3 32B da Alibaba é um modelo de IA projetado para auto-hospedagem em infraestrutura própria, fine-tuning e soberania de dados, oferecendo janela de contexto de 131K, velocidade de 85 tokens/s, índice de inteligência de 78/100 e tarifa
$0.00 / 1M
$0.00 / 1M
131.1K tokens
40%
Qwen3 235B-A22B
Modelo Base de Pesos AbertosO Qwen3 235B-A22B da Alibaba é um modelo de IA projetado para auto-hospedagem em infraestrutura própria, fine-tuning e soberania de dados, oferecendo janela de contexto de 131K, velocidade de 68 tokens/s, índice de inteligência de 83/100 e
$0.00 / 1M
$0.00 / 1M
131.1K tokens
48.5%
Principais Diferenças em Resumo
- 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% |
Quem vence em cada categoria?
At-a-glance decision frameworkPontuações de Benchmarks Verificadas
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.
Latência e Tempo de Resposta
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulador Interativo de Custo de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Qwen3 32B · Strengths & Key Advantages
- Janela de contexto de 131K com limite máximo de saída de 8K tokens (SWE-bench Verified 40% · GPQA Diamond 59%)
- Taxa de transferência rápida de 85 tokens/segundo com latência inicial (TTFT) de 440 ms
- Pesos abertos (32B) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
Qwen3 235B-A22B · Strengths & Key Advantages
- Janela de contexto de 131K com limite máximo de saída de 16K tokens (SWE-bench Verified 48.5% · GPQA Diamond 67%)
- Taxa de transferência rápida de 68 tokens/segundo com latência inicial (TTFT) de 620 ms
- Pesos abertos (235B total (22B MoE)) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
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 |
Especificações Técnicas
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: Respostas Rápidas (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.
Veredito
Tanto Qwen3 32B (Indicado para auto-hospedagem em infraestrutura própria, fine-tuning e soberania de dados, arquiteturas RAG corporativas e integração escalável via API.) quanto Qwen3 235B-A22B (Indicado para auto-hospedagem em infraestrutura própria, fine-tuning e soberania de dados, arquiteturas RAG corporativas e integração escalável via API.) entregam excelente desempenho: Qwen3 235B-A22B lidera em inteligência geral e programação, Qwen3 32B oferece geração mais rápida e Qwen3 32B apresenta o melhor custo-benefício em produção.
Perguntas Frequentes (FAQ)
Qual é melhor para programação e raciocínio, Qwen3 32B ou Qwen3 235B-A22B?+
Nas avaliações de inteligência e código, Qwen3 235B-A22B leva vantagem. Confira os gráficos SWE-bench e GPQA acima para detalhes.
Qual modelo tem a API mais barata, Qwen3 32B ou Qwen3 235B-A22B?+
O Qwen3 32B custa $0.00 / $0.00 por 1M de tokens (entrada/saída) e o Qwen3 235B-A22B custa $0.00 / $0.00. No custo combinado, Qwen3 32B é mais econômico.
Qual modelo possui maior janela de contexto e velocidade?+
O Qwen3 32B suporta 131.1K tokens de contexto contra 131.1K tokens do Qwen3 235B-A22B, enquanto Qwen3 32B entrega maior velocidade de geração.
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: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Qwen3 235B-A22B vs. Granite 3.3 8B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Qwen3 235B-A22B vs. QwQ 32B Preview: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Aion-Mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Gemini 3.6 Flash: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-Mini vs. Laguna XS 2.1: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
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.
Fontes oficiais: Documentação oficial de API da Alibaba e Alibaba e benchmarks independentes (2026).