A
Qwen3 235B A22B Thinking 2507OPEN
Qwen3 235B A22B Thinking 2507 (Alibaba): tarification API en direct, fenêtre de contexte et les meilleures alternatives open-source, suivies quotidiennement par OpenSourceAI.tech.
Les prix se mettent à jour automatiquement — vérifiés toutes les heures par rapport aux prix de la liste des fournisseurs.
Benchmarks & performance
Scores de référence indépendants pour Qwen3 235B A22B Thinking 2507, mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est. Mode de mesure : Reasoning.
À propos de ce modèle
Qwen3 235B A22B Thinking 2507 est un modèle d'IA à poids ouvert d'Alibaba. Vous pouvez le télécharger et l'héberger vous-même gratuitement ; les prix ci-dessous sont les prix de liste des API hébergées, suivis à l'heure, pour lorsque vous préférez la commodité à l'auto-hébergement.
Questions fréquemment posées
Qu'est-ce que Qwen3 235B A22B Thinking 2507 ?
Qwen3 235B A22B Thinking 2507 est un modèle de langage IA de Alibaba. Il est à poids ouverts : vous pouvez le télécharger et l'exécuter sur votre propre matériel, gratuitement. Il obtient un score de 19.6 sur l'indice d'intelligence d'Artificial Analysis.
Qwen3 235B A22B Thinking 2507 est-il gratuit ?
Les poids sont gratuits et ouverts — vous pouvez auto-héberger Qwen3 235B A22B Thinking 2507 et ne rien payer par jeton. Si vous préférez une API hébergée, les prix indiqués sont de 0,3 $ par million de jetons d'entrée et de 3 $ par million de jetons de sortie.
Qu'est-ce que Qwen3 235B A22B Thinking 2507 sait bien faire ?
Des benchmarks indépendants d'Artificial Analysis lui donnent GPQA 79%, MMLU-Pro 84.3%, Humanity's Last Exam 15%, Long Context Reasoning 67%, LiveCodeBench 78.8%, SciCode 42.4%, MATH-500 98.4%, AIME 94%, AIME 2025 91%, IFBench 51.2%, τ²-Bench 53.2%, τ-Bench Banking 7.8%, Terminal-Bench 12%, Terminal-Bench Hard 13.6%. Il est particulièrement utilisé pour génération de code.
Puis-je auto-héberger Qwen3 235B A22B Thinking 2507 ?
Oui. Qwen3 235B A22B Thinking 2507 a des poids ouverts, donc vous pouvez le télécharger et l'exécuter sur votre propre GPU ou serveur avec des outils comme Ollama, vLLM ou llama.cpp — sans coût par jeton.
Alternatives open-source
Selon votre charge de travail, un modèle à poids ouverts que vous pouvez auto-héberger peut réduire considérablement les coûts ou supprimer complètement la tarification par token. Nos pages de comparaison mettent ce modèle côte à côte avec les meilleurs concurrents open-source.