A
Qwen3 VL 30B A3B InstructOPEN
Qwen3 VL 30B A3B Instruct (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 VL 30B A3B Instruct, mesurés par Artificial Analysis. Plus c'est élevé, mieux c'est.
Pour le même budget, Qwen3 VL 30B A3B Instruct offre 4.7 fois plus de capacité. Les poids ouverts signifient également que vous pouvez l'héberger vous-même et ne rien payer par jeton.
À propos de ce modèle
Qwen3 VL 30B A3B Instruct 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 VL 30B A3B Instruct ?
Qwen3 VL 30B A3B Instruct 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 10 sur l'indice d'intelligence d'Artificial Analysis.
Qwen3 VL 30B A3B Instruct est-il gratuit ?
Les poids sont gratuits et ouverts — vous pouvez auto-héberger Qwen3 VL 30B A3B Instruct et ne rien payer par jeton. Si vous préférez une API hébergée, les prix sont de 0,13 $ par million de jetons d'entrée et de 0,52 $ par million de jetons de sortie.
À quoi sert Qwen3 VL 30B A3B Instruct ?
Des benchmarks indépendants d'Artificial Analysis lui donnent GPQA 69.5%, MMLU-Pro 76.4%, Humanity's Last Exam 6.4%, Long Context Reasoning 23.7%, LiveCodeBench 47.6%, SciCode 30.8%, AIME 2025 72.3%, IFBench 33.1%, τ²-Bench 19%, Terminal-Bench Hard 6.1%. Il est particulièrement utilisé pour raisonnement mathématique.
Puis-je auto-héberger Qwen3 VL 30B A3B Instruct ?
Oui. Qwen3 VL 30B A3B Instruct 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.