Qwen3-32B TPS-Rechner

Offene Gewichte Alibaba 32.8B Parameter April 2025

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

132 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

RTX A4500

20 GB · Q3_K_M · 22.3 tok/s

Schnellste Karte

B200

103 tok/s · 180 GB

Welche GPUs können laufen Qwen3-32B?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

132 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
103 tok/s 88–124	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.8 GB	Q8_0	Komfortabel
103 tok/s 88–124	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.8 GB	Q8_0	Komfortabel
82.5 tok/s 49–132 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.8 GB	Q8_0	Komfortabel
82.5 tok/s 49–132 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.8 GB	Q8_0	Komfortabel
66.0 tok/s 40–106 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.8 GB	Q8_0	Komfortabel
63.1 tok/s 54–76	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.8 GB	Q8_0	Komfortabel
63.1 tok/s 54–76	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.8 GB	Q8_0	Komfortabel
60.4 tok/s 36–97 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.8 GB	Q8_0	Komfortabel
53.6 tok/s 32–86 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.8 GB	Q8_0	Komfortabel
53.6 tok/s 32–86 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.8 GB	Q8_0	Komfortabel
53.6 tok/s 32–86 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.8 GB	Q8_0	Komfortabel
50.9 tok/s 43–61	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.8 GB	Q8_0	Komfortabel
43.4 tok/s 37–52	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.8 GB	Q8_0	Komfortabel
43.4 tok/s 37–52	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.8 GB	Q8_0	Komfortabel
43.4 tok/s 37–52	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.8 GB	Q8_0	Komfortabel
43.4 tok/s 37–52	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.8 GB	Q8_0	Komfortabel
43.4 tok/s 37–52	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.8 GB	Q8_0	Komfortabel
40.0 tok/s 34–48	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.5 GB	Q4_K_M	knapp
36.4 tok/s 31–44	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.5 GB	Q4_K_M	knapp
35.1 tok/s 30–42	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	Q6_K	knapp
35.1 tok/s 30–42	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	Q6_K	knapp
33.6 tok/s 29–40	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	Q6_K	knapp
33.6 tok/s 29–40	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	Q6_K	knapp
33.0 tok/s 20–53 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.8 GB	Q8_0	Komfortabel
33.0 tok/s 20–53 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.8 GB	Q8_0	Komfortabel

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Alibaba
Organisationsart: Industry
Land: China
Veröffentlicht: 29 April 2025

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain: Language
Aufgabe: Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 32.8B
Trainingsdaten: tokens
Epochen: 1

Training-Compute

Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.

Training-Compute: 7.1 × 10²⁴ FLOP
Wie es etabliert wurde: Operation counting

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (unrestricted)
Training-Code: Unreleased
Hugging Face: Qwen

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Wahrscheinlich über 10²³ FLOP: Yes
Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Qwen3: Think Deeper, Act Faster
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Qwen3-32B

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Qwen3-32B

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Hardware-Anforderungen in der Praxis

Minimale Karte

RTX A4500

Benötigter Speicher

16.7 GB

Schnellste

103 tok/s

Qwen3-32B erreicht eine Parameteranzahl von 32.8B. Das landet im Bereich, den eine ernsthafte Desktop-KARTE bewältigen kann, sobald die GEWICHTE komprimiert sind. Die Anzahl der KARTE, die wir verfolgen, die es ausführen kann: 132.

Der Einstiegspunkt ist RTX A4500, mit einer MEMORY-KAPAZITÄT von 20 GB, es mit einer Kompression von Q3_K_M und produziert etwa 22.3 Token pro Sekunde

Das schnellste Ergebnis kommt von B200, generieren ungefähr 103 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Hintergrund

Qwen3-32B wurde veröffentlicht von Alibaba, im Land aufgezeichnet als China, während April 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry.

Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation.

Veröffentlichte Gewichte bedeuten, dass das Modell auf deinem Rechner läuft und nicht auf dem eines anderen, was die Hardwarefrage unten überhaupt beantwortbar macht. Es ist unter der Organisation auf Hugging Face veröffentlicht. Qwen.

Die Durchsatzwerte lesen

Über jede Karte, die es ausführen kann, liegt die Mitte der Reihe bei 20.1 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 101 von ihnen

Da es dicht ist, liest es sich selbst pro Token, weshalb die Anordnung nach Geschwindigkeit unten so eng der Anordnung nach Speicherbandbreite folgt.

Da die Architektur aufgezeichnet ist, wird die Speicher-Spalte abgeleitet statt geschätzt.

Wie es trainiert wurde

Der Trainingslauf verbrauchte etwa 7.1 × 10²⁴ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.

Schritt für Schritt

Wie wählt man eine GPU für Qwen3-32B

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Beginnen Sie mit der Speicher-Spalte

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Qwen3-32B, benötigt ungefähr 16.7 GB bei einer Kompression von Q3_K_M. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
02

Setzen Sie die CONTEXT LENGTH, an der Sie arbeiten werden.

Längere Gespräche kosten MEMORY zusätzlich zu dem, was die WEIGHTS benötigen. Bewege den Schieberegler auf deine tatsächliche Arbeitslänge, bevor du einer Zeile vertraust. Qwen3-32B.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

Die Quantisierungs-Spalte variiert nach Karte, da eine größere Karte eine genauere Kopie hält., eine Kompression von Q3_K_M auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Nach Durchsatz und nicht nach Spezifikationen sortieren

Die Geschwindigkeitsreihenfolge ist effektiv eine Reihenfolge nach Speicherbandbreite, für Qwen3-32B. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B200, bei 103 tok/s
05

Überprüfen Sie das Passurteil, bevor Sie kaufen.

Die Passform-Spalte trennt Karten, die es gerade so schaffen, von denen mit ausreichend Platz, im Falle von Qwen3-32B. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Sieh, was diese Karte noch ausführen kann.

Das Folgen einer Karte zu ihrer eigenen Seite zeigt jedes andere Modell, das sie halten kann, was die Frage ist, die folgt, sobald Sie sich festgelegt haben. Qwen3-32B.

Antworten

Qwen3-32B — Häufige Fragen

Qwen3-32B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 32.8B. Number of Parameters: 32.8B Number of Paramaters (Non-Embedding): 31.2B Number of Layers: 64 Number of Attention Heads (GQA): 64 for Q and 8 for KV Context Length: 32,768 natively and 131,072 tokens with YaRN. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Qwen3-32B— Wer hat es erstellt?

Es wurde veröffentlicht von Alibaba, basiert auf China, eine als kategorisierte Organisation industry.

Qwen3-32B— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in April 2025.

Qwen3-32B— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.

Qwen3-32B— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation Qwen. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

Qwen3-32B— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 7.1 × 10²⁴ FLOP. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.

Qwen3-32B— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Teilweise. Schichten, die nicht passen, verbleiben im System-Speicher und laufen mit einem Bruchteil der Geschwindigkeit, sodass ein überwiegend ausgelagerter Modell selten von Nutzen ist. Die nächste verpasste Berechnung bleibt hinter 6.1 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Qwen3-32B— Würden zwei GPUs es schneller ausführen?

Eine zweite Karte verdoppelt grob den verfügbaren Speicher, aber nicht die Generationsrate. Die Anzahl, die bereits in der Lage ist, es allein auszuführen: 132. So eine zweite Karte ist hier selten die Antwort.

Qwen3-32B— Warum unterscheidet sich die Quantisierung zwischen Karten?

Da die Kapazität variiert, variiert auch, wie sehr sie komprimiert werden muss. Die Anzahl der unterschiedlichen Ebenen in der obigen Tabelle: 5. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Qwen3-32B— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 88–124 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Qwen3-32B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist RTX A4500, mit einer MEMORY-KAPAZITÄT von 20 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 16.7 GB, und produziert ungefähr 22.3 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 132.

Qwen3-32B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 103 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 101.

Qwen3-32B— Wie viel VRAM benötigt es?

Es benötigt etwa 16.7 GB bei einer Kompression von Q3_K_M, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Qwen3-32B— Kann ich es auf einer GPU mitführen? 24 GB?

Ja. Die GPU-Karte GeForce RTX 5090 D V2, halten 24 GB, führt es mit einer Kompression von Q4_K_M, verwenden von etwa 20.5 GB und generieren grob 40.0 Token pro Sekunde. Der Fit ist eng.

Qwen3-32B— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle