Qwen3-Omni-30B-A3B calcolatore TPS

Apri i pesi Alibaba 35.3B parametri September 2025

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

132 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

RTX A4500

20 GB · IQ4_XS · 105 tok/s

Scheda più veloce

B200

533 tok/s · 180 GB

Quali GPU possono eseguire Qwen3-Omni-30B-A3B?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

132 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
533 tok/s 320–853 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	36.4 GB	Q8_0	Comodo
533 tok/s 320–853 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	36.4 GB	Q8_0	Comodo
426 tok/s 255–681 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	36.4 GB	Q8_0	Comodo
426 tok/s 255–681 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	36.4 GB	Q8_0	Comodo
341 tok/s 204–545 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	36.4 GB	Q8_0	Comodo
326 tok/s 196–522 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.4 GB	Q8_0	Comodo
326 tok/s 196–522 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.4 GB	Q8_0	Comodo
312 tok/s 187–499 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	36.4 GB	Q8_0	Comodo
277 tok/s 166–443 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	36.4 GB	Q8_0	Comodo
277 tok/s 166–443 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	36.4 GB	Q8_0	Comodo
277 tok/s 166–443 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	36.4 GB	Q8_0	Comodo
263 tok/s 158–420 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	36.4 GB	Q8_0	Comodo
224 tok/s 134–358 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Comodo
224 tok/s 134–358 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	36.4 GB	Q8_0	Comodo
224 tok/s 134–358 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Comodo
224 tok/s 134–358 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Comodo
224 tok/s 134–358 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Comodo
206 tok/s 124–330 · bassa fiducia	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.0 GB	Q4_K_M	Stretto
188 tok/s 113–300 · bassa fiducia	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.0 GB	Q4_K_M	Stretto
181 tok/s 109–290 · bassa fiducia	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Stretto
181 tok/s 109–290 · bassa fiducia	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Stretto
173 tok/s 104–277 · bassa fiducia	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Stretto
173 tok/s 104–277 · bassa fiducia	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Stretto
171 tok/s 102–273 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	36.4 GB	Q8_0	Comodo
171 tok/s 102–273 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	36.4 GB	Q8_0	Comodo

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: Alibaba
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 22 September 2025
Autori: Jin Xu, Zhifang Guo, Hangrui Hu, Yunfei Chu, Xiong Wang, Jinzheng He, Yuxuan Wang, Xian Shi, Ting He, Xinfa Zhu, Yuanjun Lv, Yongqi Wang, Dake Guo, He Wang, Linhan Ma, Pei Zhang, Xinyu Zhang, Hongkun Hao, Zishan Guo, Baosong Yang, Bin Zhang, Ziyang Ma, Xipin Wei, Shuai Bai, Keqin Chen, Xuejing Liu, Peng Wang, Mingkun Yang, Dayiheng Liu, Xingzhang Ren, Bo Zheng, Rui Men, Fan Zhou, Bowen Yu, Jianxin…

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Multimodal, Language, Vision, Speech, Video
Compito: Language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS)

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 35.3B
Dati di addestramento: 2,000,000,000,000 tokens

Calcolo di addestramento

L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.

Calcolo di addestramento: 3.6 × 10²² FLOP
Come è stato stabilito: Operation counting

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (unrestricted)
Codice di addestramento: Unreleased
Hugging Face: Qwen

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Perché è monitorato: SOTA improvement
Record fiducia: Confident

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: Qwen3-Omni Technical Report
Ultimo aggiornamento: 18 December 2025

Gli estremi

Le dieci GPU più veloci che eseguono Qwen3-Omni-30B-A3B

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano Qwen3-Omni-30B-A3B

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Cosa serve per eseguire questo modello

Scheda minima

RTX A4500

Memoria necessaria

17.9 GB

Più veloce

533 tok/s

Qwen3-Omni-30B-A3B raggiunge un conteggio di parametri di 35.3B. Questo rientra nell'intervallo che una seria GPU DESKTOP può gestire una volta compressi i pesi. Il numero di GPU che monitoriamo che possono eseguirlo: 132.

La scheda più piccola che lo tiene è RTX A4500, con una capacità di memoria di 20 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 105 token al secondo

Top di gamma è B200, generando approssimativamente 533 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

Qwen3-Omni-30B-A3B è stato pubblicato da Alibaba, nel paese registrato come China, durante September 2025. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Multimodal, Language, Vision, Speech, Video, ed è registrato come eseguire il compito di language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS).

I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere. Su Hugging Face è pubblicato sotto l'organizzazione Qwen.

Comprendere le velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 104.0 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 132 di loro

Questo è un modello a miscela di esperti, che instrada ogni token attraverso solo una parte di esso. Pertanto genera molto più velocemente di quanto suggerisca la sua dimensione totale — pur avendo comunque ogni parametro residente in MEMORIA, quindi è veloce senza essere economico da mantenere.

La memoria qui è stimata dalla dimensione piuttosto che calcolata dall'architettura, che non è registrata per questo modello — i numeri sono indicativi piuttosto che esatti.

Come è stato addestrato

Il run di addestramento ha consumato circa 3.6 × 10²² FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

Il set di addestramento si aggirava attorno a 2,000,000,000,000 token di testo

È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.

Passo dopo passo

Come scegliere una GPU per Qwen3-Omni-30B-A3B

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Leggi prima il numero di VRAM

Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di Qwen3-Omni-30B-A3B, avere bisogno di circa 17.9 GB a una compressione di IQ4_XS. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
02

Corrispondi il contesto al tuo utilizzo attuale

Imposta il contesto su ciò che utilizzerai effettivamente. La cache cresce con la conversazione, ed è il motivo consueto per cui una card che sembrava a posto smette di adattarsi. Qwen3-Omni-30B-A3B.
03

Scegli quanto lontano lo comprimerai

Ogni card esegue la copia meno compressa che può contenere., raggiungendo una compressione di IQ4_XS sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Ordina per throughput piuttosto che per specifiche.

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per Qwen3-Omni-30B-A3B. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 533 tok/s
05

Guarda il margine, non solo l'adattamento

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Qwen3-Omni-30B-A3B. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Vedi cos'altro che questa card esegue

Ogni nome di scheda è collegato alla propria pagina, che esegue lo stesso calcolo su tutto il catalogo dei modelli. Una scheda è solitamente acquistata per più di un modello, quindi vale la pena dare un'occhiata prima di acquistare. Qwen3-Omni-30B-A3B.

Risposte

Qwen3-Omni-30B-A3B — domande comuni

Qwen3-Omni-30B-A3B— perché la quantizzazione differisce tra le schede?

Una scheda più grande contiene una copia più accurata. Il numero di livelli di compressione utilizzati tra le schede che lo eseguono: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Qwen3-Omni-30B-A3B— quanto sono accurate queste stime di velocità?

Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 320–853 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

Qwen3-Omni-30B-A3B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è RTX A4500, con una capacità di memoria di 20 GB. Esegui il modello a una compressione di IQ4_XS utilizzando circa 17.9 GB, e produce approssimativamente 105 token al secondo. Il numero di card in grado di eseguirlo in totale: 132.

Qwen3-Omni-30B-A3B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 533 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 132.

Qwen3-Omni-30B-A3B— quanta VRAM serve?

Ha bisogno di 17.9 GB a una compressione di IQ4_XS, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

Qwen3-Omni-30B-A3B— posso eseguirlo su una GPU holding 24 GB?

Sì. La scheda GeForce RTX 5090 D V2, tenere 24 GB, lo esegue a una compressione di Q4_K_M, utilizzando circa 20.0 GB e generando approssimativamente 206 token al secondo. Il fit è stretto.

Qwen3-Omni-30B-A3B— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

Qwen3-Omni-30B-A3B— quanti parametri ha?

Ha un numero di parametri di 35.3B. Audio Encoder AuT 650M Vision Encoder SigLIP2-So400M 540M Thinker MoE Transformer 30B-A3B Talker MoE Transformer 3B-A0.3B MTP Dense Transformer 80M Code2wav ConvNet 200M. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

Qwen3-Omni-30B-A3B— chi l'ha creato?

È stato pubblicato da Alibaba, basato su China, un'organizzazione categorizzata come industry.

Qwen3-Omni-30B-A3B— quando è stato rilasciato?

È stato pubblicato in September 2025.

Qwen3-Omni-30B-A3B— A cosa serve?

Funziona nel dominio di Multimodal, Language, Vision, Speech, Video, e viene registrato come gestire il compito di language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS). Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.

Qwen3-Omni-30B-A3B— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione Qwen. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

Qwen3-Omni-30B-A3B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 3.6 × 10²² FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.

Qwen3-Omni-30B-A3B— posso eseguirlo se non si adatta nella mia GPU?

Può essere diviso tra la scheda e la memoria di sistema, ma genera dolorosamente lentamente in quel modo. La più vicina mancata che calcoliamo risulta insufficiente di 5.6 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Qwen3-Omni-30B-A3B— due GPU lo farebbero andare più veloce?

Una seconda CARD raddoppia grossolanamente la VRAM disponibile ma non il tasso di generazione. Il numero già in grado di eseguirlo da solo: 132. Quindi una seconda CARD è raramente la risposta qui.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 18 December 2025

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI