Qwen3-VL-32B calcolatore TPS

Apri i pesi Alibaba 32B parametri October 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 · Q3_K_M · 22.9 tok/s

Scheda più veloce

B200

106 tok/s · 180 GB

Quali GPU possono eseguire Qwen3-VL-32B?

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
106 tok/s 64–169 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.0 GB	Q8_0	Comodo
106 tok/s 64–169 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.0 GB	Q8_0	Comodo
84.6 tok/s 51–135 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Comodo
84.6 tok/s 51–135 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Comodo
67.6 tok/s 41–108 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.0 GB	Q8_0	Comodo
64.7 tok/s 39–104 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Comodo
64.7 tok/s 39–104 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Comodo
61.9 tok/s 37–99 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.0 GB	Q8_0	Comodo
55.0 tok/s 33–88 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Comodo
55.0 tok/s 33–88 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Comodo
55.0 tok/s 33–88 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Comodo
52.2 tok/s 31–83 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.0 GB	Q8_0	Comodo
44.5 tok/s 27–71 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Comodo
44.5 tok/s 27–71 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.0 GB	Q8_0	Comodo
44.5 tok/s 27–71 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Comodo
44.5 tok/s 27–71 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Comodo
44.5 tok/s 27–71 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Comodo
40.9 tok/s 25–66 · bassa fiducia	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.1 GB	Q4_K_M	Stretto
37.3 tok/s 22–60 · bassa fiducia	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.1 GB	Q4_K_M	Stretto
36.0 tok/s 22–58 · bassa fiducia	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	Stretto
36.0 tok/s 22–58 · bassa fiducia	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	Stretto
34.4 tok/s 21–55 · bassa fiducia	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	Stretto
34.4 tok/s 21–55 · bassa fiducia	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	Stretto
33.9 tok/s 20–54 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.0 GB	Q8_0	Comodo
33.9 tok/s 20–54 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.0 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: 15 October 2025

Cosa fa

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

Dominio: Vision, Language
Compito: Vision-language, Language modeling/generation

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: 32B
Dati di addestramento: tokens

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)

Gli estremi

Le dieci GPU più veloci che eseguono Qwen3-VL-32B

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-VL-32B

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

16.3 GB

Più veloce

106 tok/s

Qwen3-VL-32B raggiunge un conteggio di parametri di 32B. 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 Q3_K_M e producendo circa 22.9 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 106 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Qwen3-VL-32B è stato pubblicato da Alibaba, nel paese registrato come China, durante October 2025. La categoria sotto cui rientra l'editore è industry.

Funziona nel dominio di Vision, Language, ed è registrato come eseguire il compito di vision-language, Language modeling/generation.

I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere.

Quanto è veloce nel funzionare e perché

Il risultato mediano è attorno 20.7 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 103 di loro

Ogni peso partecipa a ogni token qui, quindi la larghezza di banda è tutta la storia: la classifica sottostante è effettivamente una classifica del throughput di memoria.

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.

Passo dopo passo

Come scegliere una GPU per Qwen3-VL-32B

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-VL-32B, avere bisogno di circa 16.3 GB a una compressione di Q3_K_M. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
02

Decidi quanto a lungo durano le tue conversazioni

La conversazione occupa memoria anche, e cresce man mano che procede. Imposta il cursore sulla lunghezza che ti aspetti, perché con un contesto lungo una CARD che gestisce facilmente domande brevi può essere scartata da Qwen3-VL-32B.
03

Scegli quanto lontano lo comprimerai

Ogni card esegue la copia meno compressa che può contenere., raggiungendo una compressione di Q3_K_M 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 velocità

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per Qwen3-VL-32B. 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 106 tok/s
05

Guarda il margine, non solo l'adattamento

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di Qwen3-VL-32B. 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

Apri la scheda su cui ti sei deciso.

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-VL-32B.

Risposte

Qwen3-VL-32B — domande comuni

Qwen3-VL-32B— chi l'ha creato?

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

Qwen3-VL-32B— quando è stato rilasciato?

È stato pubblicato in October 2025.

Qwen3-VL-32B— A cosa serve?

Funziona nel dominio di Vision, Language, e viene registrato come gestire il compito di vision-language, Language modeling/generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

Qwen3-VL-32B— Dove posso scaricarlo?

I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.

Qwen3-VL-32B— posso eseguirlo se non si adatta nella mia GPU?

Parzialmente. I layer che non si adattano si trovano nella memoria di sistema e funzionano a una frazione della velocità, quindi un modello in gran parte scaricato è raramente conveniente da usare. La più vicina mancata che calcoliamo risulta insufficiente di 5.7 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Qwen3-VL-32B— due GPU lo farebbero andare più veloce?

Due schede comprano VRAM piuttosto che velocità, che conta solo se una scheda non può contenerla. Il numero che può: 132. Quindi una seconda CARD è raramente la risposta qui.

Qwen3-VL-32B— 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-VL-32B— quanto sono accurate queste stime di velocità?

Queste sono stime con barre di errore reali, e ognuna di esse potrebbe ragionevolmente collocarsi ovunque nel suo intervallo pubblicato a seconda del runtime che utilizzi. Il risultato più veloce qui: 64–169 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-VL-32B— 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 Q3_K_M utilizzando circa 16.3 GB, e produce approssimativamente 22.9 token al secondo. Il numero di card in grado di eseguirlo in totale: 132.

Qwen3-VL-32B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 106 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: 103.

Qwen3-VL-32B— quanta VRAM serve?

Ha bisogno di 16.3 GB a una compressione di Q3_K_M, 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-VL-32B— 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 20.1 GB e generando approssimativamente 40.9 token al secondo. Il fit è stretto.

Qwen3-VL-32B— 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-VL-32B— quanti parametri ha?

Ha un numero di parametri di 32B. 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.

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