Qwen3-Omni-30B-A3B TPS-rekenmachine

Open gewichten Alibaba 35.3B parameters September 2025

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

132 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

RTX A4500

20 GB · IQ4_XS · 105 tok/s

Snelste kaart

B200

533 tok/s · 180 GB

Welke GPU's kunnen draaien Qwen3-Omni-30B-A3B?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

132 kaarten passen

Berekenen

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

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie: Alibaba
Organisatietype: Industry
Land: China
Gepubliceerd: 22 September 2025
Auteurs: 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…

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

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

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

parameters: 35.3B
Training gegevens: 2,000,000,000,000 tokens

Training rekenen

De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.

Training rekenen: 3.6 × 10²² FLOP
Hoe het werd opgericht: Operation counting

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten: Open — downloadable
Toegang tot model: Open weights (unrestricted)
Training code: Unreleased
Hugging Face: Qwen

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Waarom het wordt gevolgd: SOTA improvement
Record vertrouwen: Confident

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: Qwen3-Omni Technical Report
Laatst bijgewerkt: 18 December 2025

De extremen

De tien snelste GPU's die draaien Qwen3-Omni-30B-A3B

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

De kleinste GPU's die nog steeds draaien Qwen3-Omni-30B-A3B

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

Wat de cijfers betekenen

Wat nodig is om dit model te draaien

Minimum kaart

RTX A4500

Geheugen nodig

17.9 GB

Snelste

533 tok/s

Qwen3-Omni-30B-A3B bereikt een parameter telling van 35.3B. Dat valt binnen het bereik dat een serieuze desktopkaart kan aansteken zodra de gewichten zijn gecomprimeerd. Het aantal kaarten dat we volgen die het kunnen draaien: 132.

De kleinste kaart die het vasthoudt is RTX A4500, met een geheugen capaciteit van 20 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 105 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 533 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

Qwen3-Omni-30B-A3B werd gepubliceerd door Alibaba, in het land geregistreerd als China, tijdens September 2025. De publicerende organisatie is geclassificeerd als industry.

Het werkt in het domein van Multimodal, Language, Vision, Speech, Video, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS).

Het feit dat de gewichten open zijn, is wat deze pagina in de calculator plaatst in plaats van alleen in de catalogus: het is een model dat je daadwerkelijk kunt vasthouden. Op Hugging Face is het gepubliceerd onder de organisatie Qwen.

Begrijpen van de snelheden

Over elke kaart die het kan draaien, ligt het midden van het bereik op 104.0 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 132 van hen

Dit is een mengsel-van-experts model, dat elk token alleen door een deel van zichzelf leidt. Het genereert daarom veel sneller dan zijn totale grootte suggereert - terwijl het nog steeds elke parameter in VRAM nodig heeft, zodat het snel is zonder goedkoop te zijn om te behouden.

Geheugen hier is geschat op basis van grootte in plaats van berekend vanuit de architectuur, die niet is vastgelegd voor dit model — de cijfers zijn indicatief eerder dan exact.

Hoe het getraind werd

De training run verbruikte ongeveer 3.6 × 10²² FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

De trainingsset liep naar ongeveer 2,000,000,000,000 tekstokens

Het wordt gevolgd in de onderliggende dataset om één specifieke reden: sOTA improvement.

Stap voor stap

Hoe een GPU te kiezen voor Qwen3-Omni-30B-A3B

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

01

Lees eerst de geheugenfiguur

Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van Qwen3-Omni-30B-A3B, ongeveer nodig 17.9 GB bij een compressie van IQ4_XS. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.
02

Stem de context af op uw werkelijke gebruik

Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. Qwen3-Omni-30B-A3B.
03

Kies hoe ver je het wilt comprimeren

Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., bereiken van een compressie van IQ4_XS op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
04

Rangschik op doorvoer in plaats van specificatielijst

De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. Qwen3-Omni-30B-A3B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 533 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Qwen3-Omni-30B-A3B. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
06

Zie wat die kaart nog meer draait

Elke kaartnaam linkt naar zijn eigen pagina, die dezelfde berekening door het hele modelcatalogus uitvoert. Een kaart wordt meestal gekocht voor meer dan één model, dus het is de moeite waard om te kijken voordat je koopt voor Qwen3-Omni-30B-A3B.

Antwoorden

Qwen3-Omni-30B-A3B — veelgestelde vragen

Qwen3-Omni-30B-A3B— waarom verschilt de quantisatie tussen kaarten?

Een grotere CARD houdt een nauwkeuriger kopie. Het aantal compressieniveaus dat gebruikt wordt op de CARDS die het draaien: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Qwen3-Omni-30B-A3B— hoe nauwkeurig zijn deze snelheidsschattingen?

Elke waarde is afgeleid van het geheugenbandbreedte en de modelgrootte, niet geverifieerd, wat de reden is dat elke waarde als een bereik in plaats van een enkel getal wordt gepubliceerd. Eén voorbeeld: 320–853 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Qwen3-Omni-30B-A3B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is RTX A4500, met een geheugen capaciteit van 20 GB. Het draait het model op een compressie van IQ4_XS ongeveer 17.9 GB, en produceert ongeveer 105 tokens per second. Het aantal kaarten dat het totaal kan draaien: 132.

Qwen3-Omni-30B-A3B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 533 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 132.

Qwen3-Omni-30B-A3B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 17.9 GB bij een compressie van IQ4_XS, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

Qwen3-Omni-30B-A3B— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q4_K_M, ongeveer 20.0 GB en genereren ongeveer 206 tokens per second. De pasvorm is krap.

Qwen3-Omni-30B-A3B— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

Qwen3-Omni-30B-A3B— hoeveel parameters heeft het?

Het heeft een parameter telling van 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. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.

Qwen3-Omni-30B-A3B— wie heeft het gemaakt?

Het werd gepubliceerd door Alibaba, gebaseerd op China, een organisatie geclassificeerd als industry.

Qwen3-Omni-30B-A3B— wanneer is het uitgebracht?

Het werd gepubliceerd in September 2025.

Qwen3-Omni-30B-A3B— waarvoor wordt het gebruikt?

Het werkt in het domein van Multimodal, Language, Vision, Speech, Video, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS). Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.

Qwen3-Omni-30B-A3B— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie Qwen. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

Qwen3-Omni-30B-A3B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 3.6 × 10²² FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.

Qwen3-Omni-30B-A3B— kan ik het draaien als het niet in mijn GPU past?

Het kan worden opgesplitst tussen de GPU-kaart en systeemgeheugen, maar het genereert op die manier pijnlijk traag. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 5.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Qwen3-Omni-30B-A3B— Zouden twee GPU's het sneller draaien?

Een tweede kaart verdubbelt ruwweg het beschikbare geheugen, maar niet de generatie snelheid. Het aantal dat al in staat is om het alleen te draaien: 132. Dus een tweede card is zelden het antwoord hier.

Bron

Originele publicatie

Laatste update geregistreerd 18 December 2025

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.

Alle AI-modellen