Qwen3-235B-A22B-Thinking (Jul 2025) TPS-rekenmachine

Open gewichten Alibaba 235B parameters July 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

17 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Radeon Instinct MI250

128 GB · Q3_K_M · 69.1 tok/s

Snelste kaart

B200

143 tok/s · 180 GB

Welke GPU's kunnen draaien Qwen3-235B-A22B-Thinking (Jul 2025)?

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

17 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
143 tok/s 86–229 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	157.1 GB	Q5_K_M	Krap
138 tok/s 83–221 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	102.4 GB	Q3_K_M	Krap
120 tok/s 72–192 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	IQ4_XS	Krap
120 tok/s 72–192 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	IQ4_XS	Krap
112 tok/s 67–180 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	102.4 GB	Q3_K_M	Krap
80.1 tok/s 48–128 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	239.1 GB	Q8_0	Krap
74.3 tok/s 45–119 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	157.1 GB	Q5_K_M	Krap
74.3 tok/s 45–119 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	157.1 GB	Q5_K_M	Krap
69.1 tok/s 41–111 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	102.4 GB	Q3_K_M	Krap
69.1 tok/s 41–111 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	102.4 GB	Q3_K_M	Krap
68.1 tok/s 41–109 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	184.4 GB	Q6_K	Comfortabel
64.0 tok/s 38–102 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	239.1 GB	Q8_0	Krap
64.0 tok/s 38–102 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	239.1 GB	Q8_0	Krap
57.6 tok/s 35–92 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	102.4 GB	Q3_K_M	Krap
56.4 tok/s 34–90 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	102.4 GB	Q3_K_M	Krap
7.4 tok/s 4–12 · lage vertrouwen	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	102.4 GB	Q3_K_M	Krap
7.4 tok/s 4–12 · lage vertrouwen	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	102.4 GB	Q3_K_M	Krap

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: 25 July 2025

Wat het doet

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

Domein: Language
Taak: Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation

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: 235B
Training gegevens: 36,000,000,000,000 tokens
Epochs: 1

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: 4.8 × 10²⁴ 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.

Waarschijnlijk boven de 10²³ FLOP: Yes
Waarom het wordt gevolgd: Discretionary
Record vertrouwen: Likely

Bronnen

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

Referentie: Qwen3: Think Deeper, Act Faster
Laatst bijgewerkt: 12 February 2026

De extremen

De tien snelste GPU's die draaien Qwen3-235B-A22B-Thinking (Jul 2025)

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 Qwen3-235B-A22B-Thinking (Jul 2025)

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

Radeon Instinct MI250

Geheugen nodig

102.4 GB

Snelste

143 tok/s

Qwen3-235B-A22B-Thinking (Jul 2025) bereikt een parameter telling van 235B. Dat is meer dan wat enige enkele grafische kaart bevat. Het draaien ervan betekent ofwel het splitsen over meerdere kaarten of het huren van hardware die voor de klus is gebouwd, en elke kaart die het alleen kan vasthouden, is een datacenteronderdeel. Het aantal dat kan: 17.

De kleinste kaart die het vasthoudt is Radeon Instinct MI250, met een geheugen capaciteit van 128 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 69.1 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 143 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

Qwen3-235B-A22B-Thinking (Jul 2025) werd gepubliceerd door Alibaba, in het land geregistreerd als China, tijdens July 2025. De publicerende organisatie is geclassificeerd als industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation.

De gewichten zijn gepubliceerd, zodat ze gedownload en onbeperkt, offline, op je eigen hardware kunnen worden uitgevoerd, zonder dat er een account aan verbonden is. Op Hugging Face is het gepubliceerd onder de organisatie Qwen.

Begrijpen van de snelheden

De helft van de kaarten die het vasthouden, beheren meer dan 69.1 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 15 van hen

Omdat het elk token door een subset van zijn weights leidt, produceert het tekst met de snelheid van een veel kleiner model. De catch is MEMORY: alles moet nog steeds passen, dus de snelheid is een bonus in plaats van een korting op hardware.

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.

Wat erin ging zitten om het te bouwen

De training run verbruikte ongeveer 4.8 × 10²⁴ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

Training verbruikte een corpus van ongeveer 36,000,000,000,000 tekstokens

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

Stap voor stap

Hoe een GPU te kiezen voor Qwen3-235B-A22B-Thinking (Jul 2025)

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

De tabel vermeldt elke kaart die in staat is om te bevatten. Qwen3-235B-A22B-Thinking (Jul 2025), ongeveer nodig 102.4 GB bij een compressie van Q3_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stem de context af op uw werkelijke gebruik

Het gesprek verbruikt ook geheugen en groeit naarmate het vordert. Stel de schuifregelaar in op de lengte die je verwacht, want bij lange CONTEXT kan een KAART die korte vragen gemakkelijk afhandelt, verworpen worden door Qwen3-235B-A22B-Thinking (Jul 2025).
03

Stel een kwaliteitsvloer in

De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt., bereiken van een compressie van Q3_K_M 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

Sorteer op snelheid

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Qwen3-235B-A22B-Thinking (Jul 2025). Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 143 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

Een strakke pasvorm draait, maar laat niets over voor een langer gesprek, in het geval van Qwen3-235B-A22B-Thinking (Jul 2025). 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

Controleer de kaart vanaf de andere kant

Het volgen van een GPU-kaart naar zijn eigen pagina toont elk ander model dat het kan bevatten, wat de vraag is die volgt zodra je je hebt ingesteld op Qwen3-235B-A22B-Thinking (Jul 2025).

Antwoorden

Qwen3-235B-A22B-Thinking (Jul 2025) — veelgestelde vragen

Qwen3-235B-A22B-Thinking (Jul 2025)— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 17. Dus een tweede card is zelden het antwoord hier.

Qwen3-235B-A22B-Thinking (Jul 2025)— waarom verschilt de quantisatie tussen kaarten?

Omdat de capaciteit varieert, varieert ook hoe hard het moet worden samengedrukt. Het aantal onderscheidende niveaus in de bovenstaande tabel: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Qwen3-235B-A22B-Thinking (Jul 2025)— 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: 86–229 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Qwen3-235B-A22B-Thinking (Jul 2025)— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Radeon Instinct MI250, met een geheugen capaciteit van 128 GB. Het draait het model op een compressie van Q3_K_M ongeveer 102.4 GB, en produceert ongeveer 69.1 tokens per second. Het aantal kaarten dat het totaal kan draaien: 17.

Qwen3-235B-A22B-Thinking (Jul 2025)— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 143 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: 15.

Qwen3-235B-A22B-Thinking (Jul 2025)— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 102.4 GB bij een compressie van Q3_K_M, 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.

Qwen3-235B-A22B-Thinking (Jul 2025)— 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.

Qwen3-235B-A22B-Thinking (Jul 2025)— hoeveel parameters heeft het?

Het heeft een parameter telling van 235B. 235 billion total parameters and 22 billion activated parameters Number of Layers: 94 Number of Attention Heads (GQA): 64 for Q and 4 for KV Number of Experts: 128 Number of Activated Experts: 8 Context Length: 32,768 natively and 131,072 tokens with YaRN. 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.

Qwen3-235B-A22B-Thinking (Jul 2025)— wie heeft het gemaakt?

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

Qwen3-235B-A22B-Thinking (Jul 2025)— wanneer is het uitgebracht?

Het werd gepubliceerd in July 2025.

Qwen3-235B-A22B-Thinking (Jul 2025)— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation. 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.

Qwen3-235B-A22B-Thinking (Jul 2025)— 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.

Qwen3-235B-A22B-Thinking (Jul 2025)— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 4.8 × 10²⁴ 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.

Qwen3-235B-A22B-Thinking (Jul 2025)— 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 43.3 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Bron

Originele publicatie

Laatste update geregistreerd 12 February 2026

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