Модель · Qwen
Qwen3 235B-A22B
Устаревший открытый флагман Qwen3 для рассуждений, программирования и работы с инструментами на многих языках
вышла 1 апреля 2025
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗
115 место из 266
индекс 139, вероятный разброс 136–141 · весь рейтинг →
| Бенчмарк | РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста | УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен |
|---|---|---|
| DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ | 59,6% | |
| LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ | 29,4% | |
| Fiction.LiveBenchВопросы по длинным художественным текстам: понять мотивы героев, порядок событий и сделать выводы из всего сюжетаРезультат зависит от длины текста: с ростом объёма точность обычно падает, поэтому сравнивать стоит при одинаковой длине.Подробнее на английском ↗ | 67,7% | |
| Lech Mazur WritingКороткие рассказы, в которые надо органично вплести десять заданных элементов: персонажа, предмет, место, мотив, тон и другиеБалл относительный: модели-судьи сравнивают рассказы попарно, ноль — примерно середина сравниваемых моделей, а не процент.Подробнее на английском ↗ | 83,0% | |
| WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗ | 37,3% | |
| Aider polyglot225 трудных задач по программированию с Exercism на C++, Go, Java, JavaScript, Python и Rust; решение проверяют тестыДаются две попытки: после неудачи модель видит результаты тестов и исправляет код; засчитывается итог второй попытки.Подробнее на английском ↗ | 59,6% | |
| SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗ | 17,2% | |
| GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗ | 60,9% | |
| MATH level 5Самые трудные задачи (5-й уровень) из набора MATH — задачи американских школьных олимпиад AMC 10, AMC 12 и AIMEТест близок к насыщению: у сильных моделей результаты почти одинаковые и высокие, разница в несколько пунктов мало что значит.Подробнее на английском ↗ | 68,9% |
Характеристики
- Вышла
- 1 апреля 2025
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 131 тыс. токенов
- Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
- до 16 тыс. токенов
- Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
- $0,70 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $2,80 за миллион токенов
- Понимает
- текст
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- да
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- открытые
- Знания до
- апрель 2025
- Идентификатор в API
- qwen3-235b-a22b
Что это за модель
Qwen3 235B-A22B — старшая модель линейки Qwen3, которую Alibaba выложила весной 2025 года. Она построена как смесь экспертов: так называют схему, где сеть состоит из многих подсетей-«экспертов», а на каждый токен включаются лишь некоторые из них. Всего в модели 235 млрд параметров, 128 экспертов и 94 слоя. На каждый токен работают 8 экспертов и около 22 млрд параметров, поэтому по скорости она ближе к моделям поменьше.
Главная новинка линейки — два режима в одной модели. Пользователь может включить пошаговые рассуждения для сложных задач или отключить их, чтобы получить быстрый ответ на простой вопрос. Можно и ограничить, сколько вычислений модель потратит на размышления. По сравнению с Qwen2.5 обучающих данных стало почти вдвое больше: около 36 трлн токенов, включая документы в PDF и сгенерированные задачи по математике и коду. Число поддерживаемых языков и диалектов выросло до 119.
Её берут для рассуждений, математики, программирования и агентных задач, то есть таких, где модель сама вызывает внешние инструменты. Лаборатория сравнивала её с DeepSeek-R1, o1, o3-mini, Grok-3 и Gemini 2.5 Pro и заявляла, что она держится с ними на равных. Веса открыты под лицензией Apache 2.0, которая разрешает и коммерческое использование.
С тех пор Qwen выпустила много более новых моделей, от Qwen3.5 до Qwen3.8, и в рейтинге Epoch эта модель сейчас в середине списка. Для полного развёртывания нужно несколько мощных видеокарт, хотя активных параметров на токен немного.
Источники: Анонс линейки Qwen3
Того же уровня по индексу Epoch
-
GPT-5 Nano
OpenAI114-е место в Epochконтекст 400 тыс.$0,05 / $0,40рассуждениядешевле в 7 раз
-
Gemini 2.5 Flash
Google105-е место в Epochконтекст 1 млн$0,30 / $2,50рассуждениядешевле
Другие модели семейства
-
Qwen3.8 Flash
Qwenконтекст 1 млн$0,15 / $0,47рассуждения
-
-
-
-
-
-
-
Новости о модели
- 01
- 02
- 03
- 04
- 05
- 06
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).