Qwen3 32B
MODEL PROFILE模型资料Alibaba · 2025-04-28 发布
Qwen3 32B 是阿里于 2025 年 4 月发布的 Qwen3 系列中等规模模型，面向预算敏感、需要私有化部署或批量 API 调用的开发团队，用来承接单轮问答、学科解题与代码辅助类任务。
模型介绍
Qwen3 32B 属于阿里 Qwen3 系列，2025-04-28 发布，参数规模 32B，在系列中处于旗舰大模型与轻量型号之间。它要解决的问题是：让团队以较低的逐 token 成本获得可用的通用语言与代码能力，同时保留自建部署的空间。官方定价为输入 0.24 美元/百万 tokens、输出 0.54 美元/百万 tokens；同系列 Qwen3.8 Max 为输入 2 美元、输出 6 美元，价差 +733.3%，这一差价换来的正是智能指数上的明显落差。Artificial Analysis 口径下，它的综合智能指数为 7.2、编程指数 15.3，属于能用但不拔尖的档位。目前可查的平台报价仅有 HowToken，与官方价一致。
选型建议预算有限、以单轮问答与代码辅助为主的团队可以选它；需要长程推理、工具调用或智能体自主执行的场景不建议选它。
关键指标
适用场景
- 搭建成本敏感的客服与知识问答接口，用较低输出单价承接高频短回复请求
- 做学科类问答与解题辅助，发挥 GPQA、SciCode 上相对扎实的表现
- 在私有环境部署 32B 量级模型，替代对超大模型的常规调用以控制成本
- 承担中等复杂度的代码补全与脚本生成，不用于长链路终端操作
- 充当蒸馏或对比实验的基线模型，批量生成训练与评测语料
暂无：上下文窗口、最大输出、知识截止、开源权重、模型家族、许可证、参数规模、输入模态、缓存读价、缓存写价、推理、工具调用、结构化输出、附件、温度调节（上游未公开，本站不估算）。 发布 562 天。
规格与能力
上面没列到的字段官方未公布 Qwen3 32B 的完整结构参数，从公开信息只能确认它属于 Qwen3 系列、采用 32B 稠密参数路线，可在多卡或高显存单卡环境自建部署。
- 结构沿用 Qwen3 系列的解码器式 Transformer 设计，32B 参数在开放权重模型里属于可自建部署的中间档，比超大 MoE 更容易落到单机多卡环境。
- 能力公开资料显示该系列支持思考与非思考两种模式切换，推理类请求走长思考、日常对话走直出，这是选型时需要留意的调用方式差异。
- 披露能力标注与上下文长度在本站数据中均缺失，训练数据构成、分词与微调细节公开资料较少，落地前需以厂商技术文档为准。
能力
资料未标注
同系列其他规格
| 型号 | 厂商 | 参数 | 上下文 | 输入价 | 输出价 |
|---|---|---|---|---|---|
| Qwen3 32B | Alibaba | — | 131.1K | $0.7/M | $2.8/M |
| qwen3-32b-cs | Poe | — | — | — | — |
| Qwen3-32B-NVFP4 | RedHatAI | 32B | — | — | — |
| Qwen3-32B-NVFP4 | NVIDIA | 32B | — | — | — |
| Qwen3 32B | Alibaba | — | — | $0.15/M | $0.6/M |
性能表现
第三方跑分只能按 Artificial Analysis 口径原样引用，各项数值落差明显，说明它不是全能型选手，长程任务与工具调用是明确的弱项。
- 强项GPQA 66.8%、SciCode 36.0%，学科问答与科学计算类任务的表现相对扎实，优于它在交互式任务上的表现。
- 短板HLE 7.4%、LCR 0.0%、Tau-Banking 5.4%、TerminalBench v2.1 5.2%，长程推理、指令跟随与终端操作类任务的分数偏低。
- 适合综合智能指数 7.2、编程指数 15.3，更适合单轮问答与中等复杂度代码补全，不宜承担需要多步自主执行的智能体任务。
跑分与榜单
第三方评测口径这些跑分分别测什么？（4 项口径说明）
| 基准 | 类别 | 说明 | 满分口径 | 前沿水平 | 状态 | 污染风险 |
|---|---|---|---|---|---|---|
| GPQA Diamond基准主页 | 知识 | Graduate-level Google-Proof Questions, Diamond subset. 198 expert-validated PhD-hard physics, chemistry, biology questions. | 0-100% accuracy | 96.3% (Artificial Analysis run) | 已饱和 | 低 |
| Humanity's Last Exam基准主页 | 知识 | Joint CAIS/Scale benchmark of expert-validated questions across 100+ disciplines, finalized in April 2025 at 2,500 public questions after bug-bounty and searchable items were replaced, with a private held-out set kept for overfitting checks. CAIS also maintains HLE-Rolling, a fork updated continuously from community feedback, and released a new version of it on 2026-09-17 that swapped some easier questions for harder held-out ones, so rolling snapshots do not compare with each other or with the static set. Vendors report it both with and without tools, and tool setups (search blocklists, fetch restrictions) vary, so check the configuration before comparing. | 0-100% accuracy | 61.4% no tools (Artificial Analysis run; previous best 59.1%, Claude Fable 5.1) | 仍在维护 | 低 |
| Terminal-Bench基准主页 | 编程 | Stanford / Anthropic agentic terminal-task benchmark. Each task gives the agent a goal and a sandboxed shell; success measured by deterministic post-condition. | 0-100% solved | 64.5% (1.0, legacy split) | 已停用 | 低 |
| Tau-Bench基准主页 | 智能体 | Sierra benchmark of customer-service agents. Tests realistic multi-turn tool-use with deterministic evaluators. Now at tau3: tau2 covers retail, airline, and telecom, while tau3 adds a banking knowledge-retrieval track and a real-time voice track, each ranked separately. | 0-100% pass@1 | 87.9% (tau2 text, 3-domain avg pass^1); the tau3 banking text track is led by Qwen3.8 Max at 55.2% pass^1 (Claude Opus 5 second at 48.7%), and the tau3 voice track by Ava Zero at 86.0% task completion, ahead of phonic-1 at 83.2% and gpt-live-1 at 79.9% | 仍在维护 | 低 |
说明文字来自公开基准注册表；「已饱和」表示前沿模型已接近上限、区分度下降，「污染风险高」表示该基准的题目可能已进入训练数据。
跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。
价格与性价比
结合各平台报价与同类对比官方价为输入 0.24 美元/百万 tokens、输出 0.54 美元/百万 tokens，输出单价约为输入的两倍多，整体处在同系列的低价档位。
- 定位价格面向成本敏感、可接受能力折中的批量调用场景，与同门旗舰型号拉开明显档次，属于先用得起再谈效果的选项。
- 横向对比Qwen3.8 Max 输入 2 美元、输出 6 美元，价差 +733.3%；Qwen3.8 27B 价差 +77.1%，除免费的 Flash-Next 外本模型处于系列最低价档。
- 平台差价HowToken 报价为输入 0.24 美元、输出 0.54 美元，与官方价一致、相对输入价 0.0%，暂无可对比的其他平台折扣。
- 省钱输出单价约为输入的两倍多，压缩生成长度、把长文本预处理前置到更便宜的环节，比更换供应商更能直接压低账单。
平台报价对比
1 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| HowToken | $0.24/M | $0.54/M | — | 0.0% |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.24/M / $0.54/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Qwen3.8 Max 0902 | 1M | $2/M | $6/M | +733.3% | 155.8 |
| Qwen3.7 Max | 1M | $2.5/M | $7.5/M | +941.7% | 154.5 |
| Qwen3.5 397B-A17B | 262.1K | $0.6/M | $3.6/M | +150.0% | 147.9 |
| Qwen3.7 Plus | 1M | $0.4/M | $1.6/M | +66.7% | 147.8 |
| Qwen3.6 27B | 262.1K | $0.6/M | $3.6/M | +150.0% | 146.7 |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
关于 Qwen3 32B 的常见问题
1 条Qwen3 32B 的 API 价格是多少？
当前收录的官方口径价格为输入 $0.24/M、输出 $0.54/M，单位为美元 / 百万 tokens。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
使用注意
- 口径能力一栏未标注，第三方分数来自 Artificial Analysis，与其他榜单的数值不可直接混用比较，价差也只相对本模型输入价计算。
- 边界上下文长度、部署显存要求等关键参数在本站数据中缺失，长文档处理与多轮智能体场景落地前需要自行压测验证。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
