Favicon de qwen

Qwen: Qwen3 32B

Qwen3-32B is a dense 32.8B parameter causal language model from the Qwen3 series, optimized for both complex reasoning and efficient dialogue. It supports seamless switching between a "thinking" mode for tasks like math, coding, and logical inference, and a "non-thinking" mode for faster, general-purpose conversation. The model demonstrates strong performance in instruction-following, agent tool use, creative writing, and multilingual tasks across 100+ languages and dialects. It natively handles 32K token contexts and can extend to 131K tokens using YaRN-based scaling.

Modalidades
Preço de entrada / saída
US$ 0,08 / US$ 0,28por 1M
Contexto
131K
Lançado
28 de abr. de 2025
Data de corte do conhecimento
mar. de 2025

Provedores

Diferentes empresas hospedam o mesmo modelo. O OpenRouter roteia sua solicitação para uma delas com base no modo de roteamento escolhido: Balanced (preço + velocidade), Nitro (mais rápido) ou Floor (mais barato).

  • Não utilizado no roteamento Standard:Por que estes endpoints não são usados

Preços

O preço médio que os clientes realmente pagam por este modelo, ao lado dos preços publicados pelos provedores. O cache e os descontos fazem com que o preço efetivamente pago seja frequentemente bem inferior ao preço anunciado.

Média ponderada

Entrada
US$ 0,08812/M tokens
Saída
US$ 0,3005/M tokens
Histórico de preços
Nenhum dado de preço efetivo para esta seleção
  • Não utilizado no roteamento Standard:Por que estes endpoints não são usados

Desempenho

A vazão indica a velocidade com que o modelo escreve (tokens por segundo — quanto maior, melhor). A latência é o tempo total de ida e volta (quanto menor, melhor). TTFT é o tempo até o primeiro token — quanto tempo leva para você ver algo aparecer (quanto menor, melhor).

Taxa de transferência
38tok/s

P50, melhor entre os provedores

Latência
0,41s

P50, melhor provedor

Avaliações de desempenho do AutoExacto
GPQA DiamondTAU-BenchTenstorrent54,0%45,7%

Disponibilidade

A disponibilidade é a porcentagem dos últimos 3 dias em que pelo menos um provedor estava respondendo às solicitações. A disponibilidade é a porcentagem de tempo em que a inferência foi realizada com sucesso. O OpenRouter monitora continuamente e usa o próximo melhor provedor quando um deles retorna um erro.

Disponibilidade (3d)O modelo estava acessível. Requisição roteada para um provedor.
100,00%
Disponibilidade (3d)O modelo retornou inferência de qualquer provedor. Erros e respostas vazias contam negativamente para essa métrica.
99,98%

Disponibilidade nos últimos 3 dias

Últimas 72 horas
Disponibilidade 99,98%
Há 3 diasHá 2 diasOntemAgora

Disponibilidade nas últimas 24 horas

OpenRouter Availability
99,98%
Without Routing
95,84%

Quando ocorre um erro em um provedor upstream, podemos nos recuperar roteando para outro provedor saudável, se os filtros da sua solicitação permitirem. Você pode acessar os dados de disponibilidade por provedor de forma programática pela API de endpoints. Saiba mais sobre nossas opções de balanceamento de carga e roteamento de provedores.

Avaliações de desempenho

Pontuações em avaliações padronizadas e as próprias saídas deste modelo para prompts compartilhados de testes de desempenho. Porcentagens maiores são melhores — e cada posição mostra onde este modelo fica entre os modelos avaliados naquela fonte.

Resumo das pontuações de avaliações comparativas para Qwen: Qwen3 32B (Artificial Analysis)
FonteAvaliação comparativaPontuação
Artificial AnalysisQwen3 32B (Reasoning) Coding Index15,3
Artificial AnalysisQwen3 32B (Reasoning) Agentic Index0,9
Artificial AnalysisQwen3 32B (Reasoning) GPQA Diamond66.8%
Artificial AnalysisQwen3 32B (Reasoning) HLE7.4%
Artificial AnalysisQwen3 32B (Reasoning) IFBench36.3%
Artificial AnalysisQwen3 32B (Reasoning) τ²-Bench Telecom29.8%
Artificial AnalysisQwen3 32B (Reasoning) AA-LCR0.0%
Artificial AnalysisQwen3 32B (Reasoning) τ-Bench Banking5.4%
Artificial AnalysisQwen3 32B (Reasoning) GDPval-AA0.0%
Artificial AnalysisQwen3 32B (Reasoning) CritPt0.3%
Artificial AnalysisQwen3 32B (Reasoning) LiveCodeBench54.6%
Artificial AnalysisQwen3 32B (Reasoning) SciCode36.0%
Artificial AnalysisQwen3 32B (Reasoning) Terminal-Bench Hard3.0%
Artificial AnalysisQwen3 32B (Reasoning) Terminal-Bench 4.00.0%
Artificial AnalysisQwen3 32B (Reasoning) Terminal-Bench 2.15.2%
Artificial AnalysisQwen3 32B (Reasoning) MMLU-Pro79.8%
Artificial AnalysisQwen3 32B (Reasoning) AIME 202573.0%
Artificial AnalysisQwen3 32B (Reasoning) AIME80.7%
Artificial AnalysisQwen3 32B (Reasoning) MATH-50096.1%
Artificial AnalysisQwen3 32B (Non-reasoning) GPQA Diamond53.5%
Artificial AnalysisQwen3 32B (Non-reasoning) HLE4.1%
Artificial AnalysisQwen3 32B (Non-reasoning) IFBench31.5%
Artificial AnalysisQwen3 32B (Non-reasoning) AA-LCR0.0%
Artificial AnalysisQwen3 32B (Non-reasoning) LiveCodeBench28.8%
Artificial AnalysisQwen3 32B (Non-reasoning) MMLU-Pro72.7%
Artificial AnalysisQwen3 32B (Non-reasoning) AIME 202519.7%
Artificial AnalysisQwen3 32B (Non-reasoning) AIME30.3%
Artificial AnalysisQwen3 32B (Non-reasoning) MATH-50086.9%

Aplicativos

Aplicativos públicos que enviam mais tráfego para este modelo. Um bom indicador de como são as cargas de trabalho reais em produção — e uma pista sobre os casos de uso para os quais este modelo é mais adequado.

1.
13,8Btokens
2.
659Mtokens
3.
323Mtokens
5.
235Mtokens
Restante do OpenRouter
648M
5 principais aplicativos
1,66M

Atividade

Volume de tokens e tráfego de requisições para este modelo ao longo do tempo.

API

Código pronto para chamar este modelo. A API do OpenRouter é compatível com a OpenAI — a maioria dos SDKs funciona apenas trocando a URL base. A única coisa que muda entre os modelos é o slug do modelo abaixo.

Atualmente indisponível por meio do roteamento intrarregional da UE. Documentação de roteamento na região

Perguntas frequentes