Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Qwen3 Coder 30B A3B

Alibaba · Qwen/Qwen3-Coder-30B-A3B-Instruct

Arquivo Q4 de 18,6 GB (Q4_K_M) · roda bem a partir de 32 GB · Licença dos pesos: Apache 2.0

Velocidade medida206–346 tok/sQ4_K_M · 3 máquinas · 2 fontes · todas as linhas
Memória necessária~23 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros30,5 Bespecificação do fabricante · 3,3B ativos
Contexto262.144 tokensPublicado para este modelo

Qualidade

Sem resultado em LiveBench 2026-06-25, LMArena 2026-10-22 Sem resultado no LiveBench 2026-06-25 nem no LMArena 2026-10-22

Informado pelo publicador

A ficha do publicador não informa resultado de benchmark para este checkpoint (lida em 2026-10-25). não publicado na ficha · lida em 2026-10-25

Rodar

Rodar

Arquivo Q4_K_M · 18,6 GB · unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF · O que é Q4?

Medido 206–346 tok/s · Q4_K_M · 3 máquinas · 2 fontes · todas as linhas

ollama run hf.co/unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF:Q4_K_M
  1. Instale o Ollama
  2. Rode o comando acima
  3. Pergunte: Explique o que é a janela de contexto, em duas frases.

Roda em

Cabe na memória rápida 42

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Mostrar todos os 42

Na memória, fora da parte rápida 51

Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.

Mostrar todos os 51

Falta um degrau de memória 9

As mesmas máquinas com o próximo tamanho de memória o comportariam na memória rápida.

Mostrar todos os 9

Qwen3 Coder 30B A3B é um modelo de texto da Alibaba com 30,5B de parâmetros, dos quais 3,3B ativos por token (mistura de especialistas). Lê até 262.144 tokens de contexto. Os pesos em Q4 com a margem de trabalho somam cerca de 23 GB antes da reserva da máquina; as menores máquinas de referência cuja memória rápida comporta isso são Mac mini M4 · 32 GB unificados (~31 GB com a reserva) e RTX 5090 · 32 GB de VRAM (~25 GB com a reserva). Coletamos 30 arquivos GGUF e MLX para baixar de 2 fontes de publicadores; a fonte GGUF mais baixada é a de unsloth. Ele não tem resultado no LiveBench 2026-06-25, então nenhuma nota de qualidade aparece.

Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Cada cartão abre o perfil do hardware. Não é compatibilidade nem velocidade medida.

Nas máquinas de referência

Qwen3 Coder 30B A3B nas máquinas de referência
Onde fica o Q4
Mac mini M2 · 8 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~25 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M4 · 16 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~27 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M4 · 24 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~29 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M4 · 32 GB unificadosCabe na memória rápidaQ4_K_MGGUF · 18,6 GB · precisa de ~32 GB16.384 tokens~31 GBCabe na memória rápidaQ4_K_MGGUF · 18,6 GB · precisa de ~32 GB16.384 tokens
Mac mini M5 Pro · 64 GB unificadosCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~48 GB65.536 tokens~31 GBCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~48 GB65.536 tokens
Mac Studio M5 Max · 128 GB unificadosCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~48 GB262.144 tokens~31 GBCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~48 GB262.144 tokens
Mac Studio · M5 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificadosCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~48 GB262.144 tokens~31 GBCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~48 GB262.144 tokens
RTX 4060 · 8 GB de VRAMNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~25 GBNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 3060 · 12 GB de VRAMNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~25 GBNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 5080 · 16 GB de VRAMNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior~25 GBNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 4090 · 24 GB de VRAMNa memória, fora da parte rápidaIQ4_XSGGUF · 16,4 GB · precisa de ~23 GB16.384 tokens~25 GBNa memória, fora da parte rápidaIQ4_XSGGUF · 16,4 GB · precisa de ~23 GB16.384 tokens
RTX 5090 · 32 GB de VRAMCabe na memória rápidaQ5_K_MGGUF · 21,7 GB · precisa de ~29 GB32.768 tokens~25 GBCabe na memória rápidaQ5_K_MGGUF · 21,7 GB · precisa de ~29 GB32.768 tokens
DGX H100 · 8 × 80 GBCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~56 GB262.144 tokens~39 GBCabe na memória rápidaQ8_0GGUF · 32,5 GB · precisa de ~56 GB262.144 tokens

A coluna de arquivo usa a escada de quantização do site (Q8_0 a Q3_K_M; MLX de 8 a 4 bits no Mac): o maior arquivo coletado cujo tamanho × 1,2, mais o cache de contexto e a reserva da máquina, cabe na memória rápida. Estimativas de planejamento, não execuções medidas.

Planejar outra quantização ou contexto

Considere para

Compare Qwen3 Coder 30B A3B pela ficha do publicador. Não há nota geral no snapshot LiveBench 2026-06-25.

Confira antes

Os pesos em Q4 com a margem de trabalho somam cerca de 23 GB a partir de 30,5B parâmetros declarados, antes da reserva da máquina (Roda em soma a reserva de cada máquina). Não é um mínimo medido; contexto, lote, runtime e quantização mudam o uso real de memória.

Versões para baixar

Arquivos que você pode baixar deste checkpoint. A seção abre na fonte GGUF coletada mais baixada, unsloth, no arquivo Q4_K_M. Num Mac abre na fonte MLX mais baixada. Os tamanhos são os bytes publicados no Hub. O que é Q4?

unsloth

unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF · Qwen3-Coder-30B-A3B-Instruct-Q4_K_M.gguf · 18,6 GB

Rodar este arquivo

ollama run hf.co/unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF:Q4_K_M
llama-server -hf unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF:Q4_K_M
lms get https://huggingface.co/unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

As notas de qualidade desta página pertencem ao checkpoint original; estes arquivos não recebem nota nem ranking. Tamanhos lidos em 2026-10-23 · downloads lidos em 2026-10-17 · comandos: Documentação do Hugging Face Hub: Ollama com qualquer modelo GGUF · README do servidor do llama.cpp (-hf <user>/<model>[:quant]) · Documentação do LM Studio: lms get com uma URL do Hugging Face · README do mlx-lm (mlx_lm.generate --model)

Ajustes, adaptadores e outras versões97 ajustes
Versões quantizadas
180
Ajustes (fine-tunes)
97
Adaptadores · misturas
62 · 6

Ver na árvore de modelos do Hugging Face · lido em 2026-10-23

Versões sem filtro (uncensored, abliterated)4

Algumas versões da comunidade removem as recusas de segurança do modelo. A qualidade pode cair, o publicador original não dá suporte, as afirmações sobre elas são de quem as publicou e a licença original continua valendo. Este site nunca as recomenda nem as ranqueia.

4 repositórios derivados têm “uncensored” ou “abliterated” no nome (lido em 2026-10-23).

Velocidade medida

Tokens por segundo por máquina

Saída em tok/s · 4 máquinas · todas as linhas na tabela · O que é um token?

RTX 5090 · Q4_K_M, 346,27 ± 3,49 · Q4_K_M · llama.cpp CUDA · llama.cpp commit 3e4dfa8f3 (b11658)346,3
RTX 4090 24 GB · Q4_K_M, 265,96 ± 2,53 · Q4_K_M · llama.cpp CUDA · llama.cpp commit 3e4dfa8f3 (b11658)266,0
RTX 3090 24 GB · Q4_K_M, 206,29 ± 1,40 · Q4_K_M · llama.cpp CUDA · llama.cpp commit 3e4dfa8f3 (b11658)206,3
DGX Spark · Q8_0, 61,06 ± 0,23 · Q8_0 · CUDA · llama.cpp 11fb327bf (7941); CUDA61,1
Velocidade medida
RTX 5090NVIDIA GeForce RTX 5090 · 32 GB (único tamanho de memória da placa; máquina alugada)346,27 ± 3,49Q4_K_M0 / 128 · Um processo llama-benchllama.cpp CUDAllama.cpp commit 3e4dfa8f3 (b11658)Flash Attention ativadounsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF/Qwen3-Coder-30B-A3B-Instruct-Q4_K_M.ggufDados: Local LLM Advisor (localllmadvisor.com) · CC BY 4.0 · 2026-10-25
RTX 4090 24 GBNVIDIA GeForce RTX 4090 · 24 GB (único tamanho de memória da placa; máquina alugada)265,96 ± 2,53Q4_K_M0 / 128 · Um processo llama-benchllama.cpp CUDAllama.cpp commit 3e4dfa8f3 (b11658)Flash Attention ativadounsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF/Qwen3-Coder-30B-A3B-Instruct-Q4_K_M.ggufDados: Local LLM Advisor (localllmadvisor.com) · CC BY 4.0 · 2026-10-25
RTX 3090 24 GBNVIDIA GeForce RTX 3090 · 24 GB (único tamanho de memória da placa; máquina alugada)206,29 ± 1,40Q4_K_M0 / 128 · Um processo llama-benchllama.cpp CUDAllama.cpp commit 3e4dfa8f3 (b11658)Flash Attention ativadounsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF/Qwen3-Coder-30B-A3B-Instruct-Q4_K_M.ggufDados: Local LLM Advisor (localllmadvisor.com) · CC BY 4.0 · 2026-10-25
DGX SparkDGX Spark · 1× NVIDIA GB1061,06 ± 0,23Q8_00 / 32 · Não informado pelo llama-benchCUDAllama.cpp 11fb327bf (7941); CUDAFlash Attention ativadoggml-org/Qwen3-Coder-30B-A3B-Instruct-Q8_0-GGUFllama.cpp bench · 2026-09-25

Fontes: llama.cpp bench · Dados: Local LLM Advisor (localllmadvisor.com) · CC BY 4.0 · não estimado

Como rodar

A memória necessária acima é a carga Q4 antes da reserva da máquina. Fórmula: parâmetros × 0,625 byte, mais 20% de margem; cada máquina soma então a reserva do sistema: 25% da memória unificada ou do sistema, de 2 a 8 GB, ou 2 GB por GPU em placas dedicadas. Não é VRAM medida nem tamanho do download do checkpoint.

Apenas estimativa de planejamento Q4. Verifique formato do checkpoint, suporte do runtime, cache KV, contexto, tamanho de lote e offload antes de escolher hardware.

Nível da evidência: Apenas estimativa genérica; nenhuma execução reproduzida por este site.

Amostragem padrão do publicador
temperature 0,7 · top_p 0,8 · top_k 20 · repetition_penalty 1,05generation_config.json · lido em 2026-10-23fonte
Marcadores do template de chat
chamadas de ferramenta · sem marcadores de raciocíniomarcadores encontrados no template, não um teste do recurso · lido em 2026-10-23fonte
Antes de baixar
  1. Confirme o checkpoint exato e a licença vinculada aqui.
  2. Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
  3. Reserve memória para contexto, lote e eventuais componentes de mídia além dos pesos.

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Tarefa e modalidade
linguagem e raciocínio · texto
Contagem e base
30,5B · especificação do fabricante · 3,3B ativosQwen/Qwen3-Coder-30B-A3B-Instruct model card (Hugging Face) · consultado em 2026-10-17fonte
Contexto
262.144 tokens publicados para este modeloQwen/Qwen3-Coder-30B-A3B-Instruct model card (Hugging Face) · consultado em 2026-10-17fonte
Arquitetura
MoEQwen/Qwen3-Coder-30B-A3B-Instruct model card (Hugging Face) · consultado em 2026-10-17fonte
Runtime e precisão
Nenhuma execução local verificada.
Uso comercial
Permitido Apache License 2.0 text (SPDX) · consultado em 2026-10-18texto da licença
Todos os campos guardados12 campos
Revisão conferida
b2cff646eb4bb1d68355c01b18ae02e7cf42d120
Arquitetura
Qwen3MoeForCausalLM
Biblioteca
transformers
Tag de tarefa no Hub
text-generation
Formatos
safetensors
Acesso
Download aberto
Tipo de publicador
Oficial
Evidência de tensores
floating-tensor-elements · 30,53B · BF16conferido em 2026-09-26
Repositório criado
2025-07-31criação não é o lançamento do modelo
Repositório atualizado
2025-12-03um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
745.049 · 1.307só este repositório · lido em 2026-10-25
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Catálogo revisado: 2026-10-17. Versão do benchmark: 2026-06-25; snapshot coletado: 2026-09-26.