Qwen: Qwen3 32B

Qwen: Qwen3 32B ist ein Textmodell von Qwen, Teil der Qwen3-Serie. Es ist ein dichtes kausales Sprachmodell mit 32,8 Milliarden Parametern, das vom Anbieter am 2025-04-28 veröffentlicht wurde. Das Modell ist sowohl für komplexes Reasoning als auch für effizienten Dialog ausgelegt und unterstützt das Umschalten zwischen einem Thinking-Modus und einem Non-Thinking-Modus. Sein Wissensstand endet am 2025-03-31.

Das Modell akzeptiert Texteingaben und erzeugt Textausgaben, es ist also ein Text-zu-Text-System ohne Bild- oder Audioverarbeitung. Es bietet ein Kontextfenster von 131.072 Tokens, wodurch lange Dokumente, ausgedehnte Konversationen oder große Codedateien in einer einzigen Anfrage verarbeitet werden können. Die maximale Ausgabe beträgt 16.384 Tokens, Antworten können also umfangreich, aber begrenzt sein. Da es sowohl für Reasoning als auch für Dialog konzipiert ist, kann es mehrstufige Probleme durcharbeiten, bevor es eine Antwort erzeugt, und das Reasoning-Verhalten kann über Anfrageparameter gesteuert werden.

Diese Fähigkeiten eignen sich für eine Reihe von Entwickleraufgaben. Die Langkontextanalyse von Verträgen, Forschungsarbeiten oder technischer Dokumentation ist angesichts des Kontextfensters von 131.072 Tokens praktikabel. Der Reasoning-Modus hilft bei Aufgaben wie mathematischem Problemlösen, Logikrätseln, Codegenerierung und Debugging oder der Planung von Schritten in einem Agent-Workflow. Der Dialogmodus eignet sich besser für Chat-Assistenten, Zusammenfassung, Klassifikation und Extraktion, wo Latenz und Ausführlichkeit eine Rolle spielen. Tool Calling und strukturierte Ausgaben machen es in Pipelines nutzbar, in denen das Modell Funktionen aufrufen oder JSON-förmige Daten statt Freitext zurückgeben soll.

Sie können das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "qwen/qwen3-32b" aufrufen. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs und top_p. Die Parameter reasoning und include_reasoning beziehen sich auf den Thinking-Modus des Modells, während tools und tool_choice Function Calling unterstützen und response_format und structured_outputs eingeschränkte Ausgabeformen unterstützen. Das Sampling-Verhalten kann mit temperature, top_p, top_k, min_p, top_a, repetition_penalty, frequency_penalty und presence_penalty abgestimmt werden, und seed, stop, logprobs und top_logprobs bieten weitere Kontrolle über Reproduzierbarkeit und Ausgabe auf Token-Ebene.

Die wichtigsten praktischen Grenzen sind die rein textbasierte Ein- und Ausgabe sowie die maximale Ausgabe von 16.384 Tokens, sodass Aufgaben, die Bildverständnis oder sehr lange einzelne Antworten erfordern, möglicherweise besser zu einem anderen Modell passen. Der Kontext von 131.072 Tokens ist groß, aber endlich, extrem lange Eingaben müssen also weiterhin aufgeteilt werden. Wenn Ihre Arbeitslast von Modalitäten jenseits von Text oder von Ausgaben abhängt, die länger als das angegebene Maximum sind, sollten Sie stattdessen ein Modell mit diesen Fähigkeiten in Betracht ziehen.