Qwen3 32B

Qwen3 32B, Qwen3 14B ou Qwen3 30B A3B : lequel choisir ?

Qwen3 32B appartenait, à sa sortie, aux six modèles denses sous licence Apache 2.0 de la génération Qwen3, selon Qwen : Qwen3-32B, Qwen3-14B, Qwen3-8B, Qwen3-4B, Qwen3-1.7B et Qwen3-0.6B. Selon Qwen, cette génération comprenait aussi, à sa sortie, deux modèles MoE, une architecture à mélange d’experts : Qwen3-235B-A22B et Qwen3-30B-A3B.

À sa sortie, selon Qwen, Qwen3-30B-A3B comptait 30 milliards de paramètres au total, dont 3 milliards activés. Selon le tableau de Qwen publié à la sortie, Qwen3-32B avait 64 couches, contre 40 pour Qwen3-14B et 48 pour Qwen3-30B-A3B. Pour son architecture MoE, Qwen3-30B-A3B comptait à sa sortie 128 experts, dont 8 activés, selon Qwen. Selon Qwen, les trois versions partageaient à leur sortie une longueur de contexte de 128K.

À quoi sert Qwen3 32B

Chat et agents

Qwen3 32B peut passer d’un mode avec réflexion à un mode sans réflexion destiné au dialogue généraliste, selon Qwen. Pour les agents, les modèles Qwen3 excellent dans l’appel d’outils selon Qwen, qui recommande Qwen-Agent pour exploiter cette capacité. Selon Qwen, l’exemple d’agent proposé dans la carte du modèle utilise la configuration Qwen3-32B.

Mathématiques

Qwen3 32B utilise son mode de réflexion pour le raisonnement logique complexe, les mathématiques et le code, selon Qwen. En mathématiques, en génération de code et en raisonnement logique de sens commun, les modèles Qwen3 dépassent QwQ en mode réflexion et les modèles Qwen2.5 Instruct en mode sans réflexion, selon Qwen.

Suivi de consignes

Les modèles Qwen3 excellent en suivi de consignes, en écriture créative, en jeu de rôle et en dialogue à plusieurs tours, selon Qwen. Pour les échanges multilingues, les modèles Qwen3 prennent en charge le suivi de consignes dans plusieurs langues ainsi que la traduction, selon Qwen.

Bien utiliser Qwen3 32B : réflexion et paramètres

Qwen3 32B permet de désactiver la réflexion sur OpenRouter. Selon Qwen, enable_thinking=True l’active par défaut : le modèle écrit sa réflexion dans un bloc séparé, avant la réponse finale. Avec enable_thinking=False, la réflexion est strictement coupée, selon Qwen, comme sur les modèles Qwen2.5-Instruct. Quand elle est activée, les commandes /think et /no_think permettent, selon Qwen, de changer de mode tour par tour, en les ajoutant au message de l’utilisateur ou au message système.

En mode réflexion, Qwen conseille les paramètres d’échantillonnage Temperature=0.6, TopP=0.95, TopK=20 et MinP=0. Sans réflexion, Qwen suggère Temperature=0.7, TopP=0.8, TopK=20 et MinP=0. Pour le mode réflexion, Qwen proscrit le décodage glouton, qui consiste à choisir systématiquement le token le plus probable : selon Qwen, cette méthode peut dégrader les performances et provoquer des répétitions sans fin.

Pour la plupart des requêtes, Qwen recommande une longueur de sortie de 32 768 tokens. Lors des évaluations sur des problèmes très complexes, Qwen suggère une longueur de sortie de 38 912 tokens, notamment lorsqu’il s’agit de résoudre des problèmes issus de compétitions de mathématiques et de programmation.

Caractéristiques techniques de Qwen3 32B

Qwen3 32B est sorti le 29 avril 2025. Selon Qwen, ce modèle de langage causal compte 32,8 milliards de paramètres, dont 31,2 milliards hors embeddings, les représentations numériques des éléments du vocabulaire, et comporte 64 couches. Sur OpenRouter, il accepte le texte en entrée. Il est distribué sous licence Apache 2.0.

Selon Qwen, le contexte natif atteint 32 768 tokens, les unités de texte traitées par le modèle. Avec la méthode YaRN, cette capacité passe à 131 072 tokens selon Qwen. Sur OpenRouter, la fenêtre de contexte est de 131 072 tokens. Sur OpenRouter, chaque réponse peut atteindre au plus 16 384 tokens. La liste des caractéristiques rassemble les repères techniques du modèle.

Où utiliser Qwen3 32B, et comment il se facture

Qwen3 32B dispose de poids à télécharger pour l’héberger soi-même, sous licence Apache 2.0, selon la carte de modèle publiée par Qwen sur Hugging Face.

• Distribution des poids : à la sortie de Qwen3, selon Qwen, les modèles post-entraînés de la génération et leurs versions préentraînées étaient disponibles sur Hugging Face, ModelScope et Kaggle.
• Déploiement sur son serveur : à la sortie de Qwen3, Qwen recommandait les frameworks SGLang et vLLM pour le déploiement.
• Usage en local : à la sortie de Qwen3, Qwen recommandait vivement Ollama, LMStudio, MLX, llama.cpp et KTransformers pour l’exécution en local.

La carte d’accès donne les derniers prix relevés.

Qwen3 32B parmi les versions de Qwen

Qwen3 32B appartient à la génération qui suit Qwen2.5, représentée notamment par Qwen2.5 7B Instruct, un modèle d’une autre taille. La frise des versions situe ces générations dans la famille Qwen avec leurs dates de sortie.

Selon Qwen, à sa sortie, la génération Qwen3 avait été préentraînée sur environ 36 billions de tokens, des unités de texte, contre 18 billions pour Qwen2.5. Son préentraînement couvrait un ensemble de langues et de dialectes. Plus tard dans la famille apparaissent Qwen3.5 397B A17B, puis Qwen3.8 2.4T A95B, deux modèles de tailles différentes de celle du modèle 32B.

FAQ