Qwen3 30B A3B 2507
性价比更高: Qwen3.5-4B $0.060/M 即可获得 Index 46.7,便宜 60%。
有 3 个更便宜的已排名模型得分更高:MiMo-V2.5 (56.3, $0.138)、GPT-5 nano (56.2, $0.138)、Ling 3.0 Flash (51.7, $0.115)。
截至 2026年11月16日,Qwen3 30B A3B 2507(Alibaba)在 BenchLeader Index 上得分 48.0(共 608 个已排名配置)。表现最好的是编程(56),最弱的是指令遵循(37)。API 价格为输入每百万 token $0.100、输出每百万 token $0.300(按 3:1 混合为 $0.150),为 2026年11月16日的标价。输出速度约为 52 token/秒(Artificial Analysis)。发布于 2025年7月30日。
要点(截至 2026年11月16日)
- Qwen3 30B A3B 2507 的 API 价格为输入每百万 token $0.100、输出每百万 token $0.300(按 3:1 混合为 $0.150)(标价,2026年11月16日)。
- Qwen3 30B A3B 2507 的输出速度约为 52 token/秒(Artificial Analysis,2026年11月16日)。
- Qwen3 30B A3B 2507 于 2025年7月30日发布(Alibaba)。
详细说明:Qwen3 30B A3B 2507 是 Alibaba 的开放权重推理模型,发布于 2025年7月30日。其最佳配置在 BenchLeader Index 上得分 48.0 ±5.0,在 608 个配置中排第 390 名,处于下半区。关键在于这个“±”:另有 268 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,编程得分最高(56),指令遵循最低(37)。按混合价格计,每百万 token $0.150,属于已排名模型中最便宜的五分之一。输出速度为 52 token/秒,首次回答需 2.6 秒,位于最慢的四分之一。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.150/M
- 输入 $0.100 · 输出 $0.300
- 来源:Artificial Analysis
- 输出速度
- 52 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 2.59 s
- 首 token 0.28 s
- 上下文
- 262k
- 来源:Artificial Analysis
- 完整回答
- 59 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年7月30日
- 综合 Index48
- 推理46
- 编程56
- 智能体与工具48
- 数学53
- 指令遵循37
- 人类偏好55
- 长上下文37
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/qwen3-30b-a3b-2507)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Alibaba 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Qwen3 30B A3B 2507本页 | 2025年7月30日 | 48.0 | #390 |
| Qwen3 30B A3B | 2025年4月29日 | 48.1 | #389 |
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日- 默认
- thinking
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| AA Openness Index不计入 Index | 44.4#97 | 44.4#97 | Artificial Analysis |
推理
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| GPQA Diamond | 70.1%#183 | 55.6%#216 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | 1407#175 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 70.7%#299 | 65.9%#343 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 10.3%#339 | 6.9%#398 | Artificial Analysis | |
| Kagi LLM Benchmark | 54.9%#67 | – | Kagi LLM Benchmark | |
| CritPt不计入 Index | 0.3%#291 | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | 1396#180 | Arena (LMArena) | |
| LMCA不计入 Index | 19.5%#167 | 22.4%#162 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | 69.3%#165 | 67.2%#174 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SciCode | 33.0%#214 | – | SciCode | |
| Arena Coding推理强度未说明 | – | 1438#166 | Arena (LMArena) | |
| SciCode (AA)不计入 Index | 33.0%#222 | – | Artificial Analysis | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 1.5%#226 | – | Artificial Analysis | |
| Design Arena Website不计入 Index | 922#180 | – | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 70.7%#62 | 51.5%#136 | Artificial Analysis |
智能体与工具
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench Hard | 5.3%#282 | 6.1%#271 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 28.1%#274 | 10.2%#391 | Artificial Analysis | |
| BFCL Overall推理强度未说明 | – | 41.4%#33 | Berkeley Function Calling Leaderboard | |
| GDPval-AA v2.1不计入 Index | 75#282 | – | Artificial Analysis | |
| τ³-Banking (AA) | 5.4%#182 | – | Artificial Analysis | |
| AutomationBench不计入 Index | 0.8%#235 | – | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 0.4%#252 | – | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | 6#253 | – | Artificial Analysis |
数学
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| OTIS Mock AIME | 70.3%#150 | 62.2%#171 | Epoch AI Benchmarking Hub | |
| AIME 2026 | 88.3%#29 | – | MathArena | |
| HMMT February 2026 | 78.8%#28 | – | MathArena | |
| MathArena Apex | 0.5%#42 | – | MathArena | |
| Arena Maths推理强度未说明 | – | 1378#178 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 56.3%#122 | 66.3%#101 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Global-MMLU-Lite (AA)不计入 Index | 72.0%#97 | Artificial Analysis |
指令遵循
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| IFBench | 50.7%#172 | 33.1%#339 | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | 1366#185 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1382#181 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1319#205 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1379#181 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1381#183 | Arena (LMArena) |
长上下文
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 61.3%#292 | 26.3%#431 | Artificial Analysis | |
| MLCR不计入 Index | 2.2%#170 | – | Artificial Analysis |
综合
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 138.3#121 | 135.2#132 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 9.8#400 | 7.5#480 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 214.2#370 | 198.5#423 | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Nebius Token Factory | 52 tok/s | 0.29 s | $0.100 | $0.300 | 262k | fp8 |
| DekaLLM | 32 tok/s | 0.50 s | $0.090 | $0.300 | 262k | – |
| SiliconFlow | 22 tok/s | 1.14 s | $0.090 | $0.300 | 262k | fp8 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.100。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0001 | $0.0001 | 8.3 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0014 | $0.0014 | 14.1 s |
| 代码编辑 | 6,000 / 1,500 | $0.0011 | $0.0011 | 31.3 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0072 | $0.0072 | 1.3 min |
| 结构化信息提取 | 2,000 / 200 | $0.0003 | $0.0003 | 6.4 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Qwen3 30B A3B 2507 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/qwen3-30b-a3b-2507)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Qwen3 30B A3B 2507 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/qwen3-30b-a3b-2507
BibTeX:
@misc{benchleader_qwen3_30b_a3b_2507_20261116,
author = {{BenchLeader}},
title = {{Qwen3 30B A3B 2507 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/qwen3-30b-a3b-2507}},
note = {Data as of 2026-11-16}
}常见问题
- Qwen3 30B A3B 2507 的基准测试得分是多少?
- 截至 2026年11月16日,Qwen3 30B A3B 2507 的 BenchLeader Index 为 48.0 ±5.0。最强的是编程(56),最弱的是指令遵循(37)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Qwen3 30B A3B 2507 排名第几?
- 截至 2026年11月16日,Qwen3 30B A3B 2507 在 608 个已排名配置中排第 390 名。另有 268 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Qwen3 30B A3B 2507 每百万 token 的价格是多少?
- 截至 2026年11月16日,Qwen3 30B A3B 2507 的价格为输入每百万 token $0.100、输出每百万 token $0.300,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.150。标价最近一次变动是在 2026年10月21日。
- Qwen3 30B A3B 2507 是什么时候发布的?
- Alibaba 于 2025年7月30日发布了 Qwen3 30B A3B 2507。BenchLeader 收录了它在 2 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《Qwen3 30B A3B 2507:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/qwen3-30b-a3b-2507。