AI Index

Qwen3-Next-80B-A3B-Instruct

语言 Alibaba Qwen 部分核实 发布于 2025年9月11日
  • 输入 文本 输出 文本
  • 工具调用
  • 结构化输出
  • 开放权重

价格

3 个渠道报价 · 按标价显示
Alibaba Cloud Model Studio 官方 中国站 · CNY qwen3-next-80b-a3b-instruct
条件/ 百万 tokens输入输出
标准 自 2026年10月11日 起页面不再列出 ¥1.00¥4.00

价格来源 阿里云百炼：模型价格 (核对于 2026年10月4日)

Alibaba Cloud Model Studio 官方 国际站 · USD qwen3-next-80b-a3b-instruct
条件/ 百万 tokens输入输出
标准 自 2026年10月11日 起页面不再列出 $0.15$1.20

价格来源 Qwen3-Next 80B-A3B Instruct model (核对于 2026年10月8日)

Alibaba Cloud Model Studio 官方 全球 · USD qwen3-next-80b-a3b-instruct
条件/ 百万 tokens输入输出
标准 自 2026年10月11日 起页面不再列出 $0.144$0.574

价格来源 Alibaba Cloud Model Studio pricing (核对于 2026年10月11日)

标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。

详细规格

推理
—
知识截止
2025年4月
模型家族
qwen-next
模型 ID

Alibaba Qwen 的页面未说明：最长输入, 推理档位, 可关闭推理, 最大思考预算, 内置工具, 许可证, 别名。

本地运行

权重： Qwen/Qwen3-Next-80B-A3B-Instruct
  • 参数 81.3B
  • 激活 3B · 专家 512（每 token 10）
  • 原生精度 BF16
  • 层数 48
  • 每 token 的 KV 缓存 24 KB
  • 原生上下文 256K （模型卡）
  • 配置位置数 256K （config.json max_position_embeddings）
  • API 上下文 128K （厂商 API）
我的配置 GeForce RTX 4090 24 GB · 1008 GB/s · 内存 64 GB DDR5 双通道 · 89.6 GB/s
在你的配置上 · GeForce RTX 4090
需放到内存 Q6_K （自动） 8K 上下文 25–38 tok/s卸载 34/48 层
权重KV 缓存运行开销放到内存可用上限
需要
≈ 64.3 GB (权重 61.0（官方文件） + KV 缓存 0.2 + 开销 3.1)
可用
21.6 GB (标称的 90%)
放到内存
43.2 GB · 14/48 层在显卡（--n-gpu-layers 14）
生成速度
25–38 tok/s (每 token 读激活的 3B)
首 token
2K 提示约 0.10–0.15 秒
推荐精度权重8K 需要在你的配置上最长上下文
原生 BF16官方151.5 GB≈ 159.3放不下—
Q8_0官方79.0 GB≈ 83.1放不下—
FP8官方76.4 GB≈ 80.4放不下—
Q6_K官方61.0 GB≈ 64.3需放到内存 25–38 tok/s—
Q5_K_M官方52.8 GB≈ 55.6需放到内存 38–57 tok/s—
Q5_0官方51.2 GB≈ 54.0需放到内存 39–59 tok/s—
Q4_K_M官方45.1 GB≈ 47.5需放到内存 45–67 tok/s—
Q4_042.6 GB≈ 44.9需放到内存 47–71 tok/s—
IQ4_XS40.2 GB≈ 42.4需放到内存 50–75 tok/s—
Q3_K_M质量下降明显37.0 GB≈ 39.1需放到内存 58–87 tok/s—
IQ3_XXS质量下降明显29.0 GB≈ 30.6需放到内存 104–157 tok/s—
Q2_K质量下降明显28.4 GB≈ 30.0需放到内存 107–160 tok/s—
IQ2_XXS质量下降明显19.5 GB≈ 20.7流畅 518–776 tok/s48K

点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。

和其他配置比

每个配置各用它能跑的最高精度，点一个看细节。

最低需要（Q4_K_M · 8K）：显卡 NVIDIA H100 SXM；统一内存 Apple M5 Max (40-core GPU) · 64 GB。

运行命令

llama.cpp
llama-server -hf Qwen/Qwen3-Next-80B-A3B-Instruct-GGUF:Q6_K -c 8192 --n-gpu-layers 14
Ollama
ollama run hf.co/Qwen/Qwen3-Next-80B-A3B-Instruct-GGUF:Q6_K
微调需要多少显存
全参≈ 1214.0 GB你的配置放不下
LoRA≈ 153.8 GB你的配置放不下
QLoRA≈ 45.0 GB你的配置放不下

batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。

估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的

引用评分

来自第三方排行榜，并非我们测得
  • LMArena Text 1,399

    第 99 名，共 163 个上榜模型 · 置信区间 1,394–1,403 · 22,753 票

  • EQ-Bench Longform Writing 31.5

    第 88 名，共 92 个上榜模型

  • LMArena Text · Chinese 1,437

    第 94 名，共 161 个上榜模型 · 置信区间 1,422–1,451 · 1,729 票

  • LMArena Text · Coding 1,444

    第 100 名，共 163 个上榜模型 · 置信区间 1,436–1,453 · 4,811 票

  • LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · 许可 · 数据日期 2026年10月28日
  • EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · 许可 · 数据日期 2026年10月28日
  • 我们做的改动

变更

全部变更 →
  1. 上下文窗口 256K → 131.07K

来源

Alibaba Qwen 官方政策：数据使用、隐私、条款 →

本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据

Alibaba Qwen · 中国 · qwen.ai

快照、同系列与同厂商的其他模型