CONFERMATOAffidabilità della data: CONFERMATOIndicato come definitivoQuanto la fonte è netta sulla data: confermata, programmata, stimata, rinviata o non verificata.Mostra tutti i pin CONFERMATOAFFIDABILITÀ 85%Affidabilità complessiva: 85%Quanto la fonte e le altre fonti del pin ne confermano le date.Media ponderata di quanto 5 fonti, compresa quella principale, confermano gli orari di inizio e fine del pin; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recenteMostra tutti i pin con affidabilità pari o superiore al 75%
Il post di Simon Willison[4] del 29 luglio 2025 cita il tweet di Qwen che annuncia Qwen3-30B-A3B-Instruct-2507 e lo esegue quel giorno stesso, e OpenRouter[5] lo elenca come «Released Jul 29, 2025»; il registro del repository di Qwen lo data 2025.07.30 (la data di Pechino), quindi le fonti differiscono di un giorno.- Inizio
- 29 lug 2025AFFIDABILITÀ 92%da simonwillison.net
Rilasciato Qwen3-30B-A3B-Instruct-2507
Tradotto automaticamente dall’originale
Titolo originale: Qwen3-30B-A3B-Instruct-2507 Released
Il team Qwen di Alibaba rilascia Qwen3-30B-A3B-Instruct-2507, un modello mixture-of-experts da 30.5B senza ragionamento, con soli 3.3B di parametri attivi e un contesto da 262K che secondo Qwen si avvicina a GPT-4o.
- Il team Qwen di Alibaba ha rilasciato Qwen3-30B-A3B-Instruct-2507 il 29 luglio 2025 come aggiornamento del suo Qwen3-30B-A3B di aprile, che ora funziona esclusivamente in modalità senza ragionamento, senza blocchi di pensiero, con licenza Apache 2.0[1][2][4]
- È la controparte di piccole dimensioni di Qwen3-235B-A22B-Instruct-2507 (21 luglio): Qwen ha diviso Qwen3 in modelli instruct e thinking separati, con il Thinking-2507 da 30B arrivato un giorno dopo[2][4]
- Qwen afferma che il modello, con soli 3B di parametri attivati, «si avvicina» a GPT-4o e a Qwen3-235B-A22B senza ragionamento; la sua tabella dà 69.0 su Arena-Hard v2 (GPT-4o-0327 61.9, DeepSeek-V3-0324 45.6), 61.3 su AIME25 (GPT-4o 26.7) e 70.4 su GPQA (GPT-4o 66.9), ma è indietro su MMLU-Pro (78.4 contro 81.2 di DeepSeek-V3)[1][4]
- Poiché per ogni token vengono eseguiti solo 3.3B di parametri, è stato adottato rapidamente per l'uso locale: Simon Willison ha eseguito una build MLX a 8 bit con circa 32GB di RAM[4]
- OpenRouter riporta $0.09 per 1M di token in ingresso e $0.30 per 1M di token in uscita; Artificial Analysis ora gli assegna 8 sul suo indice attuale e lo segna come deprecato a favore di Qwen3.5 35B A3B, quindi la sua posizione era specifica di metà 2025[3][5]
Funzionalità principali
- 30.5B parametri totali e 3.3B attivati, 48 livelli, 128 esperti con 8 attivi per token e attenzione a query raggruppate con 32 teste di query e 4 teste chiave/valore[1]
- Un contesto nativo di 262,144 token, con una modalità da 1 milione di token che usa Dual Chunk Attention e l'attenzione sparsa MInference, richiede circa 240GB di memoria GPU e ottiene 72.8 su RULER a 1M di token con attenzione completa[1][2]
- L'elenco dei miglioramenti di Qwen rispetto alla modalità senza ragionamento di aprile: seguire le istruzioni, ragionamento logico, matematica, scienze, programmazione, uso degli strumenti, conoscenze multilingue di coda lunga e allineamento con preferenze aperte[1]
- Nella tabella di Qwen ottiene 43.2 su LiveCodeBench v6 e 84.7 su IFEval, contro 35.8 e 83.9 di GPT-4o-0327[1]