Qwen3 32B — Spécifications
Rédigé par Mustafa Ihsan d’après la documentation officielle du fournisseur · Dernière mise à jour
| Développeur | Alibaba |
|---|---|
| Type | LLM (dense) |
| Modalité | Texte → Texte |
| Paramètres | 32 milliards |
| Fenêtre de contexte | 128 K |
| Licence | Apache 2.0 (ouverte) |
| Poids ouverts | Oui |
| Publié | 2025 |
| Prix de l’entrée | $0.08 /1M |
| Prix de la sortie | $0.28 /1M |
| Fournisseurs d'API | Alibaba, OpenRouter, Ollama |
Exécutez-le localement
| VRAM (4 bits) | ~20 Go |
|---|---|
| GPU minimal | RTX 4090 24 Go (quantification Q4) |
What is Qwen3 32B?
Qwen3 32B is Alibaba’s largest dense Qwen3 — strong general reasoning and coding under a
fully permissive Apache 2.0 licence, with a 128K context. It runs comfortably at 4-bit on a
24 GB consumer GPU, needing about 20 GB, and costs $0.08 in / $0.28 out per million tokens
hosted.
This is the model that makes an RTX 4090 or 3090 worth owning for inference. At 20 GB it
leaves just enough headroom on a 24 GB card for a real context window, and being dense, its
quality per gigabyte is the best available in that bracket — mixture-of-experts models of
similar capability need far more memory resident even though they compute less per token. For
local coding assistants and private document work on a single consumer card, it is close to
the practical maximum. Apache 2.0 removes any licensing review, and the hosted price is low
enough to prototype against before buying hardware. Check your intended quantisation against
le Calculateur de VRAM — the margin on a
24 GB card is real but not generous.
Qwen3 32B pricing: API cost per 1M tokens
| Entrée (par million de jetons) | $0.0800 |
|---|---|
| Sortie (par million de jetons) | $0.280 |
| Ratio sortie/entrée | 3.5× |
| Moyenne pondérée (4:1 entrée:sortie) | $0.120 par 1 million de jetons |
What Qwen3 32B costs per month
Dépense mensuelle réelle pour un ratio entrée-sortie de 4:1 — le rapport effectivement observé dans une charge de travail type (chat ou RAG).
| Charge de travail | Jetons/mois | Coût par mois |
|---|---|---|
| Projet secondaire | 1 million en entrée / 0,25 million en sortie | $0.15 |
| Petite équipe | 20 millions en entrée / 5 millions en sortie | $3.00 |
| Production | 200 millions en entrée / 50 millions en sortie | $30 |
Calculez vos propres coûts dans le Calculateur de coûts pour les API IA.
Cheaper alternatives to Qwen3 32B
| Modèle | Coût combiné par million de dollars | Vous économisez |
|---|---|---|
| Gemma 3 27B ouverte | $0.0960 | 20% cheaper |
Hébergement local ou paiement via API ?
Qwen3 32B is open-weight, so you can run it yourself. It needs ~20 Go of VRAM at 4-bit (RTX 4090 24GB (Q4)). Self-hosting only beats the API once your volume is high enough to keep that hardware busy — the calculateur auto-hébergement vs API calcule le seuil de rentabilité pour votre volume de jetons.
Questions fréquemment posées
How much does Qwen3 32B cost per 1M tokens?
Qwen3 32B costs $0.0800 per 1M input tokens and $0.280 per 1M output tokens. At a typical 4:1 input-to-output mix that blends to about $0.120 per 1M tokens.
How much does Qwen3 32B cost per month?
A small-team workload of 20M input and 5M output tokens a month costs about $3.00 on Qwen3 32B. A side project (1M in / 0.25M out) costs roughly $0.15.
What is a cheaper alternative to Qwen3 32B?
Gemma 3 27B is the strongest cheaper option in our database at $0.0960 per 1M blended — about 20% less than Qwen3 32B. It is also open-weight, so self-hosting is an option.
Can I run Qwen3 32B locally?
Yes. Qwen3 32B is open-weight and needs about ~20 GB of VRAM at 4-bit quantisation (RTX 4090 24GB (Q4)).
Why does Qwen3 32B charge more for output than input?
Output tokens are generated one at a time and cannot be batched the way a prompt can, so they cost the provider more to serve. Qwen3 32B charges 3.5× more for output, which is why prompt-heavy workloads are far cheaper to run than generation-heavy ones.
Les prix indiqués correspondent aux tarifs publics officiels pour l’API principale du modèle et sont mis à jour régulièrement à mesure que les fournisseurs les modifient. Les remises liées aux volumes, aux traitements par lots ou aux entrées mises en cache ne sont pas prises en compte. Comparez tous les modèles côte à côte dans le Base de données des modèles IA ou le Classement des grands modèles linguistiques (LLM).