Dieses Modell ist veraltet. Wir messen die Leistung nur noch für die Standard-Workload mit 10.000 Eingabe-Tokens. Ergebnisse für andere Workloads sind historische Daten und werden nicht mehr aktualisiert.

Alibaba hat eine neuere Version veröffentlicht: Qwen3 30B A3B 2507 (Reasoning). Wir empfehlen, diese als Alternative in Betracht zu ziehen.

Alibaba

•

Qwen3 14B

•

Open weights model

•

Released April 2025

Qwen3 14B (Non-reasoning): Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Intelligenz

Artificial Analysis Intelligence Index

* Geschätzt

Geschwindigkeit

82.9

Ausgabetokens pro Sekunde

Kosten

Eingabe 0,12 $Ausgabe 0,24 $

k. A.

Kosten pro Aufgabe des Intelligence Index

Ausführlichkeit

k. A.

Ausgabetokens im Intelligence Index

Qwen3 14B (Non-reasoning) zählt bei der Intelligenz zu den überdurchschnittlichen Modellen, ist aber etwas teuer im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe. Das Modell unterstützt Text als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 33k Tokens.

Qwen3 14B (Non-reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 7 und liegt damit über dem Durchschnitt der vergleichbaren Modelle (Median: 6).

Der Preis für Qwen3 14B (Non-reasoning) beträgt $0.12 pro 1 Mio. Eingabetokens (moderat bepreist; Median: $0.12) und $0.24 pro 1 Mio. Ausgabetokens (moderat bepreist; Median: $0.25).

Mit 83 Tokens pro Sekunde ist Qwen3 14B (Non-reasoning) schneller als der Durchschnitt (Median: 82).

Reasoning	Nein Diese Seite zeigt die Version dieses Modells ohne Reasoning. Möglicherweise gibt es auch eine Reasoning-Variante.
Eingabemodalität	Unterstützt: Text
Ausgabemodalität	Unterstützt: Text
Kontextfenster	33k ~49 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	14.8B
Lizenz	Apache 2.0
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

Intelligenz

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

No publicly available API

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

No publicly available API

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Benchmarks

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

No publicly available API

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

GDPval-AA v2.1

Agentic real-world work tasks, Elo

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

AA-LCR v1.1

Long context reasoning

SciCodeUnder review

Coding

CritPt

Physics reasoning

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 1.1New

Agentic software engineering in open-source repositories

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-3DNew

Agentic interactive 3D experiences, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

No publicly available API

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Kosten

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context window: tokens limit · Higher is better

No publicly available API

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Geschwindigkeit

Gemessen anhand der Ausgabegeschwindigkeit (Tokens pro Sekunde)

Ausgabegeschwindigkeit

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Zeit pro Aufgabe des Intelligence Index

Weighted average decode time (minutes) per Intelligence Index task · Excludes TTFT and overhead time · Lower is better

The weighted average time (seconds) per Artificial Analysis Intelligence Index task. This is calculated by dividing output tokens per task by output speed, weighted by the relative weights of each benchmark in the Intelligence Index.

Latenz

Gemessen anhand der Zeit (in Sekunden) bis zum ersten Token

Latenz: Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antwort-Token · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

Ende-zu-Ende-Antwortzeit

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better

Seconds to receive a 500 token response. Key components:

Input time: Time to receive the first response token
Thinking time (only for reasoning models): Time reasoning models spend outputting tokens to reason prior to providing an answer. Amount of tokens based on the average reasoning tokens across a diverse set of 60 prompts (methodology details).
Answer time: Time to generate 500 output tokens, based on output speed

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Häufig gestellte Fragen

Häufige Fragen zu Qwen3 14B (Non-reasoning)

Qwen3 14B (Non-reasoning) wurde am 28. April 2025 veröffentlicht.

Qwen3 14B (Non-reasoning) wurde von Alibaba entwickelt.

Qwen3 14B (Non-reasoning) erzielt im Artificial Analysis Intelligence Index einen geschätzten Wert von 7 und liegt damit im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe über dem Durchschnitt (Median: 6).

Qwen3 14B (Non-reasoning) erzeugt Ausgaben mit 82.9 Tokens pro Sekunde (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Dies ist über dem Durchschnitt im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe (Median: 82.2 Tokens/s).

Qwen3 14B (Non-reasoning) hat eine Zeit bis zum ersten Token (TTFT) von 0.86 s (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Dies ist sehr konkurrenzfähig im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe (Median: 1.08 s).

Qwen3 14B (Non-reasoning) kostet $0.12 pro 1 Mio. Eingabetokens (besser als der Durchschnitt; Median: $0.12) und $0.24 pro 1 Mio. Ausgabetokens (besser als der Durchschnitt; Median: $0.25). Die Angaben basieren auf dem Median aller Anbieter, die das Modell bereitstellen.

Qwen3 14B (Non-reasoning) kostet $0.12 pro 1 Mio. Eingabetokens und $0.24 pro 1 Mio. Ausgabetokens (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $0.13 pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Nein, Qwen3 14B (Non-reasoning) ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

Qwen3 14B (Non-reasoning) unterstützt Text als Eingabe.

Qwen3 14B (Non-reasoning) unterstützt Text als Ausgabe.

Nein, Qwen3 14B (Non-reasoning) unterstützt keine Bildeingaben. Es kann nur Text verarbeiten.

Nein, Qwen3 14B (Non-reasoning) ist nicht multimodal. Es unterstützt nur Text als Eingabe.

Qwen3 14B (Non-reasoning) hat ein Kontextfenster von 33k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, Qwen3 14B (Non-reasoning) hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

Qwen3 14B (Non-reasoning) hat 14,8 Milliarden Parameter.

Qwen3 14B (Non-reasoning) wird unter der Lizenz Apache 2.0 veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

Qwen3 14B (Non-reasoning) erzielt im Artificial Analysis Intelligence Index einen Wert von 7. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

Ja, Qwen3 14B (Non-reasoning) ist über 1 Anbieter per API verfügbar. API-Anbieter vergleichen

Qwen3 14B (Non-reasoning) ist über 1 API-Anbieter verfügbar. Anbieter vergleichen

Qwen3 14B (Non-reasoning): Analyse von Intelligenz, Leistung und Preis

Modellübersicht

Ausführlichkeit

Zusammenfassung des Vergleichs

Technische Spezifikationen

75 Modelle in dieser Klasse

Intelligenz

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: Wert

Vergleiche des Intelligence Index

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Kosten

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Geschwindigkeit

Ausgabegeschwindigkeit

Output Speed

Model Performance Representation

Zeit pro Aufgabe des Intelligence Index

Time per Intelligence Index Task

Latenz

Latenz: Zeit bis zum ersten Antworttoken

Time to First Answer Token

Ende-zu-Ende-Antwortzeit

Ende-zu-Ende-Antwortzeit

End-to-End Response Time

Model Performance Representation

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Häufig gestellte Fragen

Wann wurde Qwen3 14B (Non-reasoning) veröffentlicht?

Wer hat Qwen3 14B (Non-reasoning) entwickelt?

Wie intelligent ist Qwen3 14B (Non-reasoning)?

Wie schnell ist Qwen3 14B (Non-reasoning)?

Wie hoch ist die Latenz von Qwen3 14B (Non-reasoning)?

Wie viel kostet Qwen3 14B (Non-reasoning)?

Wie gestaltet sich der API-Preis von Qwen3 14B (Non-reasoning)?

Ist Qwen3 14B (Non-reasoning) ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Qwen3 14B (Non-reasoning)?

Welche Ausgabemodalitäten unterstützt Qwen3 14B (Non-reasoning)?

Kann Qwen3 14B (Non-reasoning) Bilder verarbeiten?

Ist Qwen3 14B (Non-reasoning) multimodal?

Wie groß ist das Kontextfenster von Qwen3 14B (Non-reasoning)?

Hat Qwen3 14B (Non-reasoning) offene Gewichte?

Wie viele Parameter hat Qwen3 14B (Non-reasoning)?

Unter welcher Lizenz steht Qwen3 14B (Non-reasoning)?

Wie schneidet Qwen3 14B (Non-reasoning) in Benchmarks ab?

Ist Qwen3 14B (Non-reasoning) über eine API verfügbar?

Wo kann ich Qwen3 14B (Non-reasoning) verwenden?