This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Alibaba has launched a newer model, Qwen3 30B A3B 2507 (Non-reasoning). We suggest considering it instead.

For more information, see comparison of Qwen3 30B A3B 2507 (Non-reasoning) to other models and API provider benchmarks for Qwen3 30B A3B 2507 (Non-reasoning).

Alibaba logo
Alibaba
•
Qwen3 32B
•

Open weights model

•

Released abril de 2025

Qwen3 32B (Non-reasoning) Benchmarks y análisis de proveedores de API

Comparación de modelos

Este análisis está pensado para ayudarte a elegir el mejor proveedor de API de Qwen3 32B (Non-reasoning) para tu caso de uso.

Más rápido

#1
AmazonAmazon
133.3 t/s
#2
Alibaba CloudAlibaba Cloud
105.1 t/s
#3
DeepInfra (FP8)DeepInfra (FP8)
33.0 t/s

Velocidad de salida

4 proveedores en total

Menor latencia

#1
AmazonAmazon
1.14 s
#2
DeepInfra (FP8)DeepInfra (FP8)
1.43 s
#3
Alibaba CloudAlibaba Cloud
2.52 s

Tiempo hasta el primer token

4 proveedores en total

Menor precio

#1
DeepInfra (FP8)DeepInfra (FP8)
$0.10
#2
AmazonAmazon
$0.20
#3
Alibaba CloudAlibaba Cloud
$0.21
#4
SambaNovaSambaNova
$0.44

Precio combinado (por 1M de tokens)

4 proveedores en total

Qwen3 32B (Non-reasoning) está disponible a través de 4 proveedores de API, cada uno con distintas características de rendimiento y precios. A continuación se comparan las métricas clave entre proveedores.

  • En velocidad de salida, los principales proveedores son Amazon (133.3 t/s), Alibaba Cloud (105.1 t/s) y DeepInfra (FP8) (33.0 t/s).
  • En latencia, Amazon (1.14s), DeepInfra (FP8) (1.43s) y Alibaba Cloud (2.52s) ofrecen el menor tiempo hasta el primer token.
  • En precios, DeepInfra (FP8) (0.10), Amazon (0.20) y Alibaba Cloud (0.21) ofrecen los menores precios combinados por 1M de tokens. Los precios varían hasta 4.4x entre proveedores.
  • Amazon ofrece el mejor rendimiento, con la mayor velocidad y la menor latencia. Para optimizar costos, DeepInfra (FP8) ofrece los precios más competitivos.

Aspectos destacados

Velocidad

Output tokens per second · Higher is better

Tiempo de respuesta de extremo a extremo

Seconds · Lower is better

Precio

USD per 1M tokens (blended) · Lower is better

Precios

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens) · Lower is better · 10,000 input 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.

Pricing: Blended Price

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended) · Lower is better

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

Output Speed vs. Price

Blended at 7:2:1 (cache-input-output) · Output speed: output tokens per second · USD per 1M tokens (blended)
Most attractive quadrant
Pareto line

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).

Velocidad

Medida por la velocidad de salida (tokens por segundo)

Output Speed: Qwen3 32B (Non-reasoning)

Output speed: output tokens per second · 10,000 input tokens

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 (e.g. OpenAI for o1) or the median across providers where a first-party API is not available (e.g. Meta's Llama models).

Latency vs. Output Speed

Latency: seconds to first token received · Output speed: output tokens per second · 10,000 input tokens
Most attractive quadrant

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).

Latencia

Medida por el tiempo (segundos) hasta el primer token

Tiempo hasta el primer token

Seconds to first token received · Lower is better · 10,000 input tokens

Time to first token received, in seconds, after API request sent. For reasoning models which share reasoning tokens, this will be the first reasoning token. For models which do not support streaming, this represents time to receive the completion.

Figures represent median (P50) measurement over the past 72 hours to reflect sustained changes in performance.

Tiempo de respuesta de extremo a extremo

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

Tiempo de respuesta de extremo a extremo

Seconds to output 500 tokens, including reasoning model 'thinking' time · Lower is better · 10,000 input tokens

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

Métricas clave de comparación y funciones de API

Logo de DeepInfraDeepInfra
41k
Abierto
--
34
1.35
15.98
--
Logo de Alibaba CloudAlibaba Cloud
131k
Abierto
--
105
2.53
7.28
--
Logo de Amazon BedrockAmazon Bedrock
32.8k
Abierto
--
135
1.14
4.85
--
Logo de SambaNovaSambaNova
32.8k
Abierto
--
--
--
--
--

Preguntas frecuentes

Preguntas comunes sobre los proveedores de Qwen3 32B (Non-reasoning)

Qwen3 32B (Non-reasoning) está disponible a través de 4 proveedores de API: DeepInfra (FP8), Alibaba Cloud, Amazon y SambaNova. Cada proveedor ofrece distintas características de rendimiento y precios.

Qwen3 32B (Non-reasoning) está disponible actualmente a través de 4 proveedores de API que medimos y monitoreamos.

Los proveedores más rápidos para Qwen3 32B (Non-reasoning) por velocidad de salida son Amazon (133.3 t/s), Alibaba Cloud (105.1 t/s) y DeepInfra (FP8) (33.0 t/s). La velocidad de salida mide qué tan rápido se generan tokens después de que el modelo comienza a responder.

Los proveedores con el menor tiempo hasta el primer token para Qwen3 32B (Non-reasoning) son Amazon (1.14s), DeepInfra (FP8) (1.43s) y Alibaba Cloud (2.52s). Una menor latencia significa una respuesta inicial más rápida.

Los proveedores más económicos para Qwen3 32B (Non-reasoning) por precio combinado son DeepInfra (FP8) ($0.10 por 1M de tokens), Amazon ($0.20 por 1M de tokens) y Alibaba Cloud ($0.21 por 1M de tokens). El precio combinado usa una proporción 7:2:1 de aciertos de caché/entrada/salida.

Los proveedores con el menor precio de tokens de entrada para Qwen3 32B (Non-reasoning) son DeepInfra (FP8) ($0.08 por 1M de tokens de entrada), Amazon ($0.15 por 1M de tokens de entrada) y Alibaba Cloud ($0.16 por 1M de tokens de entrada).

Los proveedores con el menor precio de tokens de salida para Qwen3 32B (Non-reasoning) son DeepInfra (FP8) ($0.28 por 1M de tokens de salida), Amazon ($0.60 por 1M de tokens de salida) y Alibaba Cloud ($0.64 por 1M de tokens de salida).

Los precios de Qwen3 32B (Non-reasoning) varían hasta 4.4x entre proveedores. El más económico es DeepInfra (FP8) a $0.10 por 1M de tokens, mientras que SambaNova cobra $0.44 por 1M de tokens.

La velocidad de salida de Qwen3 32B (Non-reasoning) varía significativamente entre proveedores. Amazon es el más rápido a 133.3 t/s, lo que es 4.0x más rápido que DeepInfra (FP8) a 33.0 t/s.

3 de 4 proveedores admiten el modo JSON para Qwen3 32B (Non-reasoning): DeepInfra (FP8), Alibaba Cloud y SambaNova.

Los 4 proveedores de Qwen3 32B (Non-reasoning) admiten llamadas a funciones (uso de herramientas).

Para Qwen3 32B (Non-reasoning), Amazon ofrece el mejor rendimiento con la mayor velocidad y la menor latencia. Para optimizar costos, DeepInfra (FP8) ofrece los precios más competitivos.

Al elegir un proveedor para Qwen3 32B (Non-reasoning), considera: velocidad de salida (para tareas intensivas en rendimiento), latencia (para aplicaciones interactivas que requieren primeras respuestas rápidas), precios (para cargas de trabajo sensibles al costo) y funciones de API como el modo JSON o las llamadas a funciones.

Sí, el rendimiento de un proveedor puede variar con el tiempo debido a cambios de infraestructura, balanceo de carga y actualizaciones. Medimos continuamente a todos los proveedores y mostramos las tendencias históricas de rendimiento en los gráficos "a lo largo del tiempo".

Para información sobre la inteligencia, las capacidades, las modalidades de Qwen3 32B (Non-reasoning) y cómo se compara con otros modelos, consulta la página de resumen del modelo. Ver resumen del modelo