Qwen: Qwen3 Coder 30B A3B Instruct
Qwen: Qwen3 Coder 30B A3B Instruct est un LLM de Qwen sorti le 31 juillet 2025, avec des connaissances arrêtées au 30 juin 2025. Son positionnement associe une très grande fenêtre de contexte, adaptée aux longs dépôts, dossiers ou historiques de conversation, et un tarif d'entrée très…
Qwen: Qwen3 Coder 30B A3B Instruct est un LLM de Qwen sorti le 31 juillet 2025, avec des connaissances arrêtées au 30 juin 2025. Son positionnement associe une très grande fenêtre de contexte, adaptée aux longs dépôts, dossiers ou historiques de conversation, et un tarif d'entrée très bas pour un modèle de cette catégorie.
Le modèle se distingue surtout par son coût: sa tarification est indiquée 96% sous la moyenne des LLM similaires et environ 69 fois moins chère que les modèles frontière déjà comparés dans la section Tarifs. Les données disponibles reposent sur 2 sources concordantes.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Qwen |
| Date de sortie | 31 juillet 2025 |
| Connaissances jusqu'à | 2025-06-30 |
| Multimodal | non |
| Fenêtre de contexte | 160 000 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Keyword Topic Relevance Classification | 100,0 % | 1ᵉ / 9 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 98,0 % | 161ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 94,0 % | 126ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 91,0 % | 229ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 89,0 % | 114ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 89,0 % | 118ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 78,0 % | 124ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 51,5 % | 169ᵉ / 252 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 32,2 % | 230ᵉ / 250 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Keyword Topic Relevance Classification
Benchable : Ethics (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | 0,07 $ | 0,27 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 96 % en dessous de la moyenne des LLM similaires, et 69 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 2 min 54 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Qwen: Qwen3 Coder 30B A3B Instruct obtient son meilleur signal sur Keyword Topic Relevance Classification, où il se place en tête du groupe évalué, ce qui indique une très bonne capacité à relier un contenu à un sujet attendu. Ses résultats sont aussi solides en Ethics (Baseline), Hallucinations (Baseline), Mathematics (Baseline) et Coding (Baseline), avec des scores élevés qui le situent dans une zone exploitable pour des tâches structurées, de classification, de raisonnement mathématique et de programmation. Sa fenêtre de contexte de 160 000 tokens constitue un atout concret pour traiter de longs fichiers, de grands volumes de code ou des échanges étendus sans découpage excessif.
Limites et points d'attention. Malgré des scores élevés, plusieurs classements Benchable le placent plutôt au milieu du tableau, notamment en Coding (Baseline), Mathematics (Baseline), Hallucinations (Baseline) et Email Classification (Baseline). Le score brut ne suffit donc pas à en faire un modèle dominant face à l'ensemble des LLM comparés. Sa date de sortie et sa limite de connaissances au 30 juin 2025 imposent aussi une vigilance sur les informations postérieures. Son principal intérêt opérationnel reste son rapport coût-capacité: le prix annoncé, 0,07 $ par million de tokens en entrée et 0,27 $ en sortie, le rend particulièrement adapté aux usages intensifs sensibles au budget.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).