Qwen 3 235B-A22BvsDeepSeek R1 671B
Vollständiger Vergleich zwischen Qwen 3 235B-A22B (235B Parameter, Alibaba) und DeepSeek R1 671B (671B, DeepSeek). VRAM-Bedarf je Quantisierung, auf 4 Referenz-GPUs gemessene Tokens pro Sekunde, Urteil je Anwendungsfall, Lizenz, Installationsbefehle. Alle Zahlen werden anhand der Katalogdaten berechnet — kein Kopieren und Einfügen zwischen Seiten.
Kurz gesagt
| Eigenschaft | Qwen 3 235B-A22B | DeepSeek R1 671B |
|---|---|---|
| Parameter | 235B | 671B |
| Familie | Qwen | DeepSeek |
| Autor | Alibaba | DeepSeek |
| Herkunft | CN | CN |
| Lizenz | Apache 2.0 | MIT |
| Kontext | 131 072 Tokens | 128 000 Tokens |
| Erscheinungsdatum | April 2025 | Januar 2025 |
Speicherbedarf
Ungefähre VRAM, die für die Inferenz mit einem mittleren Kontextfenster erforderlich ist. Der Gewinner (in Grün) ist das Modell, das weniger verbraucht — Vorteil für kleine Modelle.
| Quantisierung | Qwen 3 235B-A22B | DeepSeek R1 671B |
|---|---|---|
| Q4_K_M (leicht) | 142 GB | 400 GB |
| Q5_K_M (ausgewogen) | 170 GB | 480 GB |
| Q8 (nahezu verlustfrei) | 250 GB | 720 GB |
| FP16 (maximale Qualität) | 470 GB | 1342 GB |
| RAM bei reinem CPU-Betrieb | 160 GB | 512 GB |
Geschätzte Geschwindigkeit (Tokens/Sekunde)
Schätzungen basierend auf der besten Quantisierung, die auf jeder GPU möglich ist. Die tatsächlichen Zahlen hängen vom Prompt, vom Kontext und der Engine (llama.cpp, vLLM, MLX) ab. Methodik.
| Referenz-GPU | Qwen 3 235B-A22B | DeepSeek R1 671B |
|---|---|---|
| RTX 4090 (24 GB) | ✗ zu groß | ✗ zu groß |
| RTX 4080 (16 GB) | ✗ zu groß | ✗ zu groß |
| RTX 3060 12GB (12 GB) | ✗ zu groß | ✗ zu groß |
| Apple M4 Pro (48 GB) (36 GB) | ✗ zu groß | ✗ zu groß |
Fazit nach Anwendungsfall
Für jede gängige Anwendung geben wir an, welches der beiden Modelle aufgrund seiner Tags, Größe und Spezialisierung am besten geeignet ist.
Ihr privates, kostenloses ChatGPT auf Ihrem Rechner in einer Stunde – mit LM Studio, Ollama, Open WebUI und Ihren Dokumenten, ganz ohne Cloud.
- Lebenslanger Online-Zugang
- PDF + Dateien
- Lebenslange Updates
Stärken und Schwächen
Qwen 3 235B-A22B
MoE 235B/22B aktiv (128 Experten, 8 aktiv). AIME 2024 85,7, LiveCodeBench 70,7.
- Damals bestes offenes MoE-Modell
- 22B aktive Parameter → schnell für seine Größe
- AIME 2024 85.7
- Mindestens 142 GB in Q4
- Betrieb mit mehreren GPUs oder auf einem Mac Studio erforderlich
Installation
DeepSeek R1 671B
MoE 671B/37B MIT. Das offene Reasoning-Modell, das als Referenz gilt. MATH-500 97,3, AIME 79,8, MMLU 90,8.
- MIT-Lizenz
- Offenes Referenzmodell für Reasoning
- MATH-500 97.3
- 400+ GB in Q4 – für einen Standard-Laptop oder eine Standard-Workstation nicht machbar
- Leistungsfähigen Workstations oder Servern vorbehalten
Installation
Häufige Fragen
Welches Modell läuft am besten auf der RTX 4090 (24 GB): Qwen 3 235B-A22B oder DeepSeek R1 671B?
Auf einer RTX 4090 passt Qwen 3 235B-A22B nicht in die 24 GB – ein Teil muss auf die CPU ausgelagert werden. Auch DeepSeek R1 671B passt nicht in die 24 GB. Nutzen Sie den Konfigurator um Ihre konkrete GPU zu testen.
Welches verbraucht am wenigsten VRAM?
Bei Q4_K_M passt Qwen 3 235B-A22B in 142 GB im Vergleich zu 400 GB für seinen Konkurrenten – ein Unterschied von 258 GB, der erheblich ist, wenn Sie eine RTX 3060 oder eine 4060 Ti 8 GB ins Auge fassen.
Dürfen diese Modelle kommerziell im Produktivbetrieb eingesetzt werden?
Qwen 3 235B-A22B ist unter Apache 2.0 lizenziert – frei für kommerzielle Nutzung. DeepSeek R1 671B steht unter der MIT-Lizenz – ebenfalls frei nutzbar. Für SaaS sollten Sie Apache 2.0 oder MIT bevorzugen.
Welches soll man 2026 wählen?
Das hängt von Ihrer wichtigsten Einschränkung ab. Kleiner / schneller : Qwen 3 235B-A22B (235B). Leistungsfähiger : DeepSeek R1 671B (671B). Falls Sie unsicher sind, starten Sie den Konfigurator mit Ihrer GPU und Ihrem Anwendungsfall – er wird auf Basis beider Faktoren entscheiden.
Erwägenswerte Alternativen
Falls keines der beiden Modelle zu Ihnen passt, finden Sie hier ähnliche Modelle, die Sie sich ansehen könnten.