Qwen 3 30B-A3BvsGranite 4.0 H-Small 32B-A9B
Vollständiger Vergleich zwischen Qwen 3 30B-A3B (30 Mrd. Parameter, Alibaba) und Granite 4.0 H-Small 32B-A9B (32B, IBM). Erforderlicher VRAM je nach Quantisierung, auf 4 Referenz-GPUs gemessene Tokens pro Sekunde, Bewertung nach Anwendungsfall, Lizenz, Installationsbefehle. Alle Zahlen werden aus den Katalogdaten berechnet – kein Kopieren und Einfügen zwischen Seiten.
Kurz gesagt
| Eigenschaft | Qwen 3 30B-A3B | Granite 4.0 H-Small 32B-A9B |
|---|---|---|
| Parameter | 30B | 32B |
| Familie | Qwen | Granite |
| Autor | Alibaba | IBM |
| Herkunft | CN | US |
| Lizenz | Apache 2.0 | Apache 2.0 |
| Kontext | 131 072 Tokens | 128 000 Tokens |
| Erscheinungsdatum | April 2025 | Oktober 2025 |
Speicherbedarf
Ungefähre VRAM, die für die Inferenz mit einem mittleren Kontextfenster erforderlich ist. Der Gewinner (in Grün) ist das Modell, das verbraucht moins — Vorteil für kleine Modelle.
| Quantisierung | Qwen 3 30B-A3B | Granite 4.0 H-Small 32B-A9B |
|---|---|---|
| Q4_K_M (leicht) | 19 GB | 19 GB |
| Q5_K_M (ausgewogen) | 23 GB | 23 GB |
| Q8 (nahezu verlustfrei) | 35 GB | 35 GB |
| FP16 (maximale Qualität) | 62 GB | 64 GB |
| RAM bei reinem CPU-Betrieb | 32 GB | 32 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 30B-A3B | Granite 4.0 H-Small 32B-A9B |
|---|---|---|
| RTX 4090 (24 GB) | 100 tok/s · Q5_K_M | 75 Tok/s · Q5_K_M |
| RTX 4080 (16 GB) | ✗ zu groß | ✗ zu groß |
| RTX 3060 12GB (12 GB) | ✗ zu groß | ✗ zu groß |
| Apple M4 Pro (48 GB) (36 GB) | 40 tok/s · Q8 | 30 tok/s · Q8 |
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
- Erstattung binnen 30 Tagen
Stärken und Schwächen
Qwen 3 30B-A3B
MoE mit 30B Parametern, davon 3B aktiv, und Hybrid-Thinking. MMLU 81,4, AIME24 80,4. 100+ Sprachen.
- Schnell dank der 3 Milliarden aktiven Parameter
- MMLU 81.4
- AIME24 80.4
- Apache 2.0
- 19 GB in Q4
Installation
Granite 4.0 H-Small 32B-A9B
Hybrid aus Mamba-2 und MoE mit 32B Parametern, davon 9B aktiv. ~70 % weniger RAM bei langem Kontext. Apache 2.0.
- 70 % weniger RAM bei langen Kontexten
- Apache 2.0
- Enterprise-ready
- Unterstützung durch eine aktuelle Version von llama.cpp erforderlich
Installation
Häufige Fragen
Welches Modell läuft auf einer RTX 4090 (24 GB) besser: Qwen 3 30B-A3B oder Granite 4.0 H-Small 32B-A9B?
Auf einer RTX 4090 läuft Qwen 3 30B-A3B in Q5_K_M (~100 Tok/s), Granite 4.0 H-Small 32B-A9B in Q5_K_M (~75 tok/s). Was den reinen Durchsatz betrifft, Qwen 3 30B-A3B gewinnt. Nutzen Sie den Konfigurator um Ihre konkrete GPU zu testen.
Welches verbraucht am wenigsten VRAM?
Beide benötigen in Q4 gleich viel VRAM (19 GB). Die Wahl richtet sich dann nach der Lizenz oder der wahrgenommenen Qualität.
Dürfen diese Modelle kommerziell im Produktivbetrieb eingesetzt werden?
Qwen 3 30B-A3B ist unter Apache 2.0 lizenziert – frei für kommerzielle Nutzung. Granite 4.0 H-Small 32B-A9B ist unter Apache 2.0 lizenziert — ebenfalls frei nutzbar. Für SaaS bevorzugen Sie Apache 2.0 oder MIT.
Welches soll man 2026 wählen?
Das hängt von Ihrer wichtigsten Einschränkung ab. Kleiner / schneller : Qwen 3 30B-A3B (30B). Leistungsfähiger : Granite 4.0 H-Small 32B-A9B (32B). Wenn 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.