Modellvergleich
Qwen3 235B A22B 2507 Instruct
vs. Llama 3.1 Tulu3 405B
Vergleich von 2 KI-Modellen · 12 Benchmarks · Alibaba, Allen Institute for AI
Empfehlung
AlQwen3 235B A22B 2507 Instruct10 Metrik-SiegeStaerkste Bereiche: Durchsatz, Reasoning, Intelligenz
Niedrigster Preis
Llama 3.1 Tulu3 405B
$0.00/1M Eingabepreis
Bestes Reasoning
Qwen3 235B A22B 2507 Instruct
59.6 Reasoning-Score
Kombiniert verfuegbare Reasoning-Benchmarks
Composite Indices
Higher is better; speed and price are normalized
Standard Benchmarks
Only benchmarks with data are shown
Wichtige Unterschiede
Preisunterschied
Llama 3.1 Tulu3 405B ist ∞x guenstiger bei Eingabetokens als Qwen3 235B A22B 2507 Instruct.
Reasoning-Unterschied
Qwen3 235B A22B 2507 Instruct liegt 28.7 Punkte vor Llama 3.1 Tulu3 405B beim Reasoning.
Top-Wahl-Begruendung
Qwen3 235B A22B 2507 Instruct gewinnt 10 messbare Kategorien, darunter Durchsatz, Reasoning, Intelligenz, GPQA.
Response Face-Off
Sende einen Prompt an die ausgewaehlten Modelle und vergleiche Antwortqualitaet mit Live-Metriken zu Tempo und Kosten.
Qwen3 235B A22B 2507 Instruct
Alibaba
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Llama 3.1 Tulu3 405B
Allen Institute for AI
TTFT
—
Zeit
—
tok/s
—
Tokens
—
Kosten
—
Welche Antwort war nuetzlicher?
Mit führenden KI-Modellen chatten
Nutze Claude, ChatGPT und Gemini zusammen mit EU-gehosteten Modellen wie Deepseek, Qwen und Kimi.
EU-gehostete Inferenz
Server in Deutschland und Finnland. Entwickelt fuer strenge GDPR- und ISO-27001-Compliance-Anforderungen.
Vollständiger Vergleich
| Metrik | Top-Wahl Al Qwen3 235B A22B 2507 Instruct | Al Llama 3.1 Tulu3 405B |
|---|---|---|
| Preise pro 1 Mio. Tokens | ||
| Input-Kosten | $0.70/1M | $0.00/1M |
| Output-Kosten | $2.80/1M | $0.00/1M |
| Gemischt (3:1) | $1.22/1M | — |
| Spezifikationen | ||
| Anbieter | Alibaba | Allen Institute for AI |
| Veröffentlichung | 21. Juli 2025 | 30. Jan. 2025 |
| Leistung & Geschwindigkeit | ||
| Durchsatz | 67.2 tok/s | — |
| TTFT | 1201ms | — |
| Latenz | 1201ms | — |
| Composite-Indizes | ||
| Wert-Score | 100.0 | — |
| Reasoning-Score | 59.6 | 30.9 |
| Intelligenz | 18.2 | 8.3 |
| Mathe | 71.7 | — |
| Standard-Benchmarks | ||
| GPQA | 75.3% | 51.6% |
| MMLU Pro | 82.8% | 71.6% |
| HLE | 10.6% | 3.5% |
| LiveCodeBench | 52.4% | 29.1% |
| MATH 500 | 98.0% | 77.8% |
| AIME 2025 | 71.7% | — |
| AIME (Original) | 71.7% | 13.3% |
| SciCode | 36.0% | 30.2% |
| LCR | 31.2% | — |
| IFBench | 46.1% | — |
| TAU-bench v2 | 33.3% | — |
| TerminalBench Hard | 15.2% | — |
Wichtigste Erkenntnisse
Llama 3.1 Tulu3 405B bietet das beste Preis-Leistungs-Verhaeltnis mit $0.00/1M,ideal fuer volumenstarke Anwendungen und kostenbewusste Projekte.
Qwen3 235B A22B 2507 Instruct hat das staerkste Reasoning-Profil mit 59.6 Reasoning-Score,basierend auf den verfuegbaren Reasoning-Benchmarks.
Alle Modelle unterstuetzen Kontextfenster von ∞+ Tokens,geeignet fuer lange Dokumente und ausgedehnte Gespraeche.
Wann welches Modell sinnvoll ist
Qwen3 235B A22B 2507 Instruct
- Komplexe Reasoning-Aufgaben
- Forschung und Analyse
Llama 3.1 Tulu3 405B
- Kostensensitive Anwendungen
- Hohe Verarbeitungslast
