Porównanie: Qwen3:30b vs GPT-OSS:20b

Oto porównanie Qwen3:30b i GPT-OSS:20b z naciskiem na przestrzeganie instrukcji oraz parametry wydajności, specyfikacje i prędkość.

Aby dowiedzieć się więcej na temat przepustowości, opóźnień, VRAM oraz wyników benchmarków w różnych środowiskach uruchomieniowych i na różnych sprzętach, zobacz Wydajność LLM: Benchmarki, wąskie gardła i optymalizacja.

W przypadku domyślnych ustawień próbkowania skierowanych na pętle agenticzne w nowszej serii Qwen (w tym kary oraz predefiniowane ustawienia dla myślenia i kodowania), skonfrontuj je z parametrami inferencji agentic dla Qwen i Gemma.

Architektura i parametry

Przestrzeganie instrukcji

• Qwen3:30b-instruct został zoptymalizowany pod kątem przestrzegania instrukcji i wykazuje silne dopasowanie do preferencji ludzkich. Wykazuje doskonałe wyniki w pisaniu twórczym, odgrywaniu ról, wielorundowych dialogach i przestrzeganiu instrukcji wielojęzycznych. Ten wariant został dokładnie dostrojony specjalnie w celu zapewniania bardziej naturalnych, kontrolowanych i angażujących odpowiedzi zgodnych z instrukcjami użytkownika.
• GPT-OSS:20b obsługuje przestrzeganie instrukcji, ale generalnie ocenia się go jako nieco gorszy niż Qwen3:30b-instruct pod względem precyzyjnego dostrojenia instrukcji. Zapewnia porównywalną obsługę wywołań funkcji, wyjścia strukturyzowane oraz tryby rozumowania, ale może odstawać w zakresie dopasowania konwersacyjnego i twórczych dialogów.

Wydajność i efektywność

• Qwen3:30b-instruct wyróżnia się w rozumowaniu matematycznym, kodowaniu, złożonych zadaniach logicznych oraz w scenariuszach wielojęzycznych, obejmując 119 języków i dialektów. Jego tryb „myślenia” pozwala na rozszerzone rozumowanie, ale wiąże się z wyższymi kosztami pamięci.
• GPT-OSS:20b osiąga wydajność porównywalną z modelem OpenAI o3-mini. Wykorzystuje mniej warstw, ale szerszych ekspertów na każdą warstwę oraz natywną kwantyzację MXFP4 dla wydajnej inferencji na sprzęcie konsumenckim z niższymi wymaganiami pamięciowymi (~16 GB w porównaniu z wyższymi dla Qwen3).
• GPT-OSS jest około 33% bardziej efektywny pamięciowo i szybszy na określonych konfiguracjach sprzętowych, szczególnie na kartach graficznych konsumenckich, jednak Qwen3 często zapewnia lepsze dopasowanie i głębię rozumowania, zwłaszcza w złożonych zastosowaniach.
• Qwen3 oferuje dłuższą dostępną opcję rozszerzonej długości kontekstu (do 262 144 tokenów) w porównaniu z 128 000 tokenów w GPT-OSS, co przynosi korzyści w zadaniach wymagających rozumienia bardzo długich kontekstów.

Zalecenia dotyczące użytkowania

• Wybierz Qwen3:30b-instruct w przypadkach wymagających doskonałego przestrzegania instrukcji, generowania twórczego, obsługi wielu języków i złożonego rozumowania.
• Wybierz GPT-OSS:20b, jeśli priorytetem jest efektywność pamięciowa, prędkość inferencji na sprzęcie konsumenckim i konkurencyjna wydajność bazowa przy mniejszej liczbie parametrów.

To porównanie wyróżnia Qwen3:30b-instruct jako głębszy, bardziej kompetentny model zaawansowanym dostrojeniem instrukcji, podczas gdy GPT-OSS:20b oferuje bardziej kompaktową, efektywną alternatywę z konkurencyjną wydajnością w standardowych benchmarkach.

Wyniki benchmarków bezpośrednio porównujące Qwen3:30b-instruct i GPT-OSS:20b w zakresie przestrzegania instrukcji oraz kluczowych parametrów wydajności (MMLU, LMEval, HumanEval) nie są bezpośrednio dostępne w wynikach wyszukiwania. Jednak na podstawie istniejących opublikowanych raportów benchmarkowych wielojęzycznych i wielozadaniowych:

MMLU (Massive Multitask Language Understanding)

Trudno znaleźć szczegółowe informacje, ale ogólnie:

• Modele z serii Qwen3, szczególnie w skali 30B i większej, wykazują silne wyniki w MMLU, zazwyczaj przekraczające 89%, co wskazuje na bardzo konkurencyjną zdolność do przyswajania wiedzy i rozumowania w 57 różnorodnych domenach.
• GPT-OSS:20b również radzi sobie dobrze w benchmarkach MMLU, ale zazwyczaj osiąga niższe wyniki niż większe modele Qwen ze względu na mniejszą liczbę parametrów i mniejszy nacisk na dostrojenie instrukcji.

LMEval (Zestaw narzędzi do oceny modeli językowych)

Niewiele szczegółów na ten moment:

• Modele Qwen3 wykazują znaczną poprawę w rozumowaniu i zadaniach związanych z kodowaniem w ramach LMEval, z podwyższonymi wynikami w logice, rozumowaniu matematycznym i ogólnych zdolnościach.
• GPT-OSS:20b zapewnia solidną wydajność bazową w LMEval, ale ogólnie ustępuje Qwen3:30b-instruct w zaawansowanych podzadaniach rozumowania i przestrzegania instrukcji.

HumanEval (Benchmark generowania kodu)

Niewiele danych, ale:

• Qwen3:30b-instruct wykazuje silne wyniki w wielojęzycznych benchmarkach generowania kodu, takich jak HumanEval-XL, obsługując ponad 20 języków programowania i zapewniając wyższą dokładność generowania kodu międzyjęzykowego.
• GPT-OSS:20b, mimo że konkurencyjny, osiąga nieco niższe wyniki niż Qwen3:30b-instruct w benchmarkach HumanEval, szczególnie w kontekście programowania wielojęzycznego i używania wielu języków, ze względu na mniej rozległe szkolenie wielojęzyczne.

Tabela podsumowująca (przybliżone trendy z literatury):

Jeśli potrzebne są dokładne wartości z benchmarków, specjalistyczne wielojęzyczne, duże benchmarki, takie jak P-MMEval i HumanEval-XL, cytowane w niedawnych artykułach badawczych, zapewniają szczegółowe wyniki dla modeli, w tym Qwen3 i porównywalnych wariantów GPT-OSS, ale nie są one publicznie uporządkowane w celu bezpośredniego pobierania wyników obok siebie w tym momencie.

Porównanie prędkości Qwen3:30b i GPT-OSS:20b

Na moim sprzęcie (16 GB VRAM) uruchamiam Qwen3:30b i GPT-OSS:20b z oknem kontekstu 4000 tokenów, a generują one:

• qwen3:30b-a3b => 45,68 tokenów/s
• gpt-oss:20b => 129,52 tokenów/s

Dla porównania przetestowałem również qwen3:14b i gpt-oss:120b

• qwen3:14b => 60,12 tokenów/s
• gpt-oss:120b => 12,87 tokenów/s

Przy dłuższych oknach kontekstu prędkość będzie wolniejsza; w przypadku qwen3:30b-a3b prawdopodobnie znacznie wolniejsza. To znowu dotyczy mojego PC. Szczegóły techniczne pobrane z obszernego wyjścia oraz przydzielona pamięć znajduje się poniżej; polecenia do wypróbowania:

• ollama run qwen3:30b-a3b –verbose describe weather difference between state capitals in australia
• ollama ps pokazująca alokację pamięci przy kontekście 4K

qwen3:30b-a3b

NAME             ID              SIZE     PROCESSOR          CONTEXT    UNTIL
qwen3:30b-a3b    19e422b02313    20 GB    23%/77% CPU/GPU    4096       4 minutes from now
total duration:       28.151133548s
load duration:        1.980696196s
prompt eval count:    16 token(s)
prompt eval duration: 162.58803ms
prompt eval rate:     98.41 tokens/s
eval count:           1188 token(s)
eval duration:        26.007424856s
eval rate:            45.68 tokens/s

qwen3:30b-thinking

NAME         ID              SIZE     PROCESSOR    CONTEXT    UNTIL              
qwen3:30b-thinking    ad815644918f    20 GB    23%/77% CPU/GPU    4096       4 minutes from now
total duration:       1m8.317354579s
load duration:        1.984986882s
prompt eval count:    18 token(s)
prompt eval duration: 219.657034ms
prompt eval rate:     81.95 tokens/s
eval count:           2722 token(s)
eval duration:        1m6.11230524s
eval rate:            41.17 tokens/s

gpt-oss:20b

NAME         ID              SIZE     PROCESSOR    CONTEXT    UNTIL              
gpt-oss:20b    aa4295ac10c3    14 GB    100% GPU     4096       4 minutes from now
total duration:       31.505397616s
load duration:        13.744361948s
prompt eval count:    75 token(s)
prompt eval duration: 249.363069ms
prompt eval rate:     300.77 tokens/s
eval count:           2268 token(s)
eval duration:        17.510262884s
eval rate:            129.52 tokens/s

qwen3:14b

NAME         ID              SIZE     PROCESSOR    CONTEXT    UNTIL              
qwen3:14b    bdbd181c33f2    10 GB    100% GPU     4096       4 minutes from now    
total duration:       36.902729562s
load duration:        38.669074ms
prompt eval count:    18 token(s)
prompt eval duration: 35.321423ms
prompt eval rate:     509.61 tokens/s
eval count:           2214 token(s)
eval duration:        36.828268069s
eval rate:            60.12 tokens/s

gpt-oss:120b

NAME            ID              SIZE     PROCESSOR          CONTEXT    UNTIL
gpt-oss:120b    f7f8e2f8f4e0    65 GB    78%/22% CPU/GPU    4096       2 minutes from now
49GB RAM + 14.4GB VRAM
total duration:       3m59.967272019s
load duration:        76.758783ms
prompt eval count:    75 token(s)
prompt eval duration: 297.312854ms
prompt eval rate:     252.26 tokens/s
eval count:           3084 token(s)
eval duration:        3m59.592764501s
eval rate:            12.87 tokens/s

Warianty Qwen3:30b

Dostępne są trzy warianty modelu qwen3:30b: qwen3:30b, qwen3:30b-instruct i qwen3:30b-thinking.

Kluczowe różnice i zalecenia

• qwen3:30b-instruct jest najlepszy do rozmów, w których priorytetem są instrukcje użytkownika, jasność i naturalny dialog.
• qwen3:30b jest ogólną podstawą, odpowiednią, jeśli zarówno przestrzeganie instrukcji, jak i korzystanie z narzędzi są ważne w różnorodnych zadaniach.
• qwen3:30b-thinking wykazuje doskonałe wyniki, gdy głównym celem jest głębokie rozumowanie, matematyka i kodowanie. Przewyższa pozostałe w zadaniach mierzących rygor logiczno-matematyczny, ale niekoniecznie jest lepsze w pisaniu twórczym lub swobodnych rozmowach.

Bezpośrednie porównanie benchmarków

Aby uzyskać więcej benchmarków, opcji sprzętowych i ustawień wydajności, sprawdź nasz hub Wydajność LLM: Benchmarki, wąskie gardła i optymalizacja.

Przydatne linki

• https://ollama.com/library/qwen3
• https://ollama.com/library/gpt-oss
• https://artificialanalysis.ai/articles/analysis-openai-gpt-oss-models
• https://artificialanalysis.ai/models/qwen3-30b-a3b-2507
• Instalacja i konfiguracja Ollama
• Ściągawka Ollama - najprzydatniejsze polecenia
• Ograniczanie LLM za pomocą strukturyzowanego wyjścia: Ollama, Qwen3 i Python lub Go
• Walidacja strukturyzowanego wyjścia LLM w Pythonie, która się sprawdza
• Integracja Ollama z Pythonem: przykłady API REST i klienta Python
• Skuteczna granica otwartych modeli w 2026 roku