Comparação: Qwen3:30b vs GPT-OSS:20b

Aqui está uma comparação entre Qwen3:30b e GPT-OSS:20b, focando no seguimento de instruções e nos parâmetros de desempenho, especificações e velocidade.

Para mais informações sobre throughput, latência, VRAM e benchmarks em diferentes tempos de execução e hardware, veja Desempenho de LLMs: Benchmarks, Gargalos & Otimização.

Para padrões de amostragem voltados para loops de agentes na nova linha do Qwen (incluindo penalidades e predefinições de raciocínio versus codificação), consulte os parâmetros de inferência para agentes do Qwen e Gemma.

Arquitetura e Parâmetros

Seguimento de Instruções

• Qwen3:30b-instruct é otimizado para o seguimento de instruções, com forte alinhamento às preferências humanas. Destaca-se em escrita criativa, interpretação de papéis, diálogos multi-turno e seguimento de instruções multilíngues. Esta variante foi ajustada especificamente para fornecer respostas mais naturais, controladas e envolventes, alinhadas às instruções do usuário.
• GPT-OSS:20b suporta o seguimento de instruções, mas geralmente é avaliado ligeiramente atrás do Qwen3:30b-instruct em termos de ajuste de instruções nuances. Oferece chamadas de função, saída estruturada e modos de raciocínio comparáveis, mas pode ficar atrás no alinhamento conversacional e no diálogo criativo.

Desempenho e Eficiência

• Qwen3:30b-instruct destaca-se no raciocínio matemático, codificação, tarefas lógicas complexas e cenários multilíngues, cobrindo 119 idiomas e dialetos. Seu modo de “raciocínio” permite um raciocínio aprimorado, mas vem com custos de memória mais altos.
• GPT-OSS:20b alcança um desempenho comparável ao modelo o3-mini da OpenAI. Usa menos camadas, mas especialistas mais largos por camada e quantização nativa MXFP4 para inferência eficiente em hardware de consumo, com requisitos de memória menores (~16GB, contra valores maiores para o Qwen3).
• O GPT-OSS é aproximadamente 33% mais eficiente em memória e mais rápido em determinadas configurações de hardware, especialmente em GPUs de consumo, mas o Qwen3 geralmente fornece melhor alinhamento e profundidade de raciocínio, especialmente em casos de uso complexos.
• O Qwen3 tem uma opção de comprimento de contexto estendido disponível mais longa (até 262.144 tokens) em comparação com os 128.000 tokens do GPT-OSS, beneficiando tarefas que exigem compreensão de contexto muito longo.

Recomendação de Uso

• Escolha o Qwen3:30b-instruct para casos de uso que exigem seguimento superior de instruções, geração criativa, suporte multilíngue e raciocínio complexo.
• Escolha o GPT-OSS:20b se a eficiência de memória, a velocidade de inferência em hardware de consumo e o desempenho de base competitivo com menos parâmetros forem a prioridade.

Esta comparação destaca o Qwen3:30b-instruct como um modelo mais profundo e capaz, com ajuste de instruções avançado, enquanto o GPT-OSS:20b oferece uma alternativa mais compacta e eficiente, com desempenho competitivo em benchmarks padrão.

Os pontuações de benchmarks que comparam especificamente o Qwen3:30b-instruct e o GPT-OSS:20b para seguimento de instruções e parâmetros-chave de desempenho (MMLU, LMEval, HumanEval) não estão diretamente disponíveis nos resultados da busca. No entanto, com base em relatórios publicados existentes de benchmarks multilíngues e multitarefa:

MMLU (Massive Multitask Language Understanding)

É difícil encontrar os detalhes, apenas:

• Os modelos da série Qwen3, especialmente na escala de 30B e acima, demonstram pontuações MMLU fortes, geralmente ultrapassando 89%, indicando capacidades muito competitivas de compreensão de conhecimento e raciocínio em 57 domínios diversificados.
• O GPT-OSS:20b também se desempeña bem nos benchmarks MMLU, mas geralmente pontua menor do que os modelos Qwen maiores devido ao menor número de parâmetros e menor ênfase no ajuste fino de instruções.

LMEval (Language Model Evaluation Toolkit)

Poucos detalhes no momento:

• Os modelos Qwen3 mostram melhorias significativas em tarefas de raciocínio e relacionadas a código dentro do LMEval, com pontuações aprimoradas em lógica, raciocínio matemático e capacidades gerais.
• O GPT-OSS:20b fornece um desempenho de base robusto no LMEval, mas geralmente fica atrás do Qwen3:30b-instruct em sub-tarefas avançadas de raciocínio e seguimento de instruções.

HumanEval (Benchmark de Geração de Código)

Poucos dados, apenas:

• O Qwen3:30b-instruct exibe um forte desempenho em benchmarks de geração de código multilíngue, como o HumanEval-XL, suportando mais de 20 linguagens de programação e fornecendo uma precisão superior em geração de código interlíngue.
• O GPT-OSS:20b, embora competitivo, tem um desempenho ligeiramente inferior ao Qwen3:30b-instruct nos benchmarks HumanEval, especialmente em contextos de programação multilíngue e multi-idioma, devido ao treinamento multilíngue menos extensivo.

Tabela Resumo (tendências aproximadas da literatura):

Se números exatos de benchmark forem necessários, benchmarks multilíngues de grande escala especializados, como o P-MMEval e o HumanEval-XL, referenciados em papers de pesquisa recentes, fornecem pontuações detalhadas para modelos incluindo o Qwen3 e variantes comparáveis do GPT-OSS, mas estes não estão publicamente organizados para busca direta de pontuações lado a lado neste momento.

Comparação de Velocidade entre Qwen3:30b e GPT-OSS:20b

No meu hardware (16GB VRAM), estou executando Qwen3:30b e GPT-OSS:20b com uma janela de contexto 4000, e eles estão produzindo:

• qwen3:30b-a3b => 45.68 tokens/s
• gpt-oss:20b => 129.52 tokens/s

E, para comparação, também testei o qwen3:14b e o gpt-oss:120b

• qwen3:14b => 60.12 tokens/s
• gpt-oss:120b => 12.87 tokens/s

Em janelas de contexto mais longas, a velocidade será menor; no caso do qwen3:30b-a3b, provavelmente muito menor. Novamente, isso é no meu PC. Os detalhes técnicos foram obtidos da saída verbosa e a memória alocada está abaixo; comandos para testar:

• ollama run qwen3:30b-a3b –verbose descreva a diferença de clima entre as capitais estaduais da Austrália
• ollama ps mostrando a alocação de memória em contexto de 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

Variantes do Qwen3:30b

Há três variantes do modelo qwen3:30b disponíveis: qwen3:30b, qwen3:30b-instruct e qwen3:30b-thinking.

Principais Diferenças & Recomendações

• qwen3:30b-instruct é o melhor para conversas onde as instruções do usuário, a clareza e o diálogo natural são priorizados.
• qwen3:30b é a fundação geral, adequada se tanto o seguimento de instruções quanto o uso de ferramentas forem importantes em diversas tarefas.
• qwen3:30b-thinking se destaca quando o raciocínio profundo, a matemática e a codificação são o foco principal. Supera os outros em tarefas que medem rigor lógico/matemático, mas não é necessariamente melhor para escrita criativa ou conversas casuais.

Comparação Direta de Benchmarks

Para mais benchmarks, escolhas de hardware e ajuste de desempenho, verifique nosso hub Desempenho de LLMs: Benchmarks, Gargalos & Otimização.

Links Úteis

• 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
• Instalar e configurar o Ollama
• Folha de dicas do Ollama - comandos mais úteis
• Restringindo LLMs com Saída Estruturada: Ollama, Qwen3 & Python ou Go
• Validação de saída estruturada de LLMs em Python que se mantém
• Integrando Ollama com Python: Exemplos de API REST e Cliente Python
• A Fronteira Eficiente dos Modelos Abertos em 2026