Jämförelse: Qwen3:30b vs GPT-OSS:20b

Här är en jämförelse mellan Qwen3:30b och GPT-OSS:20b med fokus på instruktionföljande och prestandaparametrar, specifikationer och hastighet.

För mer information om genomströmning, latens, VRAM och benchmarkresultat över olika runtime-miljöer och hårdvara, se LLM-prestanda: Benchmark, flaskhals & optimering.

För standardvärden för sampling riktade mot agenter i den nyare Qwen-serien (inklusive straff och förinställningar för tänkande respektive kodning), se agenterinferensparametrar för Qwen och Gemma.

Arkitektur och parametrar

Instruktionföljande

• Qwen3:30b-instruct är optimerad för instruktionföljande med stark anpassning till mänskliga preferenser. Den excellerar i kreativt skrivande, rollspel, dialoger med flera omgångar och flerspråkigt instruktionföljande. Denna variant är finjusterad specifikt för att ge mer naturliga, kontrollerade och engagerande svar som följer användarens instruktioner.
• GPT-OSS:20b stöder instruktionföljande men bedöms generellt något sämre än Qwen3:30b-instruct vad gäller nyanserad instruktionjustering. Den erbjuder jämförbar funktionsanropning, strukturerad output och resonemangsmoder men kan hänga efter i konversationell anpassning och kreativ dialog.

Prestanda och effektivitet

• Qwen3:30b-instruct excellerar i matematiskt resonemang, kodning, komplexa logiska uppgifter och flerspråkiga scenarioer som täcker 119 språk och dialekter. Dess “tänkande”-läge möjliggör förbättrat resonemang men med högre minneskostnader.
• GPT-OSS:20b uppnår prestanda jämförbar med OpenAIs o3-mini-modell. Den använder färre lager men bredare experter per lager och inbyggd MXFP4-kvantisering för effektiv inferens på konsumenthårdvara med lägre minneskrav (~16 GB jämfört med högre för Qwen3).
• GPT-OSS är cirka 33 % mer minneseffektiv och snabbare på vissa hårdvarukonfigurationer, särskilt på konsument-GPU:er, men Qwen3 ger ofta bättre anpassning och djupare resonemang, särskilt vid komplexa användningsfall.
• Qwen3 har en längre tillgänglig utökad kontextlängd (upp till 262 144 tokens) jämfört med GPT-OSS 128 000 tokens, vilket gynnar uppgifter som kräver förståelse av mycket lång kontext.

Användningsrekommendation

• Välj Qwen3:30b-instruct för användningsfall som kräver överlägsen instruktionföljande, kreativ generering, flerspråkigt stöd och komplexa resonemang.
• Välj GPT-OSS:20b om minneseffektivitet, inferenshastighet på konsumenthårdvara och konkurrenskraftig basprestanda med färre parametrar är prioritet.

Denna jämförelse lyfter fram Qwen3:30b-instruct som en djupare, mer kapabel modell med avancerad instruktionjustering, medan GPT-OSS:20b erbjuder ett mer kompakt och effektivt alternativ med konkurrenskraftig prestanda på standardbenchmarkar.

Benchmarkresultat som specifikt jämför Qwen3:30b-instruct och GPT-OSS:20b för instruktionföljande och nyckelparametrar (MMLU, LMEval, HumanEval) finns inte direkt tillgängliga i sökresultaten. Baseras på befintliga publicerade flerspråkiga och multitask-benchmarkrapporter:

MMLU (Massive Multitask Language Understanding)

Det är svårt att hitta detaljerna, endast:

• Qwen3-seriens modeller, särskilt i 30B-skala och uppåt, visar starka MMLU-resultat som vanligtvis överstiger 89 %, vilket indikerar mycket konkurrenskraftiga kunskapsförståelse- och resonemangsförmågor över 57 olika domäner.
• GPT-OSS:20b presterar också bra på MMLU-benchmarkar men får vanligtvis lägre poäng än större Qwen-modeller på grund av färre parametrar och mindre betoning på instruktionjustering.

LMEval (Language Model Evaluation Toolkit)

Inte många detaljer just nu:

• Qwen3-modellerna visar avsevärd förbättring i resonemang och kodrelaterade uppgifter inom LMEval, med förbättrade poäng på logik, matematiskt resonemang och allmänna förmågor.
• GPT-OSS:20b ger robust basprestanda på LMEval men hänger generellt efter Qwen3:30b-instruct på avancerade resonemang- och instruktionföljandesubuppgifter.

HumanEval (Kodgenereringsbenchmark)

Inte mycket data, endast:

• Qwen3:30b-instruct visar stark prestanda på flerspråkiga kodgenereringsbenchmarkar som HumanEval-XL, med stöd för över 20 programmeringsspråk och överlägsen noggrannhet i korslingvistisk kodgenerering.
• GPT-OSS:20b, även om konkurrenskraftig, presterar något sämre än Qwen3:30b-instruct i HumanEval-benchmarkar, särskilt i flerspråkiga och multi-språkliga programmeringskontexter på grund av mindre omfattande flerspråkig träning.

Sammanfattningstabell (ungefärliga trender från litteraturen):

Om exakta benchmarknummer behövs, ger specialiserade flerspråkiga storskaliga benchmarkar som P-MMEval och HumanEval-XL, refererade i senaste forskningsartiklar, detaljerade poäng för modeller inklusive Qwen3 och jämförbara GPT-OSS-variationer, men dessa är inte offentligt strömlinjeformade för direkt sida-vid-sida-poänghämtning just nu.

Qwen3:30b och GPT-OSS:20b hastighetsjämförelse

På min hårdvara (16 GB VRAM) får jag Qwen3:30b och GPT-OSS:20b att köra med 4000 tokens kontextfönster, och de producerar:

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

Och för jämförelse har jag också testat qwen3:14b och gpt-oss:120b

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

Vid längre kontextfönster kommer hastigheten att vara långsammare, i fallet med qwen3:30b-a3b troligen mycket långsammare. Detta gäller dock bara på min dator. Tekniska detaljer från verbose-output och allokerat minne visas nedan, kommandon att prova:

• ollama run qwen3:30b-a3b –verbose describe weather difference between state capitals in australia
• ollama ps som visar minnesallokering vid 4K-kontext

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

Qwen3:30b-variationer

Det finns tre variationer av qwen3:30b-modellen tillgängliga: qwen3:30b, qwen3:30b-instruct och qwen3:30b-thinking.

Viktiga skillnader & rekommendationer

• qwen3:30b-instruct är bäst för konversationer där användarinstruktioner, tydlighet och naturlig dialog prioriteras.
• qwen3:30b är den allmänna grunden, lämplig om både instruktionföljande och verktygsanvändning är viktigt över olika uppgifter.
• qwen3:30b-thinking excellerar när djupt resonemang, matematik och kodning är huvudfokus. Den överträffar de andra i uppgifter som mäter logisk/matematisk rigor men är inte nödvändigtvis bättre för kreativt skrivande eller avslappnade konversationer.

Direkt benchmarkjämförelse

För fler benchmarkresultat, hårdvaroval och prestandastyning, kolla vår LLM-prestanda: Benchmark, flaskhals & optimering hub.

Användbara länkar

• 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
• Installera och konfigurera Ollama
• Ollama-fusk - de mest användbara kommandona
• Begränsa LLM:er med strukturerad output: Ollama, Qwen3 & Python eller Go
• Integrera Ollama med Python: REST API och Python-klientexempel