Originalarbeiterreichbar
Qwen, Modellkarte Qwen3-4B-Instruct-2507
huggingface.co (externe Seite)
Die Modellkarte des Sprachmodells mit 4,0 Milliarden Parametern, das im Diktier-Bericht als lokale Glättung läuft. Nach eigener Angabe die nachgezogene Fassung von Qwen3-4B ohne Denkmodus: 36 Schichten, 262.144 Token Kontext, Lizenz Apache 2.0, und die Karte sagt ausdrücklich, dass das Modell keine Denkblöcke erzeugt. Die Benchmark-Tabelle stellt es neben GPT-4.1 nano und die eigene Fassung mit 30 Milliarden Parametern; alle Zahlen sind Selbstauskunft des Anbieters.
geprüft 10.11.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 28.09.2026:
We introduce the updated version of the Qwen3-4B non-thinking mode
bestätigt 10.11.2026Context Length: 262,144 natively
bestätigt 10.11.2026Qwen3 excels in tool calling capabilities.
bestätigt 10.11.2026If you encounter out-of-memory (OOM) issues, consider reducing the context length to a shorter value, such as 32,768
bestätigt 10.11.2026
Warum ich eine eigene Diktier-App gebaut habe01 Wie ein Modell innen gebaut ist04 Was ein Modell an Hardware braucht