Qwen · 2025-04 · スパースMoE

Qwen3 30B A3B

Qwen3 30B A3B は Qwen が 2025-04 に公開したグループ化クエリ注意（GQA） Transformer です。48 層、隠れ次元 2048、コンテキスト長 262,144 トークン。

層スタック

注意機構 ×48 · 層数 48

同梱の config.json に基づき作図 · 48 層 / 隠れ次元 2,048 / コンテキスト 262,144。図は本サイトのオリジナルです。

グループ化クエリ注意（GQA） — 32 q-heads / 4 kv-heads. RoPE θ=10,000,000.

スパースなMixture-of-Expertsモデルで、128 個のルーティングエキスパートと top-8 ルーティングを持ち、トークンごとに約 3.2B のパラメータが活性化します。

同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。

前世代 Qwen3 235B A22B との全フィールド比較

モデル	Qwen3 30B A3B	Qwen3 235B A22B	倍数
model_type	`qwen3_moe`	`qwen3_moe`	＝
architectures	`Qwen3MoeForCausalLM`	`Qwen3MoeForCausalLM`	＝
hidden_size	`2048`	`4096`	×0.500
num_hidden_layers	`48`	`94`	×0.511
num_attention_heads	`32`	`64`	×0.500
num_key_value_heads	`4`	`4`	≈1
head_dim	`128`	`128`	≈1
intermediate_size	`6144`	`12288`	×0.500
hidden_act	`silu`	`silu`	＝
num_experts_per_tok	`8`	`8`	≈1
moe_intermediate_size	`768`	`1536`	×0.500
rope_theta	`10000000`	`5000000`	×2.00
max_position_embeddings	`262144`	`262144`	≈1
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`151936`	`151936`	≈1
torch_dtype	`bfloat16`	`bfloat16`	＝
attention_bias	`false`	`false`	＝
attention_dropout	`0`	`0`	＝
bos_token_id	`151643`	`151643`	≈1
decoder_sparse_step	`1`	`1`	≈1
eos_token_id	`151645`	`151645`	≈1
initializer_range	`0.02`	`0.02`	≈1
max_window_layers	`48`	`94`	×0.511
norm_topk_prob	`true`	`true`	＝
num_experts	`128`	`128`	≈1
output_router_logits	`false`	`false`	＝

Hunyuan-TurboS 30B A3B (Hunyuan, 2026-05) 1.000
Qwen3.6 35B A3B (Qwen, 2026-04) 0.999
GPT-OSS 120B (OpenAI, 2025-08) 0.997
GLM-4.5-Air (GLM, 2025-07) 0.997
Qwen3-Next 80B A3B (Qwen, 2025-09) 0.997
Qwen3-Coder-Next (Qwen, 2026-01) 0.997

類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。

31 フィールド