QwQ
Alibabas Reasoning-Spezialist: erreicht in Mathe/Logik-Benchmarks Werte nahe viel größerer Modelle. Komplett freie Lizenz.
Alibabas Reasoning-Spezialist: erreicht in Mathe/Logik-Benchmarks Werte nahe viel größerer Modelle. Komplett freie Lizenz.
So nutzt du es
Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).
Größen & Hardware
- Verfügbare Größen: 32B
- Empfohlene Hardware (Q4): 24–32 GB
Im Detail
QwQ ist Alibabas dediziertes Reasoning-Modell mit 32 Milliarden Parametern, das komplexe Aufgaben in sichtbaren Denkschritten löst, bevor es antwortet – ähnlich wie DeepSeek-R1, aber unter freier Lizenz. In Mathe- und Logik-Benchmarks erreicht es Werte, die sonst deutlich größeren Modellen vorbehalten sind. Der Preis dafür: Antworten dauern länger und brauchen mehr Tokens, da das Modell laut denkt. Mit 24–32 GB RAM-Bedarf ist es nichts für schwache Rechner, aber für alle, die lokal anspruchsvolle Rechen- oder Logikaufgaben lösen wollen ohne Cloud-Abhängigkeit, eine der stärksten frei verfügbaren Optionen.
Praxis-Tipp
Für knifflige Matheaufgaben oder Logikrätsel den Prompt einfach als Frage stellen und die Denkschritte im Output mitlesen – z. B. „Löse Schritt für Schritt: …“.
Siehe auch
Lizenz & Quelle
Erfahrungen & Kommentare.
Funktioniert der Modell bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
Llama 3.1
Der Meta-Klassiker mit 128K Kontext. 8B ist ein sehr solider Allrounder für schwächere Hardware, spricht ordentlich Deutsch.
Llama 3.3
Leistet laut Meta ungefähr so viel wie das riesige 405B-Modell — der Preis-Leistungs-Tipp, wenn man 64 GB (z. B. Mac Studio) hat.
Llama 4 (Scout / Maverick)
Metas MoE-Generation mit sehr großem Kontext und Bildverständnis. Für Heim-Hardware meist zu groß — eher für Server/Mac Studio 128 GB+.
