Qwen2.5 Coder 32B Instruct
4997°
<qwen25-32b>
支持 ModelTrends 标签的应用允许你通过在提示中复制这段代码来运行/安装模型，无需任何设置。请在支持该功能的应用中寻找我们的图标，比如下面的 Prism。
运行此模型
优惠 / 广告
Easy Creator (Prism) 网页
不限量 · 固定费用
最适合初学者。强大的工作流程，学习曲线低。
PirateDiffusion Telegram
不限量 · 固定费用
创建视频、图像、自定义聊天角色等。
Pro studio (SpyGlass) 网页
不限量 · 固定费用
从任何浏览器或手机浏览模型、渲染和优化。
Discord bot (Vector)
不限量 · 固定费用
将 Vector 添加到你的服务器或加入 Vector Discord。创造任何东西！
Unified Editor 网页
不限量 · 固定费用
图像和视频编辑器：在同一页面渲染、编辑、放大等。
OpenRouter 终端 / API
按令牌付费
在浏览器中与此模型聊天，或使用一个 API 密钥从代码中调用它。
本地应用
需设置
如果你的电脑硬件够好，可以安装本地程序。
ModelDuel 网页
按次付费
一次在多达50个检查点/基础模型上生成相同的提示。
本模型的指南
全部指南
qwen | 32,768 令牌上下文 | $0.66/M 输入，$1.00/M 输出。Qwen2.5-Coder 是最新一代专注代码的 Qwen 大语言模型系列（前称 CodeQwen）。相比 CodeQwen1.5，Qwen2.5-Coder 带来了多项改进。更多评测结果请查看 Qwen 2.5 Coder 的博客Opens in new tab。
船长笔记
2026-10-13 的笔记
Qwen2.5 Coder 32B Instruct 是阿里巴巴的旗舰代码专用模型，训练数据包含 5.5 万亿令牌的源代码及相关内容。厂商声称其编码能力可匹敌 GPT-4o，这对于同价位的开放权重模型来说是个大胆的目标。适合希望自托管或通过低价 API 使用强大编码模型的开发者。
以……著称
- 基于 5.5 万亿令牌训练的代码生成、修复和推理能力
- 开放权重：可下载并在自有硬件上运行
- 131,072 令牌的原生上下文窗口，可通过 YaRN 扩展
- 在编码之外保持强大的数学和通用推理能力
- 提供从 0.5B 到 32B 六个规模，适配不同硬件预算
注意
- 默认 config.json 将上下文限制为 32,768 令牌，需手动启用 YaRN 才能支持更长输入。
- 32B 权重体积大，本地运行需大量显存。
- 需要 transformers 4.37.0 及以上版本，否则加载时会遇到无声的 KeyError。
推荐尝试的提示词
调试损坏函数
这是一个 Python 函数，旨在解析 CSV 文件并返回字典列表，但它会悄无声息地丢失最后一行。找出错误，解释原因，并返回修正版本，附简短注释说明修复内容。
```python
def parse_csv(path):
rows = []
with open(path) as f:
headers = f.readline().strip().split(',')
for line in f:
rows.append(dict(zip(headers, line.strip().split(','))))
return rows
```
设计小型代码代理
编写一个最简 Python 代理循环，接受用户目标字符串，调用名为 run_shell(cmd) 的工具执行 bash 命令，读取输出，并决定是否调用其他工具或返回最终答案。包含对非零退出码的错误处理和最多十次工具调用的硬限制。
为可读性重构
重构以下 JavaScript 代码，使其更易读易维护，不改变行为。对每处修改，在相关代码行上方简短注释说明原因。
```js
function p(a,b,c){return a.filter(x=>x>b&&x<c).reduce((s,x)=>s+x,0)/a.filter(x=>x>b&&x<c).length||0}
```
与……比较
- Qwen3.8 Max (0902)仅限API模型1,000,000 令牌上下文 · $2.00/M 输入，$6.00/M 输出
- Qwen3.7 Plus仅限API模型1,000,000 令牌上下文 · $0.32/M 输入，$1.28/M 输出
- Qwen3.6 Plus仅限API模型1,000,000 令牌上下文 · $0.33/M 输入，$1.95/M 输出
- Qwen3.6 Max Preview仅限API模型262,144 令牌上下文 · $1.03/M 输入，$6.16/M 输出
来自 qwen 的更多文本模型
常见问题
- 我能本地运行 Qwen2.5 Coder 32B 吗？
- 可以，权重开放并托管在 Hugging Face（Qwen/Qwen2.5-Coder-32B-Instruct）。需要具备足够显存或内存的机器；社区提供了量化的 GGUF 版本，适合内存较低的设备。
- API 费用和上下文长度是多少？
- OpenRouter 价格为每百万输入令牌 0.66 美元，每百万输出令牌 1.00 美元。完整上下文长度为 131,072 令牌，但大多数本地部署需在配置中启用 YaRN 才能使用超过 32,768 令牌。
- 32B 版本与较小的 Qwen2.5 Coder 有何区别？
- Qwen2.5 Coder 提供从 0.5B 到 32B 六个规模；32B 是顶级版本，厂商以其与 GPT-4o 进行基准对比。较小版本在编码能力上有所折衷，但硬件需求大幅降低。
船长评语你能自托管的最强开放权重代码模型，价格优势明显，让 GPT-4o 在纯代码任务上难以自圆其说。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Qwen2.5 Coder 32B Instruct 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，查看热度分数了解趋势，并在 PirateDiffusion 或 BitVector 上打开试用。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153