Qwen3 Coder 480B A35B Instruct Turbo
3741°
Qwen | contexte de 262 144 tokens | 0,30 $/M entrée, 1,00 $/M sortie. Qwen3-Coder-480B-A35B-Instruct est le modèle de code le plus agentique de Qwen3, offrant des performances significatives en codage agentique, utilisation agentique du navigateur et autres tâches fondamentales de codage, atteignant des résultats comparables à Claude Sonnet.
Guides pour ce modèle
Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire
Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
Notes du capitaine
Notes du 2026-10-13
Qwen3 Coder 480B A35B Instruct Turbo est le modèle phare de codage de Qwen, un MoE sparse de 480 milliards de paramètres qui active 35 milliards de paramètres par passage avant. Il est conçu pour des workflows de codage agentiques — pensez à l'utilisation multi-étapes d'outils, à l'automatisation de navigateur et à la génération de code soutenue — et Qwen positionne ses résultats aux côtés de Claude Sonnet. À 0,30 $ par million de tokens d'entrée, il est bien moins cher que la plupart des concurrents de pointe.
Connu pour
- Codage agentique : tâches multi-étapes, pas seulement des complétions de fichiers uniques.
- Utilisation intégrée du navigateur et appel d'outils dans ses priorités de conception.
- Architecture MoE qui maintient les coûts d'inférence bas malgré 480 milliards de paramètres.
- Fenêtre de contexte de 262 144 tokens gérant de grandes bases de code en un seul passage.
- Positionnement comparable à Claude Sonnet selon les affirmations de Qwen.
Attention à
- API uniquement — aucun poids disponible, vous ne pouvez donc pas l'exécuter localement ou en auto-hébergement.
- Le coût de sortie est de 1,00 $/M tokens ; les boucles agentiques longues avec sortie verbeuse s'accumulent rapidement.
- La revendication de Qwen « comparable à Claude Sonnet » provient du fabricant, pas d'un audit indépendant.
Prompts à essayer
Refactoriser un module confus
Voici un module Python qui gère l'authentification utilisateur. Il s'est développé de façon organique et est maintenant difficile à suivre. Refactorez-le : séparez les responsabilités en classes claires, éliminez les duplications, ajoutez des annotations de type partout, et écrivez un bref commentaire au-dessus de chaque classe expliquant son rôle. Ne changez pas le comportement externe.
Planifier et structurer un agent
Concevez une boucle agentique Python minimale qui peut rechercher sur le web, lire une URL, et écrire un résumé dans un fichier local. Définissez les interfaces des outils, montrez la boucle principale, et expliquez comment vous ajouteriez la gestion des erreurs et la logique de retry sans rendre la boucle fragile.
Déboguer un bug de concurrence
J'ai un service FastAPI où deux endpoints partagent un dictionnaire global et retournent parfois des données obsolètes sous charge. Expliquez-moi la condition de course probable, montrez un reproducer minimal, puis donnez-moi une version corrigée utilisant un primitif de concurrence Python approprié.
Comparer avec
- Qwen3.8 Max (0902)Modèle uniquement APIContexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
- Qwen3.7 PlusModèle uniquement APIContexte de 1,000,000 tokens · entrée $0.32/M, sortie $1.28/M
- Qwen3.6 PlusModèle uniquement APIContexte de 1,000,000 tokens · entrée $0.33/M, sortie $1.95/M
- Qwen3.6 Max PreviewModèle uniquement APIContexte de 262,144 tokens · entrée $1.03/M, sortie $6.16/M
Plus de modèles de texte de qwen
Questions fréquentes
- Puis-je exécuter Qwen3 Coder 480B localement ?
- Non — les poids n'ont pas été publiés, ce modèle est uniquement accessible via API. Vous y accédez par des fournisseurs qui l'hébergent.
- Quel est le coût et la taille du contexte ?
- Le prix est de 0,30 $ par million de tokens d'entrée et 1,00 $ par million de tokens de sortie, avec une fenêtre de contexte de 262 144 tokens.
- En quoi ce modèle diffère-t-il des autres modèles Qwen3 ?
- C'est le modèle de codage agentique le plus poussé de Qwen — il est spécifiquement optimisé pour les tâches multi-étapes de code et l'utilisation de navigateur, plutôt que d'être un modèle généraliste de chat ou de raisonnement.
Verdict du capitaineUn modèle de codage agentique sérieux à un prix d'entrée étonnamment bas — le coût de sortie est celui à surveiller sur les longues sessions.
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
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.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Qwen3 Coder 480B A35B Instruct Turbo est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153