Kann ich Qwen2.5 Coder 32B lokal ausführen?

Ja, die Gewichte sind offen und auf Hugging Face unter Qwen/Qwen2.5-Coder-32B-Instruct gehostet. Sie benötigen eine Maschine mit ausreichend VRAM oder RAM, um ein 32B-Modell zu laden; quantisierte GGUF-Versionen sind von der Community für speicherschwächere Setups verfügbar.

Was kostet es via API und wie groß ist der Kontext?

Die Preise bei OpenRouter betragen $0,66 pro Million Eingabetokens und $1,00 pro Million Ausgabetokens. Die volle Kontextlänge beträgt 131.072 Tokens, allerdings muss YaRN in der Konfiguration aktiviert werden, um über 32.768 Tokens hinaus lokale Eingaben zu nutzen.

Wie vergleicht sich das 32B-Modell mit kleineren Qwen2.5 Coder-Größen?

Qwen2.5 Coder gibt es in sechs Größen von 0,5B bis 32B; das 32B ist das Spitzenmodell und wird vom Hersteller mit GPT-4o verglichen. Kleinere Größen tauschen etwas Codierungsfähigkeit gegen deutlich geringere Hardwareanforderungen ein.

Qwen2.5 Coder 32B Instruct

4997°

#llm #qwen #programmieren #agenten #mathematik #langer kontext

Läuft auf Graydient

Modell ausführen

Angebote / Werbung

Easy Creator (Prism) Web

Unbegrenzt · Pauschalpreis

Am besten für Anfänger. Leistungsstarke Workflows, geringe Lernkurve.

PirateDiffusion Telegram

Unbegrenzt · Pauschalpreis

Erstelle Videos, Bilder, individuelle Chat-Personas und mehr.

Pro studio (SpyGlass) Web

Unbegrenzt · Pauschalpreis

Durchsuche Modelle, rendere und verfeinere von jedem Browser oder Handy aus.

Discord bot (Vector)

Unbegrenzt · Pauschalpreis

Füge Vector zu deinem Server hinzu oder tritt dem Vector Discord bei. Erschaffe alles!

Unified Editor Web

Unbegrenzt · Pauschalpreis

Editor für Bilder und Videos: rendern, bearbeiten, hochskalieren und mehr auf einer Seite.

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

Lokale Apps

Einrichtung erforderlich

Richte lokale Programme ein, wenn dein Computer leistungsstark genug ist.

ModelDuel Web

Bezahlen pro Nutzung

Erzeuge denselben Prompt gleichzeitig auf bis zu 50 Checkpoint-/Basismodellen.

GPU in der Cloud mieten

Graydient Cloud GPU

Unbegrenzt · Pauschalpreis

Pauschalpreis, unbegrenzte Nutzung. Dieses Modell mit einem Klick installieren.

RunPod Cloud GPU

Abrechnung pro Minute

GPU pro Minute mieten und Modell selbst einrichten.

Anleitungen zu diesem Modell

Ollama vs LM Studio (2026): Welche lokale KI-App soll man nutzen und welche Top-Modelle laufen auf jeder?

Wie viel VRAM brauche ich eigentlich für lokale KI?

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

qwen | 32.768 Token Kontext | $0,66/M Eingabe, $1,00/M Ausgabe. Qwen2.5-Coder ist die neueste Serie der Code-spezifischen Qwen-Großsprachmodelle (früher bekannt als CodeQwen). Qwen2.5-Coder bringt folgende Verbesserungen gegenüber CodeQwen1.5: Um mehr über die Bewertungsergebnisse zu erfahren, siehe den Blog zu Qwen 2.5 CoderOpens in new tab.

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Qwen2.5 Coder 32B Instruct ist Alibabas Flaggschiffmodell speziell für Code, trainiert auf 5,5 Billionen Tokens Quellcode und verwandten Daten. Der Hersteller behauptet, seine Programmierfähigkeit sei mit GPT-4o vergleichbar, was für ein Open-Weights-Modell zu diesem Preis eine hohe Messlatte ist. Es eignet sich für Entwickler, die ein ernsthaftes Codierungsmodell selbst hosten oder günstig per API nutzen wollen.

Bekannt für

Codegenerierung, -korrektur und -reasoning, trainiert auf 5,5 Billionen Tokens
Offene Gewichte: herunterladen und auf eigener Hardware ausführen
Natives Kontextfenster von 131.072 Tokens, erweiterbar via YaRN
Behält starke Mathematik- und allgemeine Reasoning-Fähigkeiten neben dem Coding bei
Erhältlich in sechs Größen von 0,5B bis 32B für verschiedene Hardwarebudgets

Achte auf

Standard config.json begrenzt Kontext auf 32.768 Tokens; YaRN muss manuell für längere Eingaben aktiviert werden.
32B-Gewichte erfordern viel VRAM für lokale Ausführung in voller Präzision.
Benötigt transformers 4.37.0 oder neuer, sonst tritt beim Laden ein stiller KeyError auf.

Am besten für

Programmieren

Agenten und Werkzeugnutzung

Mathematik

Langer Kontext

Lokal ausführbar

Prompts zum Ausprobieren

Eine fehlerhafte Funktion debuggen

Hier ist eine Python-Funktion, die eine CSV-Datei parsen und eine Liste von Dictionaries zurückgeben soll, aber die letzte Zeile wird stillschweigend weggelassen. Finden Sie den Fehler, erklären Sie, warum er passiert, und geben Sie eine korrigierte Version mit kurzem Kommentar zur Korrektur zurück. ```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 ```

Einen kleinen Code-Agenten entwerfen

Schreiben Sie eine minimale Python-Agenten-Schleife, die ein Nutzerziel als String annimmt, ein Tool namens run_shell(cmd) aufruft, um Bash-Befehle auszuführen, die Ausgabe liest und entscheidet, ob ein weiteres Tool aufgerufen oder eine finale Antwort zurückgegeben wird. Fügen Sie Fehlerbehandlung für Nicht-Null-Exit-Codes und eine feste Grenze von zehn Tool-Aufrufen hinzu.

Für bessere Lesbarkeit refaktorieren

Refaktorieren Sie den folgenden JavaScript-Code, damit er leichter lesbar und wartbar ist. Ändern Sie das Verhalten nicht. Erklären Sie jede Änderung in einem kurzen Kommentar über der jeweiligen Zeile. ```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} ```

Vergleichen mit

Qwen3.8 Max (0902)
Nur API-Modell
1,000,000 Token Kontext · $2.00/M Eingabe, $6.00/M Ausgabe
Qwen3.7 Plus
Nur API-Modell
1,000,000 Token Kontext · $0.32/M Eingabe, $1.28/M Ausgabe
Qwen3.6 Plus
Nur API-Modell
1,000,000 Token Kontext · $0.33/M Eingabe, $1.95/M Ausgabe
Qwen3.6 Max Preview
Nur API-Modell
262,144 Token Kontext · $1.03/M Eingabe, $6.16/M Ausgabe

Mehr Textmodelle von qwen

Häufig gestellte Fragen

Kann ich Qwen2.5 Coder 32B lokal ausführen?: Ja, die Gewichte sind offen und auf Hugging Face unter Qwen/Qwen2.5-Coder-32B-Instruct gehostet. Sie benötigen eine Maschine mit ausreichend VRAM oder RAM, um ein 32B-Modell zu laden; quantisierte GGUF-Versionen sind von der Community für speicherschwächere Setups verfügbar.
Was kostet es via API und wie groß ist der Kontext?: Die Preise bei OpenRouter betragen $0,66 pro Million Eingabetokens und $1,00 pro Million Ausgabetokens. Die volle Kontextlänge beträgt 131.072 Tokens, allerdings muss YaRN in der Konfiguration aktiviert werden, um über 32.768 Tokens hinaus lokale Eingaben zu nutzen.
Wie vergleicht sich das 32B-Modell mit kleineren Qwen2.5 Coder-Größen?: Qwen2.5 Coder gibt es in sechs Größen von 0,5B bis 32B; das 32B ist das Spitzenmodell und wird vom Hersteller mit GPT-4o verglichen. Kleinere Größen tauschen etwas Codierungsfähigkeit gegen deutlich geringere Hardwareanforderungen ein.

Captain's Urteil
Das stärkste Open-Weights-Codierungsmodell, das Sie tatsächlich selbst hosten können, zu einem Preis, der GPT-4o für reine Codearbeit schwer rechtfertigbar macht.

Model Card auf Hugging Face

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

Muse Spark 1.3 Contributor

TEXT / LLM

Nano Banana 2 (Gemini 3.1 Flash Image)

KI-Modelle für Bild-, Video- und Texterzeugung

Qwen2.5 Coder 32B Instruct ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen, prüfe den Hitzewert, um den Trend zu sehen, und öffne es auf PirateDiffusion oder BitVector, um es auszuprobieren.

Weitere Text / LLM-Modelle llm qwen programmieren agenten mathematik langer kontext lokal

Nach Modellfamilie stöbern