Posso eseguire Qwen2.5 72B localmente?

Sì, i pesi sono aperti e disponibili su Hugging Face sotto la licenza Tongyi Qianwen. Con 72B parametri servirà molta VRAM — versioni quantizzate GGUF riducono notevolmente i requisiti hardware.

Quanto costa e quanto contesto supporta?

Via API costa $0,36 per milione di token in input e $0,40 per milione di token in output. Il modello supporta fino a 128K token di contesto, anche se la configurazione predefinita è a 32K e l'estensione richiede l'attivazione di YaRN.

In cosa differisce il 72B dai modelli Qwen2.5 più piccoli?

Qwen2.5 va da 0,5B a 72B; il 72B è il più grande e capace, con le migliori prestazioni in programmazione, matematica e output strutturato — le varianti più piccole scambiano capacità per velocità e costi hardware inferiori.

Qwen2.5 72B Instruct

2591°

#llm #qwen #programmazione #matematica #multilingue #locale

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

qwen | contesto da 32.768 token | $0,36/M input, $0,40/M output. Qwen2.5 72B è l'ultima serie di grandi modelli linguistici Qwen. Qwen2.5 porta i seguenti miglioramenti rispetto a Qwen2: Significativamente più conoscenza e capacità molto migliorate in programmazione e matematica, grazie ai nostri modelli esperti specializzati in questi domini. Miglioramenti significativi nel seguire istruzioni, generare testi lunghi (oltre 8K token), comprendere dati strutturati (es. tabelle) e generare output strutturati, specialmente JSON. Più resiliente alla diversità di prompt di sistema, migliorando…qwen | contesto da 32.768 token | $0,36/M input, $0,40/M output. Qwen2.5 72B è l'ultima serie di grandi modelli linguistici Qwen. Qwen2.5 porta i seguenti miglioramenti rispetto a Qwen2: Significativamente più conoscenza e capacità molto migliorate in programmazione e matematica, grazie ai nostri modelli esperti specializzati in questi domini. Miglioramenti significativi nel seguire istruzioni, generare testi lunghi (oltre 8K token), comprendere dati strutturati (es. tabelle) e generare output strutturati, specialmente JSON. Più resiliente alla diversità di prompt di sistema, migliorando l'implementazione di giochi di ruolo e impostazioni condizionali per chatbot. Supporto per contesti lunghi fino a 128K token e capacità di generare fino a 8K token. Supporto multilingue per oltre 29 lingue, inclusi cinese, inglese, francese, spagnolo, portoghese, tedesco, italiano, russo, giapponese, coreano, vietnamita, tailandese, arabo e altro. L'uso di questo modello è soggetto al Tongyi Qianwen LICENSE AGREEMENTOpens in new tab.

Guide per questo modello

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Qwen2.5 72B Instruct è il modello di punta open-weights di Alibaba, il più grande della famiglia Qwen2.5. Si distingue per forte capacità in programmazione e matematica, output JSON affidabile e vera copertura multilingue in 29 lingue. Se vuoi un modello capace e auto-ospitabile che gestisca compiti strutturati senza continue sollecitazioni, è un'opzione seria.

Conosciuto per

Forte in programmazione e matematica, rafforzato da dati di addestramento specializzati
Output strutturato affidabile, specialmente JSON e comprensione di tabelle
Multilingue in 29 lingue tra cui arabo, giapponese e coreano
Gestisce generazioni lunghe fino a 8K token senza perdere coerenza
Resistente a prompt di sistema vari; si comporta bene in roleplay e chatbot

Attenzione a

La configurazione predefinita limita il contesto a 32K; per arrivare a 128K serve configurazione manuale YaRN.
Si applica la licenza Tongyi Qianwen — non una licenza open source standard; verifica i termini commerciali.
72B richiede VRAM importante per uso locale; pianifica multi-GPU o pesi quantizzati.

Ideale per

Prompt da provare

Debugga e spiega il codice

Ecco una funzione Python che dovrebbe analizzare un file CSV e restituire una lista di dizionari, ma scarta silenziosamente righe quando un campo contiene una virgola tra virgolette. Trova il bug, correggilo e spiega in termini semplici perché l'originale falliva.

Estrai JSON strutturato

Leggi le seguenti note di riunione non strutturate e restituisci un oggetto JSON con chiavi: date, attendees (array), decisions (array) e action_items (array con owner e deadline per ciascuno). Note: 'March 3rd catch-up. Sarah, Tom, and Priya. We agreed to launch the beta on March 20th. Tom will update the docs by March 10th. Priya handles user comms by March 15th.'

Controllo traduzione multilingue

Traduci il seguente disclaimer prodotto dall'inglese in francese, spagnolo e arabo. Poi rivedi ogni traduzione per individuare termini che potrebbero avere significati legali o culturali indesiderati in quel mercato e segnalali con una breve nota. Testo: 'Results may vary. This product is not intended to diagnose, treat, cure, or prevent any disease.'

Confronta con

Qwen3 30B A3B Thinking 2507
Modello solo API
Contesto di 81,920 token · Input $0.20/M, output $2.40/M
Qwen3.5-27B
Modello con pesi aperti
Contesto di 262,144 token · Input $0.26/M, output $2.60/M
Qwen2.5 Coder 32B Instruct
Modello con pesi aperti
Contesto di 32,768 token · Input $0.66/M, output $1.00/M
Qwen3 235B A22B Instruct 2507
Modello con pesi aperti
Contesto di 262,144 token · Input $0.09/M, output $0.55/M

Altri modelli di testo da qwen

Domande frequenti

Posso eseguire Qwen2.5 72B localmente?: Sì, i pesi sono aperti e disponibili su Hugging Face sotto la licenza Tongyi Qianwen. Con 72B parametri servirà molta VRAM — versioni quantizzate GGUF riducono notevolmente i requisiti hardware.
Quanto costa e quanto contesto supporta?: Via API costa $0,36 per milione di token in input e $0,40 per milione di token in output. Il modello supporta fino a 128K token di contesto, anche se la configurazione predefinita è a 32K e l'estensione richiede l'attivazione di YaRN.
In cosa differisce il 72B dai modelli Qwen2.5 più piccoli?: Qwen2.5 va da 0,5B a 72B; il 72B è il più grande e capace, con le migliori prestazioni in programmazione, matematica e output strutturato — le varianti più piccole scambiano capacità per velocità e costi hardware inferiori.

Verdetto del capitano
Un modello open-weights versatile che giustifica la sua dimensione su compiti strutturati, codice e lavoro multilingue — basta sistemare la licenza prima di usarlo in produzione.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

DeepSeek V4 Flash 0423

Modelli di IA per generare immagini, video e testo

Qwen2.5 72B Instruct è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm qwen programmazione matematica multilingue locale estrazione dati

Sfoglia per famiglia di modelli