Qwen2.5 Coder 32B Instruct
4997°
<qwen25-32b>
Le app che supportano i tag di ModelTrends ti permettono di eseguire/installare modelli copiando questo codice nel tuo prompt senza configurazioni. Cerca la nostra icona nelle app che lo supportano, come Prism (qui sotto).
Esegui questo modello
Offerte / Annunci
Easy Creator (Prism) Web
Illimitato · tariffa fissa
Ideale per principianti. Flussi di lavoro potenti, curva di apprendimento bassa.
PirateDiffusion Telegram
Illimitato · tariffa fissa
Crea video, immagini, personaggi chat personalizzati e altro.
Pro studio (SpyGlass) Web
Illimitato · tariffa fissa
Sfoglia modelli, rendi e affina da qualsiasi browser o telefono.
Discord bot (Vector)
Illimitato · tariffa fissa
Aggiungi Vector al tuo server o unisciti al Discord di Vector. Crea qualsiasi cosa!
Unified Editor Web
Illimitato · tariffa fissa
Editor per immagini e video: rendi, modifica, migliora e altro tutto in una pagina.
OpenRouter Terminale / API
Paga per token
Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.
App locali Locale
Richiede configurazione
Installa programmi locali se il tuo computer ha l’hardware adatto.
ModelDuel Web
Paga per uso
Genera lo stesso prompt su fino a 50 modelli checkpoint/base contemporaneamente.
Guide per questo modello
Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna
Quanta VRAM serve davvero per l'AI locale?
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
qwen | contesto da 32.768 token | $0.66/M input, $1.00/M output. Qwen2.5-Coder è l'ultima serie di grandi modelli linguistici Qwen specifici per il codice (precedentemente noti come CodeQwen). Qwen2.5-Coder porta i seguenti miglioramenti rispetto a CodeQwen1.5: Per saperne di più sui risultati della valutazione, consulta il blog di Qwen 2.5 CoderOpens in new tab.
Note del capitano
Note del 2026-10-13
Qwen2.5 Coder 32B Instruct è il modello di punta di Alibaba specifico per il codice, addestrato su 5,5 trilioni di token di codice sorgente e dati correlati. Il produttore afferma che la sua capacità di codifica è pari a GPT-4o, un traguardo ambizioso per un modello a pesi aperti a questo prezzo. È adatto agli sviluppatori che vogliono un modello serio per il codice da auto-ospitare o usare a basso costo via API.
Conosciuto per
- Generazione, correzione e ragionamento sul codice addestrati su 5,5 trilioni di token
- Pesi aperti: scaricalo ed eseguilo sul tuo hardware
- Finestra di contesto nativa di 131.072 token, estendibile tramite YaRN
- Mantiene forti capacità matematiche e di ragionamento generale oltre al codice
- Disponibile in sei dimensioni da 0,5B a 32B per diversi budget hardware
Attenzione a
- La configurazione predefinita config.json limita la finestra a 32.768 token; devi abilitare manualmente YaRN per input più lunghi.
- I pesi da 32B richiedono molta VRAM per l'esecuzione locale a piena precisione.
- Richiede transformers 4.37.0 o superiore, altrimenti si verifica un KeyError silenzioso al caricamento.
Prompt da provare
Debug di una funzione rotta
Ecco una funzione Python che dovrebbe analizzare un file CSV e restituire una lista di dizionari, ma scarta silenziosamente l'ultima riga. Trova il bug, spiega perché succede e restituisci una versione corretta con un breve commento sulla correzione.
```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
```
Progetta un piccolo agente di codice
Scrivi un piccolo ciclo agente Python che accetta un obiettivo utente come stringa, chiama uno strumento chiamato run_shell(cmd) per eseguire comandi bash, legge l'output e decide se chiamare un altro strumento o restituire una risposta finale. Includi la gestione degli errori per codici di uscita diversi da zero e un limite massimo di dieci chiamate a strumenti.
Rifattorizza per leggibilità
Rifattorizza il seguente JavaScript per renderlo più leggibile e manutenibile. Non cambiare il comportamento. Spiega ogni modifica con un breve commento sopra la riga interessata.
```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}
```
Confronta con
- Qwen3.8 Max (0902)Modello solo APIContesto di 1,000,000 token · Input $2.00/M, output $6.00/M
- Qwen3.7 PlusModello solo APIContesto di 1,000,000 token · Input $0.32/M, output $1.28/M
- Qwen3.6 PlusModello solo APIContesto di 1,000,000 token · Input $0.33/M, output $1.95/M
- Qwen3.6 Max PreviewModello solo APIContesto di 262,144 token · Input $1.03/M, output $6.16/M
Altri modelli di testo da qwen
Domande frequenti
- Posso eseguire Qwen2.5 Coder 32B localmente?
- Sì, i pesi sono aperti e ospitati su Hugging Face in Qwen/Qwen2.5-Coder-32B-Instruct. Serve una macchina con abbastanza VRAM o RAM per caricare un modello da 32B; versioni quantizzate GGUF sono disponibili dalla community per configurazioni con meno memoria.
- Quanto costa via API e quanto è lunga la finestra di contesto?
- Il prezzo su OpenRouter è $0,66 per milione di token in input e $1,00 per milione di token in output. La lunghezza massima del contesto è 131.072 token, anche se devi abilitare YaRN nella configurazione per usare oltre 32.768 token nella maggior parte delle installazioni locali.
- Come si confronta il 32B con le versioni più piccole di Qwen2.5 Coder?
- Qwen2.5 Coder è disponibile in sei dimensioni da 0,5B a 32B; il 32B è il top di gamma e quello che il produttore confronta con GPT-4o. Le versioni più piccole sacrificano un po' di capacità di codifica per requisiti hardware molto più bassi.
Verdetto del capitanoIl modello di codifica a pesi aperti più potente che puoi effettivamente auto-ospitare, a un prezzo che rende difficile giustificare GPT-4o per lavori puramente di codice.
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.
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.
Qwen2.5 Coder 32B 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, controlla il punteggio di calore per vedere la tendenza e aprilo su PirateDiffusion o BitVector per provarlo.
Altri modelli Text / LLMAltri Testo / LLM Text / LLMllmqwenprogrammazioneagentimatematicacontesto lungolocale
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153