Qwen2.5 Coder 32B Instruct
4997°
<qwen25-32b>
Apps que suportam as tags do ModelTrends permitem que você execute/instale modelos copiando este código no seu prompt, sem precisar configurar nada. Procure nosso ícone em apps que suportam, como o Prism (abaixo).
Executar modelo
Ofertas / Anúncios
Easy Creator (Prism) Web
Ilimitado · taxa fixa
Melhor para iniciantes. Fluxos de trabalho poderosos, curva de aprendizado baixa.
PirateDiffusion Telegram
Ilimitado · taxa fixa
Crie vídeos, imagens, personas de chat personalizadas e muito mais.
Pro studio (SpyGlass) Web
Ilimitado · taxa fixa
Navegue por modelos, renderize e refine de qualquer navegador ou celular.
Discord bot (Vector)
Ilimitado · taxa fixa
Adicione o Vector ao seu servidor ou entre no Discord do Vector. Crie qualquer coisa!
Unified Editor Web
Ilimitado · taxa fixa
Editor para imagens e vídeos: renderize, edite, aumente a resolução e mais em uma única página.
OpenRouter Terminal / API
Pague por token
Converse com este modelo no navegador ou chame-o do seu código com uma chave API.
Apps locais Local
Requer configuração
Instale programas locais se seu computador tiver hardware compatível.
ModelDuel Web
Pague por uso
Gere o mesmo prompt em até 50 modelos checkpoint/base ao mesmo tempo.
Guias para este modelo
Ollama vs LM Studio (2026): qual app de IA local usar e quais os melhores modelos que cada um roda
De quanto VRAM eu realmente preciso para IA local?
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
qwen | contexto de 32.768 tokens | $0,66/M entrada, $1,00/M saída. Qwen2.5-Coder é a série mais recente de grandes modelos de linguagem específicos para código da Qwen (anteriormente conhecidos como CodeQwen). Qwen2.5-Coder traz as seguintes melhorias em relação ao CodeQwen1.5: Para ler mais sobre seus resultados de avaliação, confira o blog do Qwen 2.5 CoderOpens in new tab.
Notas do capitão
Notas de 2026-10-13
Qwen2.5 Coder 32B Instruct é o modelo principal de código da Alibaba, treinado com 5,5 trilhões de tokens de código-fonte e dados relacionados. O fabricante afirma que sua capacidade de codificação é comparável ao GPT-4o, um padrão alto para um modelo de pesos abertos nessa faixa de preço. É ideal para desenvolvedores que querem um modelo sério de codificação que possam hospedar localmente ou usar barato via API.
Conhecido por
- Geração, correção e raciocínio de código treinados com 5,5 trilhões de tokens
- Pesos abertos: baixe e rode no seu próprio hardware
- Janela de contexto nativa de 131.072 tokens, expansível via YaRN
- Mantém forte raciocínio matemático e geral além da codificação
- Disponível em seis tamanhos de 0,5B a 32B para diferentes orçamentos de hardware
Fique atento a
- Configuração padrão do config.json limita contexto a 32.768 tokens; é preciso ativar manualmente o YaRN para entradas maiores.
- Pesos 32B exigem VRAM significativa para rodar localmente em precisão total.
- Requer transformers 4.37.0 ou superior para evitar erro silencioso KeyError na carga.
Sugestões para tentar
Depure uma função quebrada
Aqui está uma função Python que deveria analisar um arquivo CSV e retornar uma lista de dicionários, mas ela descarta silenciosamente a última linha. Encontre o bug, explique por que acontece e retorne uma versão corrigida com um breve comentário sobre a correção.
```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
```
Projete um pequeno agente de código
Escreva um loop mínimo de agente Python que aceite um objetivo do usuário como string, chame uma ferramenta chamada run_shell(cmd) para executar comandos bash, leia a saída e decida se chama outra ferramenta ou retorna uma resposta final. Inclua tratamento de erros para códigos de saída diferentes de zero e limite rígido de dez chamadas de ferramenta.
Refatore para legibilidade
Refatore o seguinte JavaScript para que fique mais fácil de ler e manter. Não altere o comportamento. Explique cada mudança com um comentário curto acima da linha relevante.
```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}
```
Comparar com
- Qwen3.8 Max (0902)Modelo apenas para APIContexto de 1,000,000 tokens · entrada $2.00/M, saída $6.00/M
- Qwen3.7 PlusModelo apenas para APIContexto de 1,000,000 tokens · entrada $0.32/M, saída $1.28/M
- Qwen3.6 PlusModelo apenas para APIContexto de 1,000,000 tokens · entrada $0.33/M, saída $1.95/M
- Qwen3.6 Max PreviewModelo apenas para APIContexto de 262,144 tokens · entrada $1.03/M, saída $6.16/M
Mais modelos de texto de qwen
Perguntas frequentes
- Posso rodar o Qwen2.5 Coder 32B localmente?
- Sim, os pesos são abertos e hospedados no Hugging Face em Qwen/Qwen2.5-Coder-32B-Instruct. Você precisará de uma máquina com VRAM ou RAM suficiente para carregar um modelo 32B; versões quantizadas GGUF estão disponíveis pela comunidade para setups com menos memória.
- Qual o custo via API e qual o tamanho da janela de contexto?
- No OpenRouter, o preço é $0,66 por milhão de tokens de entrada e $1,00 por milhão de tokens de saída. O contexto completo é de 131.072 tokens, embora seja necessário ativar o YaRN na configuração para usar além de 32.768 tokens na maioria das implantações locais.
- Como o 32B se compara aos tamanhos menores do Qwen2.5 Coder?
- O Qwen2.5 Coder vem em seis tamanhos de 0,5B a 32B; o 32B é o topo da linha e o que o fabricante compara ao GPT-4o. Tamanhos menores trocam alguma capacidade de codificação por requisitos de hardware muito menores.
Veredito do capitãoO modelo de codificação de pesos abertos mais forte que você pode realmente hospedar localmente, a um preço que torna difícil justificar o GPT-4o para trabalho puro de código.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
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.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Qwen2.5 Coder 32B Instruct é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM, veja a pontuação de calor para acompanhar a tendência e abra-o no PirateDiffusion ou BitVector para experimentar.
Mais modelos Text / LLMMais Texto / LLM Text / LLMllmqwenprogramaçãoagentesmatemáticacontexto longolocal
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153