Qwen2.5 Coder 32B Instruct
4997°
<qwen25-32b>
支援 ModelTrends 標籤的應用程式，讓你只要在提示詞中複製這段程式碼就能執行或安裝模型，無需設定。請在支援的應用程式中尋找我們的圖示，例如下方的 Prism。
執行此模型
優惠／廣告
Easy Creator (Prism) 網頁
無限 · 固定費用
最適合初學者。強大的工作流程，學習曲線低。
PirateDiffusion Telegram
無限 · 固定費用
創建影片、圖片、自訂聊天角色等更多內容。
Pro studio (SpyGlass) 網頁
無限 · 固定費用
從任何瀏覽器或手機瀏覽模型、渲染並精修。
Discord bot (Vector)
無限 · 固定費用
將 Vector 加入你的伺服器或加入 Vector Discord。創造任何東西！
Unified Editor 網頁
無限 · 固定費用
影像與影片編輯器：在同一頁面渲染、編輯、放大等功能。
OpenRouter 終端機 / API
每個代幣付費
在瀏覽器中與此模型聊天，或用一組 API 金鑰從你的程式碼呼叫它。
本地應用程式
需設定
如果你的電腦硬體夠強，可以安裝本地程式。
ModelDuel 網頁
按次付費
一次在最多 50 個檢查點/基礎模型上產生相同的提示。
本模型的指南
Ollama vs LM Studio (2026)：該用哪個本地 AI 應用程式，以及各自支援的頂級模型
我到底需要多少 VRAM 才能在本地跑 AI？
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
qwen | 32,768 token context | $0.66/M input, $1.00/M output. Qwen2.5-Coder 是最新系列的程式碼專用 Qwen 大型語言模型（前稱 CodeQwen）。Qwen2.5-Coder 相較 CodeQwen1.5 帶來多項改進：詳細評測結果請參閱 Qwen 2.5 Coder 部落格Opens in new tab。
船長筆記
2026-10-13 的筆記
Qwen2.5 Coder 32B Instruct 是阿里巴巴的旗艦程式碼專用模型，訓練資料涵蓋 5.5 兆字元的原始碼及相關資料。製作者宣稱其編碼能力可媲美 GPT-4o，對於這個價格的開放權重模型來說是相當大膽的標竿。適合想要嚴肅編碼模型且可自行部署或透過 API 低成本使用的開發者。
以...聞名
- 基於 5.5 兆字元訓練的程式碼生成、修正與推理能力
- 開放權重：可下載並在自有硬體上運行
- 原生上下文視窗為 131,072 字元，可透過 YaRN 擴展
- 除了編碼外，仍保有強大的數學與一般推理能力
- 提供從 0.5B 到 32B 六種規模，適應不同硬體預算
注意
- 預設 config.json 將上下文限制在 32,768 字元，需手動啟用 YaRN 才能使用更長輸入。
- 32B 權重需大量 VRAM 才能本地全精度運行。
- 需 transformers 4.37.0 或更新版本，否則載入時會遇到無聲的 KeyError。
可嘗試的提示詞
除錯有問題的函式
這是一個 Python 函式，應該解析 CSV 檔並回傳字典列表，但它會悄悄遺漏最後一列。找出錯誤，說明原因，並回傳修正版本，附上簡短修正說明。
```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
```
設計小型程式代理
撰寫一個簡易 Python 代理迴圈，接受使用者目標字串，呼叫名為 run_shell(cmd) 的工具執行 bash 指令，讀取輸出，決定是否呼叫另一工具或回傳最終答案。包含非零退出碼的錯誤處理，並限制最多呼叫十次工具。
為可讀性重構
重構以下 JavaScript 程式碼，使其更易讀且易維護，不改變行為。每項修改前以簡短註解說明。
```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}
```
比較
- Qwen3.8 Max (0902)僅限 API 模型1,000,000 代幣上下文 · $2.00/M 輸入，$6.00/M 輸出
- Qwen3.7 Plus僅限 API 模型1,000,000 代幣上下文 · $0.32/M 輸入，$1.28/M 輸出
- Qwen3.6 Plus僅限 API 模型1,000,000 代幣上下文 · $0.33/M 輸入，$1.95/M 輸出
- Qwen3.6 Max Preview僅限 API 模型262,144 代幣上下文 · $1.03/M 輸入，$6.16/M 輸出
更多來自 qwen 的文字模型
常見問題
- 我可以本地運行 Qwen2.5 Coder 32B 嗎？
- 可以，權重開放並托管於 Hugging Face（Qwen/Qwen2.5-Coder-32B-Instruct）。需具備足夠 VRAM 或 RAM 的機器；社群也提供量化 GGUF 版本，適合記憶體較低的環境。
- API 費用與上下文長度是多少？
- OpenRouter 收費為每百萬輸入字元 0.66 美元，每百萬輸出字元 1.00 美元。完整上下文長度為 131,072 字元，但多數本地部署需在 config 中啟用 YaRN 才能超過 32,768 字元。
- 32B 與較小的 Qwen2.5 Coder 規模有何差異？
- Qwen2.5 Coder 提供 0.5B 到 32B 六種規模；32B 為最高階，製作者以此與 GPT-4o 進行基準比較。較小規模在編碼能力上略有折衷，但硬體需求大幅降低。
船長評語你能自行部署的最強開放權重程式碼模型，價格合理，讓 GPT-4o 在純程式碼工作上難以取代。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
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.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
Qwen2.5 Coder 32B Instruct 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較、查看熱度分數了解趨勢,並在 PirateDiffusion 或 BitVector 上試用。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153