Tôi có thể chạy Qwen2.5 Coder 32B cục bộ không?

Có, trọng số mở và được lưu trữ trên Hugging Face tại Qwen/Qwen2.5-Coder-32B-Instruct. Bạn cần máy có đủ VRAM hoặc RAM để tải mô hình 32B; các phiên bản GGUF lượng tử hóa có sẵn từ cộng đồng cho cấu hình bộ nhớ thấp hơn.

Chi phí qua API và độ dài ngữ cảnh là bao nhiêu?

Giá trên OpenRouter là $0.66 cho mỗi triệu token đầu vào và $1.00 cho mỗi triệu token đầu ra. Độ dài ngữ cảnh đầy đủ là 131,072 token, nhưng bạn cần bật YaRN trong cấu hình để dùng vượt 32,768 token trong hầu hết triển khai cục bộ.

32B so với các kích cỡ nhỏ hơn của Qwen2.5 Coder thế nào?

Qwen2.5 Coder có sáu kích cỡ từ 0.5B đến 32B; 32B là lớn nhất và được so sánh với GPT-4o. Các kích cỡ nhỏ hơn đánh đổi một phần khả năng lập trình để giảm yêu cầu phần cứng đáng kể.

Qwen2.5 Coder 32B Instruct

4997°

#llm #qwen #lập trình #tác nhân #toán học #ngữ cảnh dài

Chạy trên Graydient

Chạy mô hình này

Ưu đãi / Quảng cáo

Easy Creator (Prism) Web

Không giới hạn · phí cố định

Tốt nhất cho người mới bắt đầu. Quy trình làm việc mạnh mẽ, dễ học.

PirateDiffusion Telegram

Không giới hạn · phí cố định

Tạo video, hình ảnh, nhân vật chat tùy chỉnh và nhiều hơn nữa.

Pro studio (SpyGlass) Web

Không giới hạn · phí cố định

Duyệt mô hình, render và chỉnh sửa từ bất kỳ trình duyệt hay điện thoại nào.

Discord bot (Vector)

Không giới hạn · phí cố định

Thêm Vector vào máy chủ của bạn hoặc tham gia Discord của Vector. Tạo mọi thứ!

Unified Editor Web

Không giới hạn · phí cố định

Trình chỉnh sửa cho hình ảnh và video: render, chỉnh sửa, nâng cấp và nhiều hơn nữa trên một trang.

OpenRouter Terminal / API

Trả theo token

Trò chuyện với mô hình này trên trình duyệt hoặc gọi nó từ mã của bạn với một khóa API.

Ứng dụng cục bộ

Cần thiết lập

Cài đặt các chương trình local nếu máy tính của bạn có phần cứng đủ mạnh.

ModelDuel Web

Trả theo lượt dùng

Tạo cùng một lệnh trên tối đa 50 mô hình checkpoint/cơ sở cùng lúc.

Thuê GPU trên đám mây

Graydient Cloud GPU

Không giới hạn · phí cố định

Phí cố định, dùng không giới hạn. Mô hình này cài đặt chỉ với một lần nhấp.

RunPod Cloud GPU

Tính phí theo phút

Thuê GPU theo phút và tự thiết lập mô hình.

Hướng dẫn cho mô hình này

Ollama vs LM Studio (2026): nên dùng ứng dụng AI cục bộ nào, và mỗi ứng dụng chạy những mô hình hàng đầu nào

Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?

Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)

Tất cả hướng dẫn

qwen | ngữ cảnh 32,768 token | $0.66/M đầu vào, $1.00/M đầu ra. Qwen2.5-Coder là dòng mô hình ngôn ngữ lớn chuyên biệt cho lập trình của Qwen (trước đây gọi là CodeQwen). Qwen2.5-Coder mang lại các cải tiến so với CodeQwen1.5: Để đọc thêm về kết quả đánh giá, xem blog của Qwen 2.5 CoderOpens in new tab.

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

Qwen2.5 Coder 32B Instruct là mô hình mã hóa chủ lực của Alibaba, được huấn luyện trên 5.5 nghìn tỷ token mã nguồn và dữ liệu liên quan. Nhà sản xuất khẳng định khả năng lập trình của nó tương đương GPT-4o, một tiêu chuẩn cao cho mô hình trọng số mở với mức giá này. Nó phù hợp với nhà phát triển muốn mô hình lập trình nghiêm túc có thể tự lưu trữ hoặc chạy rẻ qua API.

Nổi tiếng với

Tạo mã, sửa lỗi và suy luận được huấn luyện trên 5.5 nghìn tỷ token
Trọng số mở: tải về và chạy trên phần cứng của bạn
Cửa sổ ngữ cảnh gốc 131,072 token, có thể mở rộng qua YaRN
Giữ vững khả năng toán học và suy luận tổng quát bên cạnh lập trình
Có sáu kích cỡ từ 0.5B đến 32B phù hợp với ngân sách phần cứng khác nhau

Cẩn thận với

Cấu hình mặc định config.json giới hạn ngữ cảnh 32,768 token; bạn phải bật YaRN thủ công để dùng đầu vào dài hơn.
Trọng số 32B đòi hỏi VRAM lớn để chạy cục bộ với độ chính xác đầy đủ.
Cần transformers 4.37.0 trở lên, nếu không sẽ gặp lỗi KeyError im lặng khi tải.

Phù hợp nhất cho

Lập trình

Tác nhân và sử dụng công cụ

Toán học

Ngữ cảnh dài

Chạy cục bộ

Lời nhắc để thử

Gỡ lỗi hàm bị lỗi

Đây là một hàm Python dự kiến phân tích file CSV và trả về danh sách dict, nhưng nó im lặng bỏ dòng cuối cùng. Tìm lỗi, giải thích tại sao xảy ra, và trả về phiên bản sửa với chú thích ngắn về sửa lỗi. ```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 ```

Thiết kế tác nhân mã nhỏ

Viết vòng lặp tác nhân Python tối giản nhận mục tiêu người dùng dưới dạng chuỗi, gọi công cụ run_shell(cmd) để thực thi lệnh bash, đọc kết quả, và quyết định gọi công cụ khác hoặc trả lời cuối cùng. Bao gồm xử lý lỗi mã thoát khác 0 và giới hạn cứng 10 lần gọi công cụ.

Tái cấu trúc để dễ đọc

Tái cấu trúc đoạn JavaScript sau để dễ đọc và bảo trì hơn. Không thay đổi hành vi. Giải thích mỗi thay đổi bằng chú thích ngắn trên dòng liên quan. ```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} ```

So sánh với

Qwen3.8 Max (0902)
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $2.00/M, đầu ra $6.00/M
Qwen3.7 Plus
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $0.32/M, đầu ra $1.28/M
Qwen3.6 Plus
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $0.33/M, đầu ra $1.95/M
Qwen3.6 Max Preview
Mô hình chỉ API
ngữ cảnh 262,144 token · Đầu vào $1.03/M, đầu ra $6.16/M

Thêm mô hình văn bản từ qwen

Câu hỏi thường gặp

Tôi có thể chạy Qwen2.5 Coder 32B cục bộ không?: Có, trọng số mở và được lưu trữ trên Hugging Face tại Qwen/Qwen2.5-Coder-32B-Instruct. Bạn cần máy có đủ VRAM hoặc RAM để tải mô hình 32B; các phiên bản GGUF lượng tử hóa có sẵn từ cộng đồng cho cấu hình bộ nhớ thấp hơn.
Chi phí qua API và độ dài ngữ cảnh là bao nhiêu?: Giá trên OpenRouter là $0.66 cho mỗi triệu token đầu vào và $1.00 cho mỗi triệu token đầu ra. Độ dài ngữ cảnh đầy đủ là 131,072 token, nhưng bạn cần bật YaRN trong cấu hình để dùng vượt 32,768 token trong hầu hết triển khai cục bộ.
32B so với các kích cỡ nhỏ hơn của Qwen2.5 Coder thế nào?: Qwen2.5 Coder có sáu kích cỡ từ 0.5B đến 32B; 32B là lớn nhất và được so sánh với GPT-4o. Các kích cỡ nhỏ hơn đánh đổi một phần khả năng lập trình để giảm yêu cầu phần cứng đáng kể.

Phán quyết của thuyền trưởng
Mô hình lập trình trọng số mở mạnh nhất bạn có thể tự lưu trữ, với mức giá khiến GPT-4o khó cạnh tranh cho công việc thuần mã.

Thẻ mô hình trên Hugging Face

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

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

Điểm số này được tính như thế nào

Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Mô hình tương tự

Llama 3.2 90B Vision Instruct

TEXT / LLM

Mô hình AI để tạo hình ảnh, video & văn bản

Qwen2.5 Coder 32B Instruct là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác, xem điểm độ hot để biết xu hướng và mở trên PirateDiffusion hoặc BitVector để dùng thử.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm qwen lập trình tác nhân toán học ngữ cảnh dài cục bộ

Duyệt theo họ mô hình