Qwen3 Coder 480B A35B Instruct Turbo
3741°
Qwen | ngữ cảnh 262,144 token | $0.30/M đầu vào, $1.00/M đầu ra. Qwen3-Coder-480B-A35B-Instruct là mô hình lập trình tác nhân nhất của Qwen3, nổi bật với hiệu suất đáng kể trong Lập trình tác nhân, Sử dụng trình duyệt tác nhân và các nhiệm vụ lập trình nền tảng khác, đạt kết quả tương đương với Claude Sonnet.
Hướng dẫn cho mô hình này
Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì
Cách chọn mô hình AI trong tháng 10 năm 2026: tin tức nguồn đóng, rồi đến các trọng số mở đáng tải về
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
Qwen3 Coder 480B A35B Instruct Turbo là mô hình lập trình hàng đầu của Qwen, một MoE thưa với 480 tỷ tham số, kích hoạt 35 tỷ tham số mỗi lần chạy. Nó được xây dựng cho quy trình lập trình tác nhân — bao gồm sử dụng công cụ đa bước, tự động hóa trình duyệt và tạo mã liên tục — và Qwen đặt kết quả của nó ngang hàng với Claude Sonnet. Giá 0,30 đô la cho mỗi triệu token đầu vào thấp hơn nhiều so với đa số đối thủ hàng đầu.
Nổi tiếng với
- Lập trình tác nhân: các nhiệm vụ đa bước, không chỉ hoàn thành một file đơn.
- Thiết kế ưu tiên sử dụng trình duyệt và gọi công cụ.
- Kiến trúc MoE giữ chi phí suy luận thấp dù có 480 tỷ tham số.
- Ngữ cảnh 262.144 token xử lý cơ sở mã lớn trong một lần gọi.
- Vị trí benchmark tương đương Claude Sonnet theo tuyên bố của Qwen.
Cẩn thận với
- Chỉ có API — không có trọng số, không thể chạy cục bộ hay tự lưu trữ.
- Chi phí đầu ra là 1,00 đô la/m triệu token; vòng lặp tác nhân dài với đầu ra nhiều sẽ tốn kém nhanh.
- Tuyên bố 'tương đương Claude Sonnet' là của nhà sản xuất, chưa có kiểm định độc lập.
Phù hợp nhất cho
Lời nhắc để thử
Viết lại module lộn xộn
Đây là một module Python xử lý xác thực người dùng. Nó phát triển tự nhiên nên giờ khó theo dõi. Viết lại: tách nhiệm vụ thành các lớp rõ ràng, loại bỏ trùng lặp, thêm chú thích kiểu đầy đủ, và viết bình luận ngắn trên mỗi lớp giải thích vai trò. Không thay đổi hành vi bên ngoài.
Lập kế hoạch và dựng khung tác nhân
Thiết kế một vòng lặp tác nhân Python tối giản có thể tìm kiếm web, đọc URL, và viết tóm tắt vào file cục bộ. Định nghĩa giao diện công cụ, trình bày vòng lặp chính, và giải thích cách thêm xử lý lỗi và logic thử lại mà không làm vòng lặp dễ vỡ.
Gỡ lỗi lỗi đồng bộ
Tôi có một dịch vụ FastAPI với hai endpoint chia sẻ một dictionary toàn cục và đôi khi trả dữ liệu lỗi thời khi tải cao. Giải thích nguyên nhân race condition, trình bày ví dụ tối giản tái hiện lỗi, rồi cho tôi phiên bản sửa lỗi dùng primitive đồng bộ Python phù hợp.
So sánh với
- Qwen3.8 Max (0902)Mô hình chỉ APIngữ cảnh 1,000,000 token · Đầu vào $2.00/M, đầu ra $6.00/M
- Qwen3.7 PlusMô hình chỉ APIngữ cảnh 1,000,000 token · Đầu vào $0.32/M, đầu ra $1.28/M
- Qwen3.6 PlusMô hình chỉ APIngữ cảnh 1,000,000 token · Đầu vào $0.33/M, đầu ra $1.95/M
- Qwen3.6 Max PreviewMô hình chỉ APIngữ 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 Qwen3 Coder 480B cục bộ không?
- Không — trọng số chưa được phát hành, mô hình chỉ có qua API. Bạn truy cập qua nhà cung cấp lưu trữ.
- Chi phí và ngữ cảnh dài bao nhiêu?
- Giá là 0,30 đô la cho mỗi triệu token đầu vào và 1,00 đô la cho mỗi triệu token đầu ra, với ngữ cảnh 262.144 token.
- Mô hình này khác gì các model Qwen3 khác?
- Đây là mô hình lập trình tác nhân nhất của Qwen — được tinh chỉnh cho các tác vụ mã đa bước và sử dụng trình duyệt, không phải mô hình chat hay suy luận tổng quát.
Phán quyết của thuyền trưởngMô hình lập trình tác nhân nghiêm túc với giá đầu vào bất ngờ thấp — chi phí đầu ra là điểm cần lưu ý khi chạy dài.
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.
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.
Qwen3 Coder 480B A35B Instruct Turbo 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 và xem điểm độ hot để biết xu hướng.
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153