Qwen2.5 Coder 32B Instruct
4997°
<qwen25-32b>
Les applications qui supportent les tags ModelTrends vous permettent d'exécuter/installer des modèles en copiant ce code dans votre prompt sans aucune configuration. Cherchez notre icône dans les applications qui le supportent, comme Prism (ci-dessous).
Lancer ce modèle
Offres / Pub
Easy Creator (Prism) Web
Illimité · forfait fixe
Idéal pour les débutants. Flux de travail puissants, courbe d'apprentissage faible.
PirateDiffusion Telegram
Illimité · forfait fixe
Créez des vidéos, images, personnages de chat personnalisés, et plus encore.
Pro studio (SpyGlass) Web
Illimité · forfait fixe
Parcourez les modèles, générez et affinez depuis n'importe quel navigateur ou téléphone.
Discord bot (Vector)
Illimité · forfait fixe
Ajoutez Vector à votre serveur ou rejoignez le Discord de Vector. Créez tout ce que vous voulez !
Unified Editor Web
Illimité · forfait fixe
Éditeur pour images et vidéos : générez, modifiez, améliorez et plus encore sur une seule page.
OpenRouter Terminal / API
Payer par token
Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.
Applications locales
Nécessite une configuration
Installe des programmes locaux si ton ordinateur est assez puissant.
ModelDuel Web
Paiement à l'usage
Génère la même invite sur jusqu'à 50 modèles checkpoint/base en même temps.
Guides pour ce modèle
Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner
De combien de VRAM ai-je vraiment besoin pour l'IA locale ?
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
qwen | contexte de 32 768 tokens | 0,66 $/M en entrée, 1,00 $/M en sortie. Qwen2.5-Coder est la dernière série de grands modèles de langage spécifiques au code de Qwen (anciennement connus sous le nom de CodeQwen). Qwen2.5-Coder apporte les améliorations suivantes par rapport à CodeQwen1.5 : Pour en savoir plus sur ses résultats d'évaluation, consultez le blog de Qwen 2.5 CoderOpens in new tab.
Notes du capitaine
Notes du 2026-10-13
Qwen2.5 Coder 32B Instruct est le modèle phare d’Alibaba dédié au code, entraîné sur 5,5 trillions de tokens de code source et données associées. Le fabricant affirme que ses capacités en codage égalent celles de GPT-4o, un seuil ambitieux pour un modèle à poids ouverts à ce prix. Il convient aux développeurs qui veulent un modèle de codage sérieux qu’ils peuvent auto-héberger ou utiliser à moindre coût via API.
Connu pour
- Génération, correction et raisonnement sur le code entraînés sur 5,5 trillions de tokens
- Poids ouverts : téléchargez et exécutez-le sur votre propre matériel
- Fenêtre de contexte native de 131 072 tokens, extensible via YaRN
- Conserve de solides capacités en mathématiques et raisonnement général en plus du codage
- Disponible en six tailles de 0,5B à 32B pour différents budgets matériels
Attention à
- Le config.json par défaut limite le contexte à 32 768 tokens ; vous devez activer YaRN manuellement pour des entrées plus longues.
- Les poids 32B demandent beaucoup de VRAM pour une exécution locale en pleine précision.
- Nécessite transformers 4.37.0 ou plus récent sous peine d’erreur silencieuse KeyError au chargement.
Idéal pour
Prompts à essayer
Déboguer une fonction cassée
Voici une fonction Python censée parser un fichier CSV et retourner une liste de dictionnaires, mais elle ignore silencieusement la dernière ligne. Trouvez le bug, expliquez pourquoi il se produit, et retournez une version corrigée avec un bref commentaire sur la correction.
```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
```
Concevoir un petit agent de code
Écrivez une boucle d’agent Python minimale qui accepte un objectif utilisateur sous forme de chaîne, appelle un outil run_shell(cmd) pour exécuter des commandes bash, lit la sortie, et décide s’il faut appeler un autre outil ou retourner une réponse finale. Incluez la gestion des erreurs pour les codes de sortie non nuls et une limite stricte de dix appels d’outil.
Refactoriser pour la lisibilité
Refactorez le JavaScript suivant pour le rendre plus lisible et maintenable. Ne changez pas le comportement. Expliquez chaque modification dans un court commentaire au-dessus de la ligne concernée.
```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}
```
Comparer avec
- Qwen3.8 Max (0902)Modèle uniquement APIContexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
- Qwen3.7 PlusModèle uniquement APIContexte de 1,000,000 tokens · entrée $0.32/M, sortie $1.28/M
- Qwen3.6 PlusModèle uniquement APIContexte de 1,000,000 tokens · entrée $0.33/M, sortie $1.95/M
- Qwen3.6 Max PreviewModèle uniquement APIContexte de 262,144 tokens · entrée $1.03/M, sortie $6.16/M
Plus de modèles de texte de qwen
Questions fréquentes
- Puis-je exécuter Qwen2.5 Coder 32B localement ?
- Oui, les poids sont ouverts et hébergés sur Hugging Face à Qwen/Qwen2.5-Coder-32B-Instruct. Vous aurez besoin d’une machine avec assez de VRAM ou RAM pour charger un modèle 32B ; des versions quantifiées GGUF sont disponibles dans la communauté pour des configurations à mémoire réduite.
- Quel est le coût via API et quelle est la taille du contexte ?
- Le tarif sur OpenRouter est de 0,66 $ par million de tokens en entrée et 1,00 $ par million de tokens en sortie. La longueur totale du contexte est de 131 072 tokens, mais vous devez activer YaRN dans la config pour dépasser 32 768 tokens dans la plupart des déploiements locaux.
- Comment le 32B se compare-t-il aux tailles plus petites de Qwen2.5 Coder ?
- Qwen2.5 Coder existe en six tailles de 0,5B à 32B ; le 32B est le haut de gamme et celui que le fabricant compare à GPT-4o. Les tailles plus petites sacrifient un peu de capacité de codage pour des exigences matérielles beaucoup plus faibles.
Verdict du capitaineLe modèle de codage à poids ouverts le plus puissant que vous pouvez réellement auto-héberger, à un prix qui rend GPT-4o difficile à justifier pour du code pur.
Fiche modèle sur Hugging Face
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
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.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Qwen2.5 Coder 32B Instruct est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM, consultez son score de chaleur pour suivre sa tendance et ouvrez-le sur PirateDiffusion ou BitVector pour l'essayer.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmqwenprogrammationagentsmathématiquescontexte longlocal
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153