Adakah berat terbuka dan bolehkah saya jalankan ini secara tempatan?

Ya, berat diterbitkan di Hugging Face di Qwen/Qwen3-Coder-480B-A35B-Instruct. Dengan 480B jumlah parameter, penyebaran sendiri memerlukan perkakasan yang besar; kebanyakan orang akan menggunakan titik akhir API.

Berapa kosnya dan berapa banyak konteks yang disokong?

Di titik akhir Alibaba, harga adalah $0.30 setiap sejuta token input dan $1.00 setiap sejuta token output, meningkat ke tahap lebih tinggi apabila permintaan melebihi 128K token input. Konteks asli adalah 262,144 token, boleh dilanjutkan ke 1M dengan Yarn.

Bagaimana ia berbeza daripada model Qwen3 lain?

Qwen3 Coder dibina khusus untuk pengkodan agen dan penggunaan alat dan bukannya sembang umum atau penaakulan; ia tidak menyokong mod berfikir sama sekali. Varian Qwen3 lain menyokong rantai-fikiran, tetapi model ini menukarnya dengan format panggilan fungsi khusus dan pengendalian konteks skala repositori.

Qwen3 Coder 480B A35B

5816°

#llm #qwen #pengaturcaraan #ejen #konteks panjang #tempatan

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Qwen | konteks token 262,144 | $0.30/M input, $1.00/M output. Qwen3-Coder-480B-A35B-Instruct adalah model penjanaan kod Mixture-of-Experts (MoE) yang dibangunkan oleh pasukan Qwen. Ia dioptimumkan untuk tugas pengkodan agenik seperti panggilan fungsi, penggunaan alat, dan penaakulan konteks panjang ke atas repositori. Model ini mempunyai 480 bilion parameter keseluruhan, dengan 35 bilion aktif setiap laluan hadapan (8 daripada 160 pakar). Harga untuk titik akhir Alibaba berbeza mengikut panjang konteks. Apabila permintaan melebihi 128k token input, harga yang lebih tinggi digunakan.

Panduan untuk model ini

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Qwen3 Coder 480B A35B adalah model kod Mixture-of-Experts dari pasukan Qwen, dibina khusus untuk kerja pengkodan agen: penggunaan alat, panggilan fungsi, dan penaakulan merentas pangkalan kod besar. Ia mengaktifkan 35 bilion daripada 480 bilion parameternya setiap laluan, mengekalkan kos inferens lebih rendah daripada model padat berskala setanding. Berat model adalah terbuka, dan pasukan Qwen mendakwa prestasi setanding dengan Claude Sonnet dalam tugasan pengkodan agen.

Dikenali untuk

Pengkodan agen: panggilan fungsi, penggunaan alat, dan tugasan repositori berbilang langkah
262K konteks asli, boleh dilanjutkan hingga 1M token melalui Yarn untuk kerja skala repositori
Berat terbuka tersedia di Hugging Face untuk penyebaran sendiri
Seni bina MoE: 35B parameter aktif mengekalkan kos per-token yang munasabah
Serasi dengan CLINE, Qwen Code, dan titik akhir API yang serasi OpenAI

Berhati-hati dengan

Tiada mod berfikir: model ini tidak menghasilkan blok penaakulan rantai-fikiran sama sekali.
Harga titik akhir Alibaba berganda untuk permintaan melebihi 128K token input; rancang penggunaan konteks anda dengan sewajarnya.
480B jumlah parameter bermakna penyebaran sendiri memerlukan perkakasan serius; kebanyakan pengguna akan menggunakan API.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Refaktor fungsi yang berserabut

Berikut adalah fungsi Python yang membaca CSV, menapis baris mengikut lajur tarikh, dan menulis hasil ke fail baru. Ia berfungsi tetapi sukar diikuti dan tiada pengendalian ralat. Refaktor untuk kejelasan, tambah petunjuk jenis, kendalikan nilai tarikh yang hilang atau rosak dengan baik, dan terangkan setiap perubahan yang anda buat.

Bina alat CLI

Tulis alat CLI Python berdiri sendiri menggunakan argparse yang memantau direktori untuk fail .json baru, mengesahkan setiap fail mengikut skema keras (sekurang-kurangnya: medan rentetan 'id' dan medan nombor 'value'), log fail sah ke stdout dan yang tidak sah ke stderr dengan sebabnya, dan keluar dengan bersih apabila Ctrl-C ditekan.

Selesaikan masalah gelung panggilan alat

Saya mempunyai agen yang memanggil alat carian dalam gelung tetapi tidak pernah berhenti: ia terus memanggil alat walaupun sudah mendapat hasil yang sepatutnya memenuhi soalan pengguna. Berikut adalah kod gelung agen dan definisi alat. Kenal pasti mengapa syarat berhenti tidak pernah dicetuskan dan tunjukkan kod yang telah diperbetulkan.

Bandingkan dengan

Qwen3.8 Max (0902)
Model hanya API
konteks 1,000,000 token · Input $2.00/M, output $6.00/M
Qwen3.7 Plus
Model hanya API
konteks 1,000,000 token · Input $0.32/M, output $1.28/M
Qwen3.6 Plus
Model hanya API
konteks 1,000,000 token · Input $0.33/M, output $1.95/M
Qwen3.6 Max Preview
Model hanya API
konteks 262,144 token · Input $1.03/M, output $6.16/M

Lebih banyak model teks dari qwen

Soalan yang sering ditanya

Adakah berat terbuka dan bolehkah saya jalankan ini secara tempatan?: Ya, berat diterbitkan di Hugging Face di Qwen/Qwen3-Coder-480B-A35B-Instruct. Dengan 480B jumlah parameter, penyebaran sendiri memerlukan perkakasan yang besar; kebanyakan orang akan menggunakan titik akhir API.
Berapa kosnya dan berapa banyak konteks yang disokong?: Di titik akhir Alibaba, harga adalah $0.30 setiap sejuta token input dan $1.00 setiap sejuta token output, meningkat ke tahap lebih tinggi apabila permintaan melebihi 128K token input. Konteks asli adalah 262,144 token, boleh dilanjutkan ke 1M dengan Yarn.
Bagaimana ia berbeza daripada model Qwen3 lain?: Qwen3 Coder dibina khusus untuk pengkodan agen dan penggunaan alat dan bukannya sembang umum atau penaakulan; ia tidak menyokong mod berfikir sama sekali. Varian Qwen3 lain menyokong rantai-fikiran, tetapi model ini menukarnya dengan format panggilan fungsi khusus dan pengendalian konteks skala repositori.

Keputusan Kapten
Jika beban kerja anda adalah pengkodan agen pada skala repositori, ini adalah pilihan berat terbuka paling berkemampuan yang tersedia pada harga yang tidak membebankan.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Model AI untuk penjanaan imej, video dan teks

Qwen3 Coder 480B A35B ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm qwen pengaturcaraan ejen konteks panjang tempatan

Layari mengikut keluarga model