¿Puedo ejecutar Qwen2.5 72B localmente?

Sí, los pesos son abiertos y están disponibles en Hugging Face bajo la licencia Tongyi Qianwen. Con 72B parámetros necesitarás una VRAM considerable — las versiones cuantizadas GGUF reducen mucho el requisito de hardware.

¿Cuánto cuesta y cuántos tokens de contexto soporta?

Por API cuesta $0.36 por millón de tokens de entrada y $0.40 por millón de tokens de salida. El modelo soporta hasta 128K tokens de contexto, aunque la configuración por defecto es 32K y extenderlo requiere activar YaRN en la configuración.

¿En qué se diferencia el 72B de los modelos Qwen2.5 más pequeños?

Qwen2.5 va de 0.5B a 72B; el 72B es el más grande y capaz, con mejor rendimiento en codificación, matemáticas y tareas de salida estructurada — las variantes más pequeñas sacrifican capacidad por velocidad y menor costo de hardware.

Qwen2.5 72B Instruct

2591°

#llm #qwen #programación #matemáticas #multilingüe #local

Ejecutar este modelo

Ofertas / Anuncios

OpenRouter Terminal / API

Pago por token

Chatea con este modelo en el navegador o llámalo desde tu código con una clave API.

qwen | contexto de 32,768 tokens | $0.36/M entrada, $0.40/M salida. Qwen2.5 72B es la serie más reciente de modelos de lenguaje grande Qwen. Qwen2.5 trae las siguientes mejoras sobre Qwen2: Mucho más conocimiento y capacidades muy mejoradas en codificación y matemáticas, gracias a nuestros modelos expertos especializados en estos dominios. Mejoras significativas en seguimiento de instrucciones, generación de textos largos (más de 8K tokens), comprensión de datos estructurados (ej., tablas) y generación de salidas estructuradas especialmente JSON. Más resiliente a la diversidad de prompts del…qwen | contexto de 32,768 tokens | $0.36/M entrada, $0.40/M salida. Qwen2.5 72B es la serie más reciente de modelos de lenguaje grande Qwen. Qwen2.5 trae las siguientes mejoras sobre Qwen2: Mucho más conocimiento y capacidades muy mejoradas en codificación y matemáticas, gracias a nuestros modelos expertos especializados en estos dominios. Mejoras significativas en seguimiento de instrucciones, generación de textos largos (más de 8K tokens), comprensión de datos estructurados (ej., tablas) y generación de salidas estructuradas especialmente JSON. Más resiliente a la diversidad de prompts del sistema, mejorando la implementación de juegos de rol y configuración de condiciones para chatbots. Soporte de contexto largo hasta 128K tokens y puede generar hasta 8K tokens. Soporte multilingüe para más de 29 idiomas, incluyendo chino, inglés, francés, español, portugués, alemán, italiano, ruso, japonés, coreano, vietnamita, tailandés, árabe y más. El uso de este modelo está sujeto al ACUERDO DE LICENCIA Tongyi QianwenOpens in new tab.

Guías para este modelo

Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea

¿Cuánta VRAM necesito realmente para IA local?

¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)

Todas las guías

Notas del capitán

Escrito por Captain, el editor de la casa

Notas del 2026-10-13

Qwen2.5 72B Instruct es el modelo de instrucciones con pesos abiertos insignia de Alibaba, ubicado en la cima de la familia Qwen2.5. Destaca por su fuerte capacidad en codificación y matemáticas, salida JSON confiable y un alcance multilingüe genuino en 29 idiomas. Si buscas un modelo capaz, autoalojable, que maneje tareas estructuradas sin necesidad de constantes indicaciones, esta es una opción seria.

Conocido por

Fuerte en codificación y matemáticas, reforzado por datos de entrenamiento especializados
Salida estructurada confiable, especialmente en JSON y comprensión de tablas
Multilingüe en 29 idiomas incluyendo árabe, japonés y coreano
Maneja generaciones largas de hasta 8K tokens sin perder coherencia
Resistente a distintos prompts del sistema; se comporta bien en juegos de rol y configuraciones de chatbot

Cuidado con

La configuración por defecto limita el contexto a 32K; alcanzar 128K requiere configuración manual de YaRN.
Aplica la licencia Tongyi Qianwen — no es una licencia open source estándar; revisa los términos comerciales.
72B implica requisitos serios de VRAM para uso local; planifica multi-GPU o pesos cuantizados.

Mejor para

Prompts para probar

Depurar y explicar código

Aquí hay una función en Python que se supone debe analizar un archivo CSV y devolver una lista de diccionarios, pero silenciosamente omite filas cuando un campo contiene una coma dentro de comillas. Encuentra el error, arréglalo y explica en términos sencillos por qué fallaba el original.

Extraer JSON estructurado

Lee las siguientes notas de una reunión no estructuradas y devuelve un objeto JSON con las claves: fecha, asistentes (array), decisiones (array) y tareas (array con propietario y fecha límite para cada una). Notas: 'Reunión del 3 de marzo. Sarah, Tom y Priya. Acordamos lanzar la beta el 20 de marzo. Tom actualizará la documentación para el 10 de marzo. Priya se encarga de la comunicación con usuarios para el 15 de marzo.'

Revisión de traducción multilingüe

Traduce el siguiente descargo de responsabilidad de producto en inglés al francés, español y árabe. Luego revisa cada traducción para detectar términos que puedan tener un significado legal o cultural no intencionado en ese mercado y márcalos con una breve nota. Texto: 'Los resultados pueden variar. Este producto no está destinado a diagnosticar, tratar, curar o prevenir ninguna enfermedad.'

Comparar con

Qwen3 30B A3B Thinking 2507
Modelo solo API
Contexto de 81,920 tokens · $0.20/M entrada, $2.40/M salida
Qwen3.5-27B
Modelo con pesos abiertos
Contexto de 262,144 tokens · $0.26/M entrada, $2.60/M salida
Qwen2.5 Coder 32B Instruct
Modelo con pesos abiertos
Contexto de 32,768 tokens · $0.66/M entrada, $1.00/M salida
Qwen3 235B A22B Instruct 2507
Modelo con pesos abiertos
Contexto de 262,144 tokens · $0.09/M entrada, $0.55/M salida

Más modelos de texto de qwen

Preguntas frecuentes

¿Puedo ejecutar Qwen2.5 72B localmente?: Sí, los pesos son abiertos y están disponibles en Hugging Face bajo la licencia Tongyi Qianwen. Con 72B parámetros necesitarás una VRAM considerable — las versiones cuantizadas GGUF reducen mucho el requisito de hardware.
¿Cuánto cuesta y cuántos tokens de contexto soporta?: Por API cuesta $0.36 por millón de tokens de entrada y $0.40 por millón de tokens de salida. El modelo soporta hasta 128K tokens de contexto, aunque la configuración por defecto es 32K y extenderlo requiere activar YaRN en la configuración.
¿En qué se diferencia el 72B de los modelos Qwen2.5 más pequeños?: Qwen2.5 va de 0.5B a 72B; el 72B es el más grande y capaz, con mejor rendimiento en codificación, matemáticas y tareas de salida estructurada — las variantes más pequeñas sacrifican capacidad por velocidad y menor costo de hardware.

Veredicto del capitán
Un caballo de batalla bien equilibrado con pesos abiertos que justifica su tamaño en tareas estructuradas, código y trabajo multilingüe — solo asegúrate de revisar la licencia antes de implementarlo.

Ficha del modelo en Hugging Face

El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.

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

Cómo se suma esta puntuación

Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.

Glosario: los términos usados aquí

Puntuación heat: Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
Piso: Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
Equivalentes a descargas: Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
Escala logarítmica: Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
Likes: Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
Tasa de adopción: Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
Medido y estimado: Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
Seeder: Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
AI Horde: Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
Sitios de generación: Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
Tokens de OpenRouter: Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modelo completo (checkpoint): Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
LoRA y embedding: Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
Familia y pesos: La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
Antigüedad: Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
Impulso de familia: Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
Puntaje provisional: Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
¡Nuevo! (periodo de gracia): Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
Tendencia: Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
Modelo típico: El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.

Modelos similares

Modelos de IA para generar imagen, vídeo y texto

Qwen2.5 72B Instruct es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.

Más modelos Text / LLM Más Texto / LLM de Text / LLM llm qwen programación matemáticas multilingüe local extracción de datos

Explorar por familia de modelos