Är vikterna öppna och kan jag köra detta lokalt?

Ja, vikterna är publicerade på Hugging Face under Qwen/Qwen3-Coder-480B-A35B-Instruct. Med 480B totala parametrar kräver självhosting betydande hårdvara; de flesta kommer att använda en API-endpoint istället.

Vad kostar det och hur mycket kontext stöder den?

På Alibaba-endpoints är priset $0.30 per miljon input-tokens och $1.00 per miljon output-tokens, med en högre nivå när en förfrågan överstiger 128K input-tokens. Inbyggd kontext är 262 144 tokens, utbyggbar till 1M med Yarn.

Hur skiljer sig denna från andra Qwen3-modeller?

Qwen3 Coder är specialbyggd för agentbaserad kodning och verktygsanvändning snarare än allmän chatt eller resonemang; den stödjer inte tänkande-läge alls. Andra Qwen3-varianter stödjer kedjor av resonemang, men denna byter bort det för ett specialiserat funktionsanropsformat och hantering av kontext i kodförrådsskala.

Qwen3 Coder 480B A35B

5816°

#llm #qwen #kodning #agenter #lång kontext #lokal

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Qwen | 262 144 token-kontext | $0.30/M input, $1.00/M output. Qwen3-Coder-480B-A35B-Instruct är en Mixture-of-Experts (MoE) kodgenereringsmodell utvecklad av Qwen-teamet. Den är optimerad för agentstyrda kodningsuppgifter som funktionsanrop, verktygsanvändning och resonemang över långa kontexter i kodförråd. Modellen har totalt 480 miljarder parametrar, med 35 miljarder aktiva per framåtpass (8 av 160 experter). Prissättningen för Alibaba-endpoints varierar beroende på kontextlängd. När en förfrågan överstiger 128k input-tokens används högre prissättning.

Guider för denna modell

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Qwen3 Coder 480B A35B är en Mixture-of-Experts-kodmodell från Qwen-teamet, speciellt byggd för agentbaserat kodarbete: verktygsanvändning, funktionsanrop och resonemang över stora kodbaser. Den aktiverar 35 miljarder av sina 480 miljarder parametrar per körning, vilket håller inferenskostnaderna lägre än en tät modell i jämförbar skala. Vikterna är öppna, och Qwen-teamet hävdar prestanda jämförbar med Claude Sonnet på agentbaserade kodningsuppgifter.

Känd för

Agentbaserad kodning: funktionsanrop, verktygsanvändning och flerstegsuppgifter i kodförråd
262K inbyggd kontext, utbyggbar till 1M tokens via Yarn för arbete i kodförråd i stor skala
Öppna vikter tillgängliga på Hugging Face för självhostad distribution
MoE-arkitektur: 35B aktiva parametrar håller per-token-kostnader rimliga
Kompatibel med CLINE, Qwen Code och OpenAI-kompatibla API-endpoints

Se upp för

Ingen tänkande-läge: denna modell producerar inte kedjor av resonemangsblock alls.
Alibaba-endpoint-prissättning fördubblas för förfrågningar över 128K input-tokens; planera din kontextanvändning därefter.
480B totala parametrar innebär att självhosting kräver seriös hårdvara; de flesta användare kommer att använda API.

Bäst för

Kodning

Agenter och verktygsanvändning

Lång kontext

Kör lokalt

Promptar att prova

Refaktorera en rörig funktion

Här är en Python-funktion som läser en CSV, filtrerar rader efter en datumkolumn och skriver resultatet till en ny fil. Den fungerar men är svår att följa och saknar felhantering. Refaktorera den för tydlighet, lägg till typangivelser, hantera saknade eller felaktiga datumvärden på ett smidigt sätt och förklara varje ändring du gör.

Bygg ett CLI-verktyg

Skriv ett självständigt Python CLI-verktyg med argparse som bevakar en katalog efter nya .json-filer, validerar varje mot ett hårdkodat schema (minst: ett 'id'-fält som sträng och ett 'value'-fält som nummer), loggar giltiga filer till stdout och ogiltiga till stderr med anledning, och avslutar snyggt vid Ctrl-C.

Felsök en loop för verktygsanrop

Jag har en agent som anropar ett sökverktyg i en loop men som aldrig slutar: den fortsätter anropa verktyget även efter att ha fått ett resultat som borde tillfredsställa användarens fråga. Här är agentloop-koden och verktygsdefinitionen. Identifiera varför stoppvillkoret aldrig triggas och visa mig den korrigerade koden.

Jämför med

Qwen3.8 Max (0902)
Endast API-modell
1,000,000 tokens kontext · $2.00/M indata, $6.00/M utdata
Qwen3.7 Plus
Endast API-modell
1,000,000 tokens kontext · $0.32/M indata, $1.28/M utdata
Qwen3.6 Plus
Endast API-modell
1,000,000 tokens kontext · $0.33/M indata, $1.95/M utdata
Qwen3.6 Max Preview
Endast API-modell
262,144 tokens kontext · $1.03/M indata, $6.16/M utdata

Fler textmodeller från qwen

Vanliga frågor

Är vikterna öppna och kan jag köra detta lokalt?: Ja, vikterna är publicerade på Hugging Face under Qwen/Qwen3-Coder-480B-A35B-Instruct. Med 480B totala parametrar kräver självhosting betydande hårdvara; de flesta kommer att använda en API-endpoint istället.
Vad kostar det och hur mycket kontext stöder den?: På Alibaba-endpoints är priset $0.30 per miljon input-tokens och $1.00 per miljon output-tokens, med en högre nivå när en förfrågan överstiger 128K input-tokens. Inbyggd kontext är 262 144 tokens, utbyggbar till 1M med Yarn.
Hur skiljer sig denna från andra Qwen3-modeller?: Qwen3 Coder är specialbyggd för agentbaserad kodning och verktygsanvändning snarare än allmän chatt eller resonemang; den stödjer inte tänkande-läge alls. Andra Qwen3-varianter stödjer kedjor av resonemang, men denna byter bort det för ett specialiserat funktionsanropsformat och hantering av kontext i kodförrådsskala.

Kaptens omdöme
Om din arbetsbelastning är agentbaserad kodning i kodförrådsskala är detta det mest kapabla alternativet med öppna vikter som finns tillgängligt till ett rimligt pris.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Qwen3 Coder 480B A35B är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm qwen kodning agenter lång kontext lokal

Bläddra efter modellfamilj

Text / LLM-modeller

434