Fiche modèle
Qwen2.5-Coder-32B
Alibaba · poids ouverts · sorti le 18/09/2024
Date de sortie, éditeur et accès : Epoch AI, CC BY 4.0. Fiche régénérée le 07/10/2026.
Taille
—
non publiée
Scores
Rang parmi les 274 modèles de l’indice ECI évalués par la même source. Un nom de benchmark mène à son explication.
| Benchmark | Score | Rang | Réglage | Source |
|---|---|---|---|---|
| Indice de capacités ECI (Epoch AI)Capacités générales | 119,5110,1–124,9 | 199 / 274 | Epoch AI, CC BY 4.0, non daté par la source, vu publié le 07/10/2026 | |
| LMArena texte, contrôle du styleConversation (préférence humaine) | 1 2711 262–1 279 | 139 / 166 | « qwen2.5-coder-32b-instruct » | LMArena, CC BY 4.0, publié le 02/10/2026 |
| GPQA Diamond (Epoch AI) | non évalué par Epoch AI | |||
| FrontierMath, niveaux 1 à 3 (Epoch AI) | non évalué par Epoch AI | |||
| OTIS Mock AIME 2024-2025 (Epoch AI) | non évalué par Epoch AI | |||
| SimpleQA Verified (Epoch AI) | non évalué par Epoch AI | |||
| SWE-bench Verified (Epoch AI) | non évalué par Epoch AI | |||
Sources : Epoch AI, « Capabilities & benchmarking », epoch.ai/benchmarks (CC BY 4.0) ; LMArena, leaderboard-dataset (Hugging Face), CC BY 4.0. Données adaptées : pourcentages, arrondis, meilleur réglage retenu, prix mélangé, rangs et frontière calculés ici.
Prix par fournisseur d’API
| Fournisseur | Entrée $/M | Sortie $/M | Mélangé | Clé LiteLLM |
|---|---|---|---|---|
| Nscale | 0,060 $ | 0,20 $ | 0,095 $ | nscale/Qwen/Qwen2.5-Coder-32B-Instruct |
| Hyperbolic | 0,12 $ | 0,30 $ | 0,16 $ | hyperbolic/Qwen/Qwen2.5-Coder-32B-Instruct |
| Cloudflare Workers AI | 0,66 $ | 1,00 $ | 0,75 $ | cloudflare/@cf/qwen/qwen2.5-coder-32b-instruct |
| Together AI | 0,80 $ | 0,80 $ | 0,80 $ | together_ai/Qwen/Qwen2.5-Coder-32B-Instruct |
| OVHcloud | 0,87 $ | 0,87 $ | 0,87 $ | ovhcloud/Qwen2.5-Coder-32B-Instruct |
$ par million de jetons, tarif catalogue sans remise, sans cache ni traitement par lots. 5 offres rapprochées. Écart entre le moins cher (Nscale, 0,095 $) et le plus cher : × 9,2. Relevé du 07/10/2026 ; vérifier chez le fournisseur avant de choisir. Sources : Prix : LiteLLM (BerriAI), licence MIT, © 2023 Berri AI. Données adaptées : pourcentages, arrondis, meilleur réglage retenu, prix mélangé, rangs et frontière calculés ici.
L’héberger soi-même
- Accès aux poids
- poids libres (usage sans restriction) (Epoch AI, CC BY 4.0)
- Licence
- Apache 2.0 (carte du dépôt, déclaration de l’éditeur lue le 01/10/2026 ; lire la licence avant tout usage commercial)
- Poids
- huggingface.co/Qwen/Qwen2.5-Coder-32B-Instruct (dépôt rapproché par la table de correspondance, existence vérifiée auprès de Hugging Face le 01/10/2026)
Outils
- vLLM (serveur, cartes graphiques) :
vllm serve Qwen/Qwen2.5-Coder-32B-Instructsert le dépôt Hugging Face derrière une API compatible OpenAI. Le modèle doit être pris en charge par la version installée. - llama.cpp (ordinateur, processeur ou carte graphique) : lit les poids au format GGUF, souvent publiés en 4 bits par la communauté. Chercher une version GGUF (rien ne garantit qu’elle existe ni qu’elle est fidèle), puis
llama-server -hf <dépôt GGUF>. - Ollama (le plus simple sur un ordinateur) :
ollama run hf.co/<dépôt GGUF>lance une version GGUF publiée sur Hugging Face.
Commandes d’après la documentation de chaque outil (liens ci-dessus). Les tailles, l’accès et les liens viennent des sources citées ; de Hugging Face, Le Crible ne reprend que l’adresse du dépôt et l’identifiant de licence déclaré sur sa carte. Sources : Epoch AI, « Data on AI models », epoch.ai/data/ai-models (CC BY 4.0) ; LMArena, leaderboard-dataset (Hugging Face), CC BY 4.0. Données adaptées : pourcentages, arrondis, meilleur réglage retenu, prix mélangé, rangs et frontière calculés ici.
Évolution
Aucun changement de prix relevé depuis le début de nos relevés quotidiens.