Qwen2.5 Coder Instruct 32B
Qwen2.5 Coder Instruct 32B
Qwen2.5-Coderはコーディング専用のモデルで、5.5兆個のトークンを含むコードデータを使って訓練されています。92種類のプログラミング言語をサポートし、128Kのコンテキストウィンドウを持っています。コード生成、補完、修正や多様なプログラミングタスクで優れた性能を発揮し、同時に数学や汎用能力においても強力な性能を維持しています。
インテリジェンス(比較的弱い)
速度(比較的遅い)
入力サポートモダリティ
いいえ
推論モデルかどうか
131,072
コンテキストウィンドウ
128,000
最大出力トークン
2024-03-01
知識カットオフ
価格設定
¥0.65 /M tokens
入力
¥0.65 /M tokens
出力
¥1.05 /M tokens
混合価格
クイック簡易比較
Qwen Turbo
Qwen2.5 Turbo
Qwen2.5 Coder Instruct 7B
基本パラメータ
GPT-4.1技術パラメータ
パラメータ数
32,000.0M
コンテキスト長
131.07k tokens
トレーニングデータカットオフ
2024-03-01
オープンソースカテゴリ
Open Weights (Permissive License)
マルチモーダルサポート
テキストのみ
スループット
110
リリース日
2024-11-11
応答速度
51.83,883 tokens/s
ベンチマークスコア
以下はclaude-monetの様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
3633
大規模言語モデルインテリジェンスレベル
コーディング指数
2830
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
-
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
63.5
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
41.7
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
3.8
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
29.5
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
27.1
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
90.2
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
76.7
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
12
高難度の数学競技問題(特にAIMEレベル)を解決するAIモデルの能力を測定する指標
おすすめAIモデル
Gemini 1.0 Pro
google

¥3.6
入力トークン/百万
¥10.8
出力トークン/百万
33k
コンテキスト長
GPT 4
openai

¥216
入力トークン/百万
¥432
出力トークン/百万
8192
コンテキスト長
Qwen2.5 Coder Instruct 32B
alibaba

¥0.65
入力トークン/百万
¥0.65
出力トークン/百万
131k
コンテキスト長
Gemini 1.5 Flash 8B
google

¥0.58
入力トークン/百万
¥2.16
出力トークン/百万
1M
コンテキスト長
Gemini 1.5 Pro (May '24)
google

¥18
入力トークン/百万
¥72
出力トークン/百万
2M
コンテキスト長
Llama 3.2 Instruct 11B (Vision)
meta

¥0.43
入力トークン/百万
¥0.43
出力トークン/百万
128k
コンテキスト長
Gemini 2.0 Flash (experimental)
google

¥0.72
入力トークン/百万
¥5.04
出力トークン/百万
1M
コンテキスト長
O1 Preview
openai

¥108
入力トークン/百万
¥432
出力トークン/百万
128k
コンテキスト長