通义开源 Qwen2.5-Coder 全系列：32B 旗舰模型编程水平追平 GPT-4o

首次发布 2024年11月11日 UTC 16:00传播指数 51

Qwen 团队全面开源 Qwen2.5-Coder 系列代码模型，补齐 0.5B 到 32B 共 6 种尺寸。旗舰版 32B-Instruct 性能媲美 GPT-4o，支持 40 多种语言与 128K 上下文。绝大多数模型采用 Apache 2.0 协议，已适配 Cursor 等工具。

Qwen2.5-Coder 是 Qwen 团队专门针对编程任务推出的开源代码模型家族。这次团队一次性补齐了 0.5B、3B、14B 和 32B 四种新规格，加上之前已有的 1.5B 与 7B，完整覆盖了从端侧轻量级到服务器级的 6 种参数规模。

每个尺寸均同步提供 Base 基座版本和 Instruct 指令微调版本。Base 版适合企业和研究人员继续做领域微调，Instruct 版则已经对齐好指令，可以直接接入聊天和各类开发环境。

它的能力与评测表现

最受关注的是旗舰版 Qwen2.5-Coder-32B-Instruct。在 EvalPlus、LiveCodeBench 以及 BigCodeBench 等主流代码生成评测集上，它刷新了开源模型的最好表现，实际水平已经直接咬住了 GPT-4o。

代码修复是日常写程序最耗时的地方。在业内通用的代码修复基准 Aider 测试中，32B 版本的得分达到 73.7，同样与 GPT-4o 不相上下。

它不仅擅长主流的 Python 和 JavaScript，还能处理 40 多种编程语言。在多语言测试集 McEval 上，该模型取得 65.9 分，连 Haskell、Racket 这类小众语言也能准确理解；而在多语言代码修复测试 MdEval 中，它更是以 75.2 分拿下开源模型首位。

针对开发者的编辑器补全需求，该模型支持 FIM（中间填充）模式。在 8K 序列长度限制下，它在 RepoEval、CrossCodeEval 等 5 项长代码补全基准上均达到了开源 SOTA 水平。

硬件与上下文方面，不同规格有明确区分。较小的 0.5B、1.5B 和 3B 支持 32K 上下文长度；7B、14B 和 32B 则直接把上下文拉到了 128K，能够完整吃下较长的前后端工程代码。

开源许可证非常友好。除 3B 版本采用 Qwen Research 许可证外，其余 0.5B、1.5B、7B、14B、32B 均采用宽松的 Apache 2.0 协议，允许商用和二次开发。

读者现在可以直接去 GitHub、Hugging Face、ModelScope 或 Kaggle 下载对应的模型权重。

在日常用法上，你可以把它配进 Cursor 等主流代码编辑器，充当本地或私有化的补全与问答核心；也可以配合 Open WebUI，利用其生成单页网页、小游戏或数据图表等 Artifacts 可视化组件。

过去开源代码模型大多只能处理简单的函数补全，一旦进入长工程重构或复杂 Bug 修复，往往还得求助于 GPT-4o 等闭源 API。Qwen2.5-Coder-32B 的出现，让开发者第一次可以用单张显卡或私有集群，本地跑出平替顶尖闭源模型的编程表现。

对于对数据隐私要求严格的企业、不想按月交 Copilot 订阅费的独立开发者来说，现在就可以直接把它接进本地开发环境，测试主力工作流的替换效果。