Qwen2.5-VL-32B-Instruct
- 开放权重
价格
1 个渠道报价 · 按标价显示 Alibaba Cloud Model Studio（在新标签页打开）
qwen2.5-vl-32b-instruct| 条件/ 百万 tokens | 输入 | 输出 |
|---|---|---|
| 标准 | ¥8.00 | ¥24.00 |
价格来源 Token-based deployment, LoRA deployment, pay-as-you-go deployment-Alibaba Cloud Model Studio(Model Studio)-阿里云帮助中心（在新标签页打开） (核对于 2026年10月2日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 推理
- —
- 工具调用
- —
- 结构化输出
- —
- 许可证
- apache-2.0
- 模型家族
- qwen-vl
- 模型 ID
Alibaba Qwen 的页面未说明：最长输入, 输入模态, 输出模态, 推理档位, 可关闭推理, 最大思考预算, 内置工具, 知识截止, 别名。
本地运行
权重： Qwen/Qwen2.5-VL-32B-Instruct- 参数 33.5B
- 稠密
- 原生精度 BF16
- 层数 64
- 每 token 的 KV 缓存 256 KB
- 配置位置数 125K （config.json max_position_embeddings）
- API 上下文 977K （厂商 API）
在你的配置上 · GeForce RTX 4090
●流畅 IQ4_XS （自动） 8K 上下文 25–38 tok/s单卡
权重KV 缓存运行开销可用上限
- 需要
- ≈ 19.4 GB (权重 16.6 + KV 缓存 2.0 + 开销 0.8)
- 可用
- 21.6 GB (标称的 90%)
- 生成速度
- 25–38 tok/s
- 最长上下文
- 17K (再长就放不下)
- 首 token
- 2K 提示约 1.08–1.62 秒
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 63.6 GB | ≈ 68.8 | ✕放不下 | — |
| Q8_0 | 33.1 GB | ≈ 36.8 | ○需放到内存 2–4 tok/s | — |
| FP8 | 31.2 GB | ≈ 34.7 | ○需放到内存 3–4 tok/s | — |
| Q6_K | 25.6 GB | ≈ 28.9 | ○需放到内存 5–7 tok/s | — |
| Q5_K_M | 22.2 GB | ≈ 25.3 | ○需放到内存 8–12 tok/s | — |
| Q5_0 | 21.4 GB | ≈ 24.5 | ○需放到内存 9–13 tok/s | — |
| Q4_K_M | 18.9 GB | ≈ 21.9 | ○需放到内存 21–32 tok/s | — |
| Q4_0 | 17.5 GB | ≈ 20.4 | ●流畅 24–36 tok/s | 13K |
| INT4 (AWQ / GPTQ)官方 | 19.3 GB | ≈ 22.2 | ○需放到内存 16–25 tok/s | — |
| IQ4_XS | 16.6 GB | ≈ 19.4 | ●流畅 25–38 tok/s | 17K |
| Q3_K_M质量下降明显 | 15.2 GB | ≈ 18.0 | ●流畅 27–41 tok/s | 22K |
| IQ3_XXS质量下降明显 | 11.9 GB | ≈ 14.5 | ●流畅 34–51 tok/s | 36K |
| Q2_K质量下降明显 | 11.7 GB | ≈ 14.3 | ●流畅 34–51 tok/s | 37K |
| IQ2_XXS质量下降明显 | 8.0 GB | ≈ 10.5 | ●流畅 47–70 tok/s | 52K |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 GeForce RTX 5090；统一内存 Apple M5 Max (32-core GPU) · 36 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 501.7 GB你的配置放不下
LoRA≈ 66.1 GB你的配置放不下
QLoRA≈ 21.3 GB你的配置放得下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得- LMArena Vision 1,152
第 73 名，共 89 个上榜模型 · 置信区间 1,137–1,168 · 1,490 票
变更
全部变更 →- 新增语言模型
来源
- Text generation - Alibaba Cloud Model Studio（在新标签页打开） docs.modelstudio.console.alibabacloud.com · 核对于 2026年10月15日
- Text generation models - Qwen, DeepSeek, GLM | Model Studio - Alibaba Cloud Model Studio - Alibaba Cloud Documentation Center（在新标签页打开） docs.modelstudio.console.alibabacloud.com · 核对于 2026年10月15日
- Token-based deployment, LoRA deployment, pay-as-you-go deployment-Alibaba Cloud Model Studio(Model Studio)-阿里云帮助中心（在新标签页打开） help.aliyun.com · 核对于 2026年10月2日
- Qwen/Qwen2.5-VL-32B-Instruct model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- Qwen/Qwen2.5-VL-32B-Instruct config.json（在新标签页打开） huggingface.co · 核对于 2026年11月2日
- Qwen/Qwen2.5-VL-32B-Instruct files（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- Qwen/Qwen2.5-VL-32B-Instruct-AWQ files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- Qwen/Qwen2.5-VL-32B-Instruct model card（在新标签页打开） huggingface.co · 核对于 2026年11月3日
Alibaba Qwen 官方政策：数据使用、隐私、条款 →
本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据
Alibaba Qwen · 中国 · qwen.ai
相关模型
快照、同系列与同厂商的其他模型