AlibabaSprachmodell
Qwen2-72B-Instruct
Für Qwen2-72B-Instruct gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 493 von 785
32von 100wie im Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Qwen2-72B-Instruct ist vor allem als Ausgangspunkt der späteren Qwen-Hauptreihe relevant. Der ältere dichte Checkpoint verarbeitet Text, folgt Anweisungen und stellt 72 Milliarden Parameter für direkte Dialogantworten bereit. Das Repository dokumentiert ein Kontextfenster von 131.072 Token.
Qwen beschreibt die spätere Generation Qwen 2.5 72B als Weiterentwicklung mit mehr Wissen, besserem Coding, stärkerem Mathematikverständnis und robusterer Ausgabe strukturierter Daten. Sie hat einen eigenen Trainingsstand und eine eigene Modellkarte.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 81 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 7
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67.8
- Bewertung
- 67.8
- Messgröße
- GSM8k ArithACC
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 67.6
- Bewertung
- 67.6
- Messgröße
- GSM8k F1
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 52.3
- Bewertung
- 52.3
- Messgröße
- MATH ArithACC
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 49.2
- Bewertung
- 49.2
- Messgröße
- MATH F1
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 43.3
- Bewertung
- 43.3
- Messgröße
- OlympiadBench ArithACC
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 42.1
- Bewertung
- 42.1
- Messgröße
- OlympiadBench F1
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 39.3
- Bewertung
- 39.3
- Messgröße
- OmniMATH ArithACC
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 40.2
- Bewertung
- 40.2
- Messgröße
- OmniMATH F1
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 49.8
- Bewertung
- 49.8
- Messgröße
- Avg.F1
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 57
- Bewertung
- 57
- Messgröße
- GSM8k error-final-answer accuracy
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 82.9
- Bewertung
- 82.9
- Messgröße
- GSM8k correct-final-answer accuracy
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
ProcessBench (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 37.7
- Bewertung
- 37.7
- Messgröße
- MATH error-final-answer accuracy
- Einheit
- %
- Kategorie
- mathematical reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Zhu et al., “Retrieval-Augmented Process Reward Model for Generalizable Mathematical Reasoning,” Findings of ACL 2025
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 1 führt diesen exakten Modellnamen unter „Language Models as Critic“ auf. Die Autoren geben an, dass diese Modelle Lösungsschritte per Mehrheitsabstimmung beurteilen. Das Paper definiert ProcessBench-F1 als harmonisches Mittel der Genauigkeiten auf den Teilmengen mit falscher beziehungsweise richtiger Endantwort und ArithACC als deren gewichtetes arithmetisches Mittel. Tabelle 6 nennt die jeweiligen Teilmengengenauigkeiten. Das Paper veröffentlicht weder eine vollständige Laufkonfiguration noch die evaluierte Gewichtsrevision. Die erfasste Hugging-Face-Kartenrevision belegt nur die Profilidentität, nicht die im Test verwendeten Gewichte.
- Einordnung
- Das Paper nennt weder eine Stichprobengröße je Modell noch ein Konfidenzintervall. Evaluierte Gewichtsrevision, Präzision, Serving-Route und vollständige Prompt-/Decoding-Einstellungen sind unveröffentlicht und bleiben unbekannt. Die erfasste Kartenrevision identifiziert nur das Profil, nicht die Evaluierungsgewichte.
Seite 1 von 7
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 101 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
Qwen2-72B-InstructAmazon Nova Lite 32KAT-Coder-Pro V2.5 32Granite Code 34B 32Claude Haiku 4.5 32
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Qwen2-72B-Instruct, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Qwen 2.5 72BAlibaba · gleicher Anbieter
- Qwen 2.5 VL 72BAlibaba · gleicher Anbieter
- Qwen2.5-32B-InstructAlibaba · gleicher Anbieter
- Qwen 2.5 Coder 32BAlibaba · gleicher Anbieter
- Qwen 3 Coder NextAlibaba · gleicher Anbieter
- QwQ 32BAlibaba · gleicher Anbieter
- Qwen 3.8 27BAlibaba · gleicher Anbieter
- Qwen 3 14BAlibaba · gleicher Anbieter
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu Qwen2-72B-Instruct
Wie groß ist das Kontextfenster von Qwen2-72B-Instruct?
131.072 Token. So viel Text liest Qwen2-72B-Instruct auf einmal, das sind rund 200 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
Qwen2-72B-InstructPlatz 94 von 103131 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Kann ich Qwen2-72B-Instruct lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von Alibaba
- Offene Gewichte
- ja
- Lizenz
- Qwen License
- Parameter
- 72 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 16 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.