Qwen3-Coder 480B A35B Instruct
Qwen3-Coder 480B A35B Instruct est un LLM open-weights de Qwen, publié sous licence Apache 2.0 le 31 janvier 2025. Âgé d’environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée par les modèles plus récents.
Qwen3-Coder 480B A35B Instruct est un LLM open-weights de Qwen, publié sous licence Apache 2.0 le 31 janvier 2025. Âgé d’environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA, probablement dépassée par les modèles plus récents.
Son architecture à experts totalise 480 milliards de paramètres, dont 35 milliards actifs. Orienté vers le codage agentique, l’usage agentique du navigateur et l’appel d’outils, il accepte jusqu’à environ un million de tokens avec Yarn. Son accès gratuit le place 100 % sous le tarif moyen des LLM similaires.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Alibaba Cloud / Qwen Team |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | Apache 2.0 |
| Date de sortie | 31 janvier 2025 |
| Multimodal | non |
| Paramètres | 480 milliards |
| Paramètres actifs | 35 milliards |
| Fenêtre de contexte | 1 048 576 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text → text |
Indices de synthèse
| Indice | Valeur | Rang (LLM) |
|---|---|---|
| Intelligence Index | 18.0 | 109ᵉ / 137 |
| Math Index | 39.3 | 37ᵉ / 54 |
Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| TAU-bench Retail | 77,5 % | 8ᵉ / 24 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 69,6 % | 59ᵉ / 102 | llm-stats | Auto-déclaré |
| BFCL-v3 | 68,7 % | 12ᵉ / 19 | llm-stats | Auto-déclaré |
| Aider-Polyglot | 61,8 % | 11ᵉ / 22 | llm-stats | Auto-déclaré |
| TAU-bench Airline | 60,0 % | 4ᵉ / 22 | llm-stats | Auto-déclaré |
| MM-Mind2Web | 55,8 % | 3ᵉ / 3 | llm-stats | Auto-déclaré |
| SWE-bench Multilingual | 54,7 % | 28ᵉ / 34 | llm-stats | Auto-déclaré |
| Terminal-Bench 2.0 | 37,5 % | 47ᵉ / 49 | llm-stats | Auto-déclaré |
| Multi-SWE-Bench | 25,8 % | 6ᵉ / 6 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Intelligence Index
Math Index
Classements Arena (Elo)
Arena Text · 200 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Claude Fable 5 | 1507 |
| 2ᵉ | Claude Opus 4.6 | 1504 |
| 3ᵉ | Claude Opus 4.7 | 1503 |
| ⋯ | ⋯ | |
| 142ᵉ | Claude Sonnet 4 | 1389 |
| 143ᵉ | o1-preview | 1388 |
| 144ᵉ | Qwen3-Coder 480B A35B Instruct | 1388 |
| 145ᵉ | MiMo-V2-Flash | 1387 |
| 146ᵉ | Claude 3.7 Sonnet | 1387 |
Arena Code · 99 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Kimi K3 | 1679 |
| 2ᵉ | Claude Fable 5 | 1631 |
| 3ᵉ | GPT-5.6 Sol | 1618 |
| ⋯ | ⋯ | |
| 80ᵉ | MiMo-V2-Flash | 1300 |
| 81ᵉ | DeepSeek-V3.2-Exp | 1288 |
| 82ᵉ | Qwen3-Coder 480B A35B Instruct | 1281 |
| 83ᵉ | Mistral Medium 3.5 | 1267 |
| 84ᵉ | KAT-Coder-Pro-V1 | 1259 |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Venice (Beta) | gratuit | gratuit | n.d. |
| Google Vertex | 0,22 $ | 1,8 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 100 % en dessous de la moyenne des LLM similaires.
Notre analyse
Forces. À sa sortie, Qwen3-Coder 480B A35B Instruct figurait dans le top 20 % des LLM de sa génération sur SWE-Bench Verified, un résultat solide pour les tâches de développement logiciel. Son Math Index reste mieux classé que ses résultats généraux. Sa grande fenêtre de contexte constitue un autre atout concret : le contexte natif atteint 262 144 tokens et peut être étendu à 1 048 576 tokens avec Yarn. Le modèle prend en charge le tool calling et un format d’appel de fonction spécialisé. Son architecture comporte 62 couches, 160 experts dont 8 activés, ainsi qu’une attention GQA avec 96 têtes de requête et 8 têtes clé-valeur.
Limites et points d’attention. Les classements actuels le situent dans le bas du tableau en intelligence générale, en Arena text et plus encore en Arena code. L’écart avec les modèles en tête est particulièrement marqué sur le code, malgré son positionnement spécialisé. Après environ un an, ses performances sont largement dépassées à l’échelle très rapide de l’IA, et les modèles de cette ancienneté sont souvent retirés des catalogues des éditeurs. Il fonctionne uniquement en mode non-thinking et ne produit pas de blocs de raisonnement explicites. Sa taille totale de 480 milliards de paramètres implique aussi une architecture particulièrement volumineuse, même si seuls 35 milliards sont activés à chaque traitement.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai).