Qwen2 72B Instruct

Fiche modèle · Alibaba Cloud / Qwen Team · qwen2-72b-instruct

Qwen2-72B-Instruct is an instruction-tuned language model with 72 billion parameters, supporting a context length of up to 131,072 tokens. It's part of the new Qwen2 series, which has surpassed most open-source models and demonstrates competitiveness against proprietary models across various benchmarks.

Fiches modèles

Identité

Organisation	Alibaba Cloud / Qwen Team
Pays	—
Famille	—
Type	llm
Date de sortie	2024-07-23
Licence	tongyi-qianwen
Licence commerciale	non
Licence open source	non
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	32 768
KV cache / token (Q8)	163.8 ko/token
Paramètres totaux	72 B
Paramètres actifs (session)	72.7 B
Source des paramètres actifs	web : https://huggingface.co/Qwen/Qwen2-72B-Instruct
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:35.496720Z
Mis à jour le	2026-11-04T06:05:05.213855Z
Source	LLM Stats
URL	https://llm-stats.com/models/qwen2-72b-instruct

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.80
legal	0.70
math	0.70
physics	0.40
reasoning	0.70
finance	0.60
general	0.70
healthcare	0.70
biology	0.40
chemistry	0.40
code	0.80

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
arc-c	reasoning	0.69	1.00	0.69	non	oui	2026-11-04T06:05:05.217678Z
bbh	reasoning	0.82	1.00	0.82	non	oui	2026-11-04T06:05:05.222992Z
c-eval	general	0.84	1.00	0.84	non	oui	2026-11-04T06:05:05.227665Z
cmmlu	language	0.90	1.00	0.90	non	oui	2026-11-04T06:05:05.231846Z
evalplus	reasoning	0.79	100.00	0.79	non	oui	2026-11-04T06:05:05.247164Z
gpqa	reasoning	0.42	1.00	0.42	non	oui	2026-11-04T06:05:05.262313Z
gsm8k	math	0.91	1.00	0.91	non	oui	2026-11-04T06:05:05.267433Z
hellaswag	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:05:05.271772Z
humaneval	reasoning	0.86	1.00	0.86	non	oui	2026-11-04T06:05:05.279205Z
math	math	0.60	1.00	0.60	non	oui	2026-11-04T06:05:05.284602Z
mbpp	reasoning	0.80	100.00	0.80	non	oui	2026-11-04T06:05:05.289811Z
mmlu	general	0.82	1.00	0.82	non	oui	2026-11-04T06:05:05.296128Z
mmlu-pro	language	0.64	1.00	0.64	non	oui	2026-11-04T06:05:05.299896Z
multipl-e	general	0.69	1.00	0.69	non	oui	2026-11-04T06:05:05.303287Z
theoremqa	math	0.44	1.00	0.44	non	oui	2026-11-04T06:05:05.306611Z
truthfulqa	general	0.55	1.00	0.55	non	oui	2026-11-04T06:05:05.312027Z
winogrande	reasoning	0.85	1.00	0.85	non	oui	2026-11-04T06:05:05.316558Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	182	—	9.74	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04