Qwen2 7B Instruct

Fiche modèle · Alibaba Cloud / Qwen Team · qwen2-7b-instruct

Qwen2-7B-Instruct is an instruction-tuned language model with 7 billion parameters, supporting a context length of up to 131,072 tokens.

Fiches modèles

Identité

Organisation	Alibaba Cloud / Qwen Team
Pays	—
Famille	—
Type	llm
Date de sortie	2024-07-23
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	32 768
KV cache / token (Q8)	28.7 ko/token
Paramètres totaux	7.62 B
Paramètres actifs (session)	7.62 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (Qwen/Qwen2-7B-Instruct)) ; total : config Hugging Face (Qwen/Qwen2-7B-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	2026-05-07T16:53:35.549715Z
Mis à jour le	2026-11-04T06:05:05.321931Z
Source	LLM Stats
URL	https://llm-stats.com/models/qwen2-7b-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
chat	0.80
language	0.60
legal	0.60
math	0.60
physics	0.30
reasoning	0.60
roleplay	0.80
finance	0.50
general	0.60
healthcare	0.60
biology	0.30
chemistry	0.30
code	0.60
communication	0.80
creativity	0.80
writing	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
alignbench	general	0.72	1.00	0.72	non	oui	2026-11-04T06:05:05.329210Z
c-eval	general	0.77	1.00	0.77	non	oui	2026-11-04T06:05:05.334212Z
evalplus	reasoning	0.70	100.00	0.70	non	oui	2026-11-04T06:05:05.337887Z
gpqa	reasoning	0.25	1.00	0.25	non	oui	2026-11-04T06:05:05.347098Z
gsm8k	math	0.82	1.00	0.82	non	oui	2026-11-04T06:05:05.351666Z
humaneval	reasoning	0.80	1.00	0.80	non	oui	2026-11-04T06:05:05.357946Z
livecodebench	reasoning	0.27	1.00	0.27	non	oui	2026-11-04T06:05:05.367438Z
math	math	0.50	1.00	0.50	non	oui	2026-11-04T06:05:05.375425Z
mbpp	reasoning	0.67	100.00	0.67	non	oui	2026-11-04T06:05:05.381935Z
mmlu	general	0.70	1.00	0.70	non	oui	2026-11-04T06:05:05.385821Z
mmlu-pro	language	0.44	1.00	0.44	non	oui	2026-11-04T06:05:05.389527Z
mt-bench	chat	0.84	100.00	0.84	non	oui	2026-11-04T06:05:05.392829Z
multipl-e	general	0.59	1.00	0.59	non	oui	2026-11-04T06:05:05.398128Z
theoremqa	math	0.25	1.00	0.25	non	oui	2026-11-04T06:05:05.402988Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	251	—	0.85	3	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