Qwen2.5-Coder
Der Standard fürs lokale Coden. Das 32B spielt in der Liga proprietärer Modelle; 1.5B/3B eignen sich als flotte Autocomplete-Engine im Editor (z. B. mit Continue.dev).
Der Standard fürs lokale Coden. Das 32B spielt in der Liga proprietärer Modelle; 1.5B/3B eignen sich als flotte Autocomplete-Engine im Editor (z. B. mit Continue.dev).
So nutzt du es
Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).
Größen & Hardware
- Verfügbare Größen: 0.5 / 1.5 / 3 / 7 / 14 / 32B
- Empfohlene Hardware (Q4): 7B: 8 GB · 14B: 16 GB · 32B: 24–32 GB
Benutzungsanleitung
Der Standard-Tipp für lokales Programmieren — versteht viele Sprachen, ergänzt Code und erklärt Fehler.
Installation:
ollama run qwen2.5-coder
Varianten: qwen2.5-coder:7b (8 GB RAM), :14b (16 GB), :32b (32 GB+ — nahe Cloud-Niveau).
Wofür gut: Code-Vervollständigung, Fehlersuche, Refactoring, Erklärungen. In Editor-Werkzeugen wie Continue oder Aider als lokales Modell einbindbar — dann verlässt kein Code das Haus.
Kombi-Tipp: Zusammen mit Continue (VS Code) ergibt das einen komplett lokalen Copilot-Ersatz; beide stehen hier im Verzeichnis.
Im Detail
Qwen2.5-Coder gilt als eines der stärksten offenen Coding-Modelle überhaupt. Das 32B-Modell erreicht in Benchmarks Werte, die mit proprietären Cloud-Modellen mithalten – für lokale Entwicklung ohne Datenabfluss ein echter Sprung. Die kleineren Varianten (1.5B, 3B) sind auf niedrige Latenz getrimmt und eignen sich als Autocomplete-Engine direkt im Editor, etwa über Continue.dev, wo Tippgeschwindigkeit wichtiger ist als maximale Codequalität. Für komplexere Aufgaben wie ganze Funktionen oder Refactorings lohnt sich das 14B- oder 32B-Modell. Wer agentisches Arbeiten braucht – das Modell soll selbstständig Dateien lesen und Repos bearbeiten – sollte eher zum Nachfolger Qwen3-Coder greifen.
Praxis-Tipp
Das 1.5B- oder 3B-Modell als lokale Autocomplete-Engine in Continue.dev einbinden, das 32B-Modell für ‘Refactore diese Funktion und schreibe passende Tests’ im Chat nutzen.
Siehe auch
Lizenz & Quelle
Erfahrungen & Kommentare.
Funktioniert der Modell bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
Llama 3.1
Der Meta-Klassiker mit 128K Kontext. 8B ist ein sehr solider Allrounder für schwächere Hardware, spricht ordentlich Deutsch.
Llama 3.3
Leistet laut Meta ungefähr so viel wie das riesige 405B-Modell — der Preis-Leistungs-Tipp, wenn man 64 GB (z. B. Mac Studio) hat.
Llama 4 (Scout / Maverick)
Metas MoE-Generation mit sehr großem Kontext und Bildverständnis. Für Heim-Hardware meist zu groß — eher für Server/Mac Studio 128 GB+.
