El modelo insignia de pesos abiertos de Alibaba que compite directamente con los mejores modelos propietarios en programación, matemáticas y seguimiento de instrucciones multilingües.
Technical Specifications
- Provider
- Alibaba
- Category
- open-source
- Release Date
- 2024-09
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- Free / Self-Hosted
- Reasoning Effort Control
- Fixed
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- qwen-2-5-72b-instruct
- Supported SDK & API Protocol
- OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
- Lifecycle & Deprecation Status
- Legacy Stable (Upgrade path available in Alibaba lineup)
- Production Rate Limits (RPM & TPM)
- Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
- Long-Context Pricing Tier (>128K / >200K)
- Flat rate ($0.35/1M in) across full 128K window
- Prompt Cache Write & TTL Policy
- Cached input at $0.07/1M tokens
- Computer Use & Browser GUI Agent
- API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
- MCP & Parallel Tool Calling
- Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
- Web Search Grounding & Code Sandbox
- Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
- Fine-Tuning & Distillation Support
- Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token)
- Weights Precision & Quantization
- BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0)
- Minimum GPU VRAM Requirement
- 45 GB VRAM (4-bit Quantized) · 155 GB VRAM (Native BF16)
- Supported Inference Engines
- vLLM, SGLang, Ollama, llama.cpp, TensorRT-LLM, HuggingFace TGI
- System Card & Safety Framework
- Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Qwen 2.5 72B Cost, Context, Hardware & API Integration
For single-user chat, a $20/mo subscription caps your bill below this API volume.
Break-even point: ~433 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to Qwen 2.5 72B:
Benchmark Scores & 6-Axis Capability Radar
- SWE-bench Verified
- 45.2%
- GPQA Diamond
- 52.8%
- MMLU-Pro
- 71.4%
- HumanEval
- 86.4%
- Humanity's Last Exam
- 7.2%
- Terminal-Bench
- 28.1%
- SciCode
- 28.9%
- LiveCodeBench
- 46.5%
- AIME
- 59.2%
- Long-Context Reasoning
- 66.8%
- Chatbot Arena Elo
- 1282pts
Strengths
- Rendimiento matemático y de codificación sobresaliente en arquitectura densa de 72B
- Soporte integral para más de 29 idiomas con precisión nativa
- Ventana de contexto completa de 128K con excelente fidelidad de recuperación
- Totalmente personalizable y con licencia comercial abierta
Limitations & Trade-offs
- Requiere hardware de múltiples GPU para ejecutarse en máxima precisión
- Carece de procesamiento de visión nativo (solo texto)
Editorial Assessment
El modelo denso de código abierto de referencia que compite de igual a igual con GPT-4o.
Best for: Agentes empresariales autoalojados, computación matemática y asistentes de código privados
Compare Qwen 2.5 72B
Frequently Asked Questions about Qwen 2.5 72B
How much does the Qwen 2.5 72B API cost per 1M tokens?+
Qwen 2.5 72B by Alibaba is priced at $0.35 per 1M input tokens and $0.7 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.07 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the Qwen 2.5 72B pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in Qwen 2.5 72B's context window?+
Qwen 2.5 72B features a 128K tokens context window, which equals approximately 96,000 English words or ~256 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 8,192 tokens.
Can I run Qwen 2.5 72B locally on my own GPU (Open Weights)?+
Yes, Qwen 2.5 72B (72B) releases open weights that can be self-hosted locally or on private cloud GPUs using vLLM, Ollama, SGLang, or llama.cpp.
Does Alibaba train on data sent to the Qwen 2.5 72B API, and is commercial use allowed?+
100% Isolated when self-hosted on private GPUs or VPC. License tier: Permissive Open-Weights (Apache 2.0 / MIT Commercial). Full commercial ownership of generated outputs. Supported deployment channels include: Self-Hosted GPU (vLLM / Ollama), Private VPC, or Managed Serverless API.
How does Qwen 2.5 72B perform on coding and reasoning benchmarks?+
Qwen 2.5 72B achieves a composite Intelligence Index of 44/100, scoring 45.2% on SWE-bench Verified, 52.8% on GPQA Diamond, 71.4% on MMLU-Pro, and 1282 pts on Chatbot Arena Elo.
What is Qwen 2.5 72B best used for?+
Qwen 2.5 72B is best suited for: Agentes empresariales autoalojados, computación matemática y asistentes de código privados. Assessment: El modelo denso de código abierto de referencia que compite de igual a igual con GPT-4o.
Alibaba Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to Alibaba's flagship reasoning tier:
Qwen3.8 Max Preview
Qwen3.7 Plus
Qwen3.7 Max
Qwen3.6 Max Preview
Qwen3.6 Plus
Qwen3.6 Flash
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to Qwen 2.5 72B:
La unidad básica de texto que procesa un modelo de lenguaje, que normalmente equivale a 3 o 4 caracteres o aproximadamente 0,75 palabras. Por ejemplo, una frase típica se divide en varios tokens.
Un conjunto estandarizado de pruebas para evaluar y comparar objetivamente las capacidades de distintos modelos de IA en tareas como programación (SWE-bench) o matemáticas avanzadas (AIME).
La cantidad máxima de tokens que un modelo puede considerar a la vez, incluyendo tanto la entrada que lee como la salida que genera. Una ventana de 1.000.000 de tokens puede procesar unas 750.000 palabras en una sola petición.
La capacidad de un modelo de detectar la necesidad de una función externa y emitir argumentos JSON estructurados para ejecutar API, búsquedas web o consultas a bases de datos.
Un protocolo abierto desarrollado por Anthropic que permite a los agentes de IA conectarse de forma estandarizada a sistemas de archivos locales, entornos de desarrollo y servicios externos.
Una optimización donde los proveedores almacenan estados de atención previos para prefijos de prompts frecuentes, reduciendo el coste de entrada hasta en un 90% y acelerando la respuesta.
Las puntuaciones de benchmarks, precios por token y límites de tasa evolucionan rápidamente. Verifique siempre las especificaciones actuales en la documentación oficial del proveedor.