Ollama Qwen2.5-Coder: lokal pullen und starten

TL;DR

Ollama Qwen2.5-Coder ist der Bibliotheks-Tag qwen2.5-coder, nicht qwen2.5, nicht qwen2.5vl und nicht qwen3-coder. Die Ollama-Bibliothek startet mit ollama run qwen2.5-coder. Das Default-Tag qwen2.5-coder:latest teilt laut Tag-Seite den Digest dae161e27b0e mit qwen2.5-coder:7b (Artefakt 4,7 GB, Kontext 32K, Text). Die Familie reicht von qwen2.5-coder:0.5b (398 MB, Digest 4ff64a7f502a) bis qwen2.5-coder:32b (20 GB, Digest b92d6a0bd47e). Die Übersicht zählt 23,4 Mio. Downloads und 199 Tags und markiert den Eintrag mit tools sowie 0,5B, 1,5B, 3B, 7B, 14B und 32B. Die Readme nennt sechs Größen und beschreibt Code-Erzeugung, Code-Reasoning und Code-Reparatur. Die Chat-API liegt auf http://localhost:11434/api/chat. Gelesen in Bibliothek, Tags, Übersicht und Chat-Doku am 2026-11-07. Kein Ranking, kein Kaufguide.

Code-Tag, nicht Qwen 2.5-Text und nicht Qwen3-Coder

IT-Leiter suchen „ollama qwen2.5-coder“, wenn sie den Tag qwen2.5-coder ziehen und lokal starten — nicht, wenn sie den allgemeinen Text-Tag qwen2.5 oder Qwen3-Coder auf einer Spark- Karte ziehen. Der Text-Tag bleibt Ollama Qwen 2.5. Der Vision-Tag derselben Generation bleibt Ollama Qwen2.5-VL. Die aktuelle Qwen3-Textfamilie bleibt Ollama Qwen3. Der neuere 3.5-Pfad bleibt Ollama Qwen 3.5. Qwen3-Coder auf DGX Spark (NVFP4, nicht dieser Ollama-Tag) bleibt Qwen3-Coder auf DGX Spark. Die allgemeine Modellwahl bleibt Ollama Models.

Die Engine kommt von Ollama Download oder dem Linux-Dienst. Port und Bind-Adresse bleiben 11434. Der Python-Client spricht dieselbe API, beschrieben in Ollama Python.

Start: ollama run qwen2.5-coder

Die Bibliotheksseite, erster Befehl:

ollama run qwen2.5-coder

Das zieht qwen2.5-coder:latest und öffnet die Chat-Sitzung. Die Tag-Seite setzt latest auf denselben Digest wie qwen2.5-coder:7b. Ein festes Tag setzen Sie per Suffix, zum Beispiel qwen2.5-coder:14b. Vor dem Pull die aktuelle Liste auf der Tag-Seite prüfen.

Nur ziehen, ohne Sitzung:

ollama pull qwen2.5-coder

Ohne laufenden Server antwortet der Client nicht. Unter systemd ist das die Unit aus Ollama Service.

Die Readme der Bibliothek nennt dieselben Größen als eigene Startzeilen, etwa ollama run qwen2.5-coder:32b für 32B.

Welche Tags die Bibliothek führt

Stand 2026-11-07 auf ollama.com/library/qwen2.5-coder und der Tag-Seite. Größen sind Artefaktgrößen der Bibliothek, kein freier GPU-Speicher. Die gelisteten Default-Tags zeigen 32K Kontext und Texteingabe. Die Tag-Seite zählt 199 Modelle.

Die übrigen der 199 Tags sind weitere Quantisierungen und Base-Varianten derselben Familie, keine zweite Runtime. Die Bibliothek markiert den Eintrag mit tools.

Die Readme beschreibt die Reihe in sechs Größen (0,5B, 1,5B, 3B, 7B, 14B, 32B) und nennt Verbesserungen bei Code-Erzeugung, Code-Reasoning und Code-Reparatur sowie mehr als 40 Programmiersprachen. Das ist die Herstellerbeschreibung in der Bibliothek, keine eigene Messung.

Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Was dieser Tag nicht ist

Ein anderer Bibliotheks-Eintrag ist qwen2.5 (Textfamilie, 45 Mio. Downloads in der Übersicht, 133 Tags, 0,5B bis 72B); den Pull-Pfad beschreibt Ollama Qwen 2.5. qwen2.5vl ist der Vision-Eintrag (5,8 Mio., 17 Tags). qwen3 ist die neuere Textfamilie (42,7 Mio., 58 Tags). qwen3-coder ist ein getrennter Code-Eintrag (10,7 Mio., 9 Tags, 30B und 480B), nicht dieser Tag. qwen3-vl bleibt Ollama Qwen3-VL. deepseek-r1 und die DeepSeek-Coder-Familie bleiben Ollama DeepSeek. Dieser Text behandelt nur qwen2.5-coder.

Vor dem Einsatz die aktuelle Lizenzzeile auf der Bibliotheksseite prüfen.

Chat-API auf Port 11434

Die Bibliothek zeigt denselben Host wie die Ollama-Chat-Doku (http://localhost:11434). Beispiel der Bibliotheksseite:

curl http://localhost:11434/api/chat \
  -d '{
    "model": "qwen2.5-coder",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Die OpenAPI der Chat-Route bestätigt Server http://localhost:11434 und POST /api/chat. Python-Paket laut Bibliothek:

from ollama import chat

response = chat(
    model='qwen2.5-coder',
    messages=[{'role': 'user', 'content': 'Hello!'}],
)
print(response.message.content)

Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Launch-Wrapper mit demselben Modellnamen

Die Bibliothek listet Start-Befehle mit --model qwen2.5-coder:

ollama launch claude --model qwen2.5-coder
ollama launch opencode --model qwen2.5-coder
ollama launch hermes --model qwen2.5-coder
ollama launch openclaw --model qwen2.5-coder

Das ersetzt weder die Engine-Installation noch den ersten Pull. OpenCode am selben Host steht in OpenCode Ollama. OpenClaw bleibt OpenClaw Ollama.

Häufige Fragen

Ist qwen2.5-coder dasselbe wie qwen2.5, qwen2.5vl oder qwen3-coder?

Nein. Die Bibliothek führt qwen2.5-coder als eigene Code-Familie (199 Tags, 0,5B bis 32B). qwen2.5 ist die Textfamilie, qwen2.5vl der Vision-Eintrag, qwen3-coder ein getrennter Eintrag. Dieser Text behandelt nur qwen2.5-coder.

Reicht ollama pull ohne run?

ollama run zieht und startet. ollama pull zieht nur. Die Bibliotheksbeispiele für Chat und CLI bleiben ollama run qwen2.5-coder.

Warum antwortet die API leer?

Zuerst Serve und Tag prüfen (ollama list, ollama ps). Der Port bleibt 11434, beschrieben in Ollama Port 11434. Ohne laufenden Server liefert der Client keinen stillen Fallback.

Brauche ich Docker extra?

Nein für den Desktop- oder Linux-Dienst. Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Ist das ein zweiter Hardware-Kaufguide?

Nein. Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Fazit

„Ollama Qwen2.5-Coder“ ist der Pull- und Start-Pfad: ollama run qwen2.5-coder, Tag mit Suffix (:7b, :14b, :32b), Serve dauerhaft, Chat nativ auf /api/chat. Größen stammen aus der Bibliothek, nicht aus einer eigenen VRAM-Rechnung. Kein Ranking, keine Preise.