模型详情
模型介绍
中文整理# Qwen3-8B-AWQ 模型卡片
模型概述
Qwen3-8B-AWQ 是阿里云通义千问系列的新一代大语言模型，采用AWQ 4-bit量化技术。
模型用途
用于自然语言对话、推理、代码生成、数学问题求解、多语言翻译等任务。支持在单一模型内无缝切换思考模式（用于复杂逻辑推理、数学和编程）和非思考模式（用于高效通用对话）。
## 主要能力
- *思考模式与推理**：支持在思考模式和非思考模式之间无缝切换，显著提升推理能力，在数学、代码生成和常识逻辑推理方面超越前代模型。
- *人类偏好对齐**：在创意写作、角色扮演、多轮对话和指令遵循方面表现出色，提供更自然、更具吸引力的对话体验。
- *代理能力**：能够精确集成外部工具，在复杂基于代理的任务中达到开源模型领先性能。
- *多语言支持**：支持100多种语言和方言，具备强大的多语言指令遵循和翻译能力。
## 输入输出
- *输入**：文本提示（用户问题、指令或对话内容）
- *输出**：文本响应（模型生成的回答）
- *上下文长度**：原生支持32,768个token，使用YaRN方法可扩展至131,072个token
运行要求
- *参数规模**：总参数8.2B，非嵌入参数6.95B，层数36
- *注意力头**：32个Q头，8个KV头（采用GQA）
- *量化方式**：AWQ 4-bit
- *框架要求**：transformers>=0.4.6.post1 或 vllm>=0.8.5
- *推理框架**：支持transformers（本地部署）、vLLM和SGLang（在线部署）
基本用法
- *思考模式启用**：设置 enable_thinking=True，模型将生成think内容块，然后输出最终响应。推荐参数：Temperature=0.6，TopP=0.95，TopK=20，MinP=0。禁止使用贪婪解码。
- *非思考模式**：设置 enable_thinking=False，模型不生成思考内容。推荐参数：Temperature=0.7，TopP=0.8，TopK=20，MinP=0。
- *软切换**：在enable_thinking=True时，可在用户提示或系统消息中添加 /think 和 /no_think 动态切换思考模式。
- *长文本处理**：当上下文超过32,768个token时，建议使用YaRN技术扩展至131,072个token。可通过修改config.json的rope scaling字段或传递命令行参数启用。
- *输出长度建议**：大多数查询建议使用32,768个token的输出长度；复杂数学和编程竞赛题目建议设置至38,912个token。
限制
- *思考模式限制**：必须使用采样解码，禁止贪婪解码，否则可能导致性能下降和无尽重复。
- *YaRN影响**：静态YaRN的缩放因子是恒定的，可能影响短文本性能。建议仅在处理长上下文时启用YaRN，并可根据实际典型上下文长度调整因子。
- *输出格式标准化**：基准测试时应使用提示词标准化输出格式，数学问题要求逐步推理并将最终答案放在\boxed{}中，多选题要求以JSON格式输出答案。
- *多轮对话**：历史对话中只需包含最终输出部分，无需包含思考内容。
许可证
模型仅可应用于科学研究目的，禁止用于商业用途。详细许可证信息请参阅官方文档。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。