模型介绍
中文整理# Qwen3-4B-AWQ 模型卡片
模型概述
Qwen3-4B-AWQ是阿里云Qwen系列最新一代大语言模型，采用AWQ 4-bit量化技术。
类型：因果语言模型
训练阶段：预训练与后训练
参数数量：4.0B
非嵌入参数数量：3.6B
层数：36
注意力头数量：Q头32个，KV头8个
上下文长度：原生支持32,768 tokens，使用YaRN技术可扩展至131,072 tokens
## 主要能力
支持在单一模型中无缝切换思考模式和非思考模式。思考模式适用于复杂逻辑推理、数学和编程任务；非思考模式适用于高效通用对话。
推理能力显著提升，在数学、代码生成和常识逻辑推理方面超越前代模型。
具备出色的人类偏好对齐能力，在创意写作、角色扮演、多轮对话和指令遵循方面表现优异。
支持100多种语言和方言，具备强大的多语言指令跟随和翻译能力。
在思考和非思考模式下都能精确集成外部工具，在复杂智能体任务中达到开源模型领先性能。
## 输入输出
输入：文本提示
输出：文本响应
在思考模式下，模型会生成think内容块（包含在<think >...</think >标签中），随后输出最终响应。
在非思考模式下，模型直接输出最终响应，不生成思考内容。
运行要求
推荐使用transformers>=0.4.6.post1或vllm>=0.8.5版本。
支持通过SGLang和vLLM创建OpenAI兼容的API端点。
基本用法
启用思考模式：设置enable thinking=True（默认启用）
禁用思考模式：设置enable thinking=False
思考模式采样参数：Temperature=0.6，TopP=0.95，TopK=20，MinP=0
非思考模式采样参数：Temperature=0.7，TopP=0.8，TopK=20，MinP=0
思考模式下强烈建议不要使用greedy解码，可能导致性能下降和无限重复。
支持软切换机制：用户可在提示词或系统消息中添加/think和/no think来动态切换思考模式。
限制
思考模式需要特定的采样参数配置，不当配置可能导致输出质量下降或无限重复。
对于量化模型，建议将presence penalty参数设置为1.5以减少重复，但使用更高值可能导致语言混用和性能下降。
YaRN技术目前为静态实现，扩展因子在不同输入长度下保持恒定，可能影响短文本性能。建议仅在处理长上下文时启用YaRN。
默认最大位置嵌入设置为40,960，其中32,768 tokens预留给输出，8,192 tokens用于常规提示。
许可证
请参考官方文档获取完整的许可证信息。
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
运行模型需要的设备、工具与依赖，以原作者说明为准。
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。