模型介绍
中文整理Qwen3-8B-MLX-6bit
模型用途
Qwen3-8B是阿里云Qwen系列最新一代大型语言模型，属于密集型语言模型。主要用于复杂逻辑推理、数学问题求解、代码生成、多语言对话、创意写作、角色扮演以及工具调用等任务。
主要能力
思考模式与非思考模式无缝切换：单一模型内可灵活切换思考模式（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），确保在不同场景下获得最佳性能。
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QwQ-32B（思考模式）和Qwen2.5-Instruct模型（非思考模式）。
人类偏好对齐优秀：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。
代理能力专业：支持在思考和非思考模式下精确集成外部工具，在复杂代理任务中达到开源模型领先水平。
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
输入格式：文本提示，支持用户提示和系统消息
输出格式：生成的文本响应
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：8.2B总参数，6.95B非嵌入参数
模型结构：36层，32个Q注意力头，8个KV注意力头
依赖库：transformers ≥ 4.52.4，mlx lm ≥ 0.25.2
推理框架：支持transformers、mlx lm、SGLang、vLLM、llama.cpp
基本用法
思考模式启用：设置enable thinking=True或使用tokenizer.apply_chat_template默认配置。模型将生成think内容块（<think >...</think >），然后输出最终响应。
思考模式禁用：设置enable thinking=False，模型不生成任何think内容，功能与Qwen2.5-Instruct模型相同。
软切换机制：当enable thinking=True时，可在用户提示或系统消息中添加/think和/no_think来动态切换思考模式。
采样参数建议：思考模式使用Temperature=0.6、TopP=0.95、TopK=20、MinP=0；非思考模式使用Temperature=0.7、TopP=0.8、TopK=20、MinP=0。思考模式禁止使用贪婪解码。
输出长度建议：大多数查询建议使用32,768个token的输出长度；数学和编程竞赛等高复杂问题建议设置最大输出长度为38,912个token。
长文本处理：超过32,768个token的对话建议使用YaRN技术进行RoPE缩放。
限制
思考模式使用贪婪解码可能导致性能下降和无尽重复。
静态YaRN的缩放因子是恒定的，可能对较短文本的性能产生负面影响。建议仅在处理长上下文时启用YaRN配置。
默认最大位置嵌入设置为40,960，其中32,768个token预留用于输出，8,192个token用于典型提示。如果平均上下文长度不超过32,768个token，不建议启用YaRN。
许可证
模型卡片原文未包含具体的许可证信息。
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。