模型介绍
中文整理# Qwen3-4B-MLX-6bit 模型卡片
模型概述
Qwen3-4B 是阿里云通义千问系列的大型语言模型，采用因果语言模型架构。该模型在预训练和后训练阶段完成训练，拥有40亿参数，其中非嵌入参数36亿。模型包含36层，注意力头采用GQA配置，Q头32个，KV头8个。
## 主要能力
Qwen3-4B 支持在单一模型内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、数学和编码任务；非思考模式适用于高效通用对话。该模型在推理能力上相比前代有显著提升，在数学、代码生成和常识逻辑推理方面表现优异。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突出。同时具备强大的代理能力，支持与外部工具精确集成，在复杂代理任务中达到开源模型领先水平。模型支持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。
## 输入输出
模型输入为文本提示，输出为生成的文本内容。原生支持32768个tokens的上下文长度，使用YaRN方法可扩展至131072个tokens。
运行要求
该模型需要transformers版本不低于4.52.4，mlx lm版本不低于0.25.2。建议使用最新版本以获得最佳兼容性。模型参数量为40亿，非嵌入参数36亿。推理框架支持包括transformers、llama.cpp、vllm和sglang。
基本用法
模型默认启用思考模式（enable thinking=True），会生成think内容块然后输出最终回复。设置enable thinking=False可完全禁用思考行为，输出风格与Qwen2.5-Instruct模型相同。
在enable thinking=True时，用户可通过在提示中添加/think或/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。思考模式下不建议使用贪婪解码，可能导致性能下降和无限重复。
处理长文本时，若上下文长度超过32768个tokens，建议使用YaRN技术。YaRN配置仅建议在处理长上下文时启用，典型上下文长度为65536个tokens时建议设置factor为2.0。
限制
思考模式下必须使用采样策略，不能使用贪婪解码。使用YaRN时为静态缩放，可能对短文本性能产生影响。默认最大位置嵌入设置为40960，其中32768个tokens预留给输出，8192个tokens用于典型提示。若平均上下文长度不超过32768个tokens，不建议启用YaRN。
许可证
如需引用该模型，请参考相关学术文献。
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。