模型介绍
中文整理Qwen3-14B-AWQ 模型卡片
模型概述
Qwen3-14B-AWQ 是阿里云Qwen系列最新一代大语言模型，采用因果语言模型架构，经过预训练和后训练。模型参数量为14.8B，非嵌入参数为13.2B，包含40层，注意力头采用GQA机制（Q头40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。该版本为AWQ 4-bit量化版本。
主要能力
Qwen3-14B-AWQ 提供以下核心能力：
支持思考模式和非思考模式的无缝切换。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。两种模式可在单一模型内根据场景灵活切换。
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了前代QwQ（思考模式）和Qwen2.5 instruct模型（非思考模式）。
具备优越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出色，提供更自然、更具吸引力的对话体验。
具备专业的代理能力，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。
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
输入格式：支持多轮对话，可通过系统消息或用户提示中的 /think 和 /no think 标签动态切换思考模式。输入上下文长度原生支持最多32,768 tokens，使用YaRN可处理最长131,072 tokens的对话。
输出格式：思考模式下，模型生成 <think >...</think > 块包裹的推理过程，随后输出最终回复。非思考模式下直接输出最终回复，不包含思考内容。
运行要求
推理框架：支持 transformers 0.4.6.post1 及以上版本，或 vllm 0.8.5 及以上版本，也支持 SGLang 进行部署。
硬件要求：具体硬件需求请参考官方文档和博客。
思考模式采样参数：Temperature=0.6，TopP=0.95，TopK=20，MinP=0。不建议使用贪婪解码，可能导致性能下降和无限重复。
非思考模式采样参数：Temperature=0.7，TopP=0.8，TopK=20，MinP=0。
对于量化模型，建议将presence penalty参数设置在0到2之间，强烈推荐设置为1.5以减少无限重复。
基本用法
模型可通过 Hugging Face transformers、SGLang 或 vLLM 加载使用，也可创建 OpenAI 兼容的 API 端点。
启用思考模式：在 tokenizer.apply_chat_template 中设置 enable thinking=True 或使用默认值。模型将生成思考内容块。
禁用思考模式：设置 enable thinking=False，模型直接输出回复，不生成思考内容块。
动态切换：当 enable thinking=True 时，可在用户提示或系统消息中使用 /think 和 /no think 标签在多轮对话中动态切换思考模式。
长文本处理：对于超过32,768 tokens的对话，建议使用 YaRN 技术。config.json 中默认最大位置嵌入为40,960（预留32,768用于输出，8,192用于提示）。平均上下文不超过32,768 tokens时不建议启用 YaRN。
代理使用：推荐使用 Qwen-Agent 框架以充分发挥模型的工具调用能力。
限制
思考模式和非思考模式需使用不同的采样参数配置以获得最佳性能。
静态 YaRN 缩放因子在不同输入长度下保持恒定，可能对较短文本性能产生影响。建议仅在处理长上下文时添加 rope scaling 配置，并根据实际应用场景调整缩放因子。
许可证
该模型的具体许可证信息请参考官方文档。
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。