模型介绍
中文整理Qwen3-30B-A3B-GPTQ-Int4 模型卡片
模型概述
Qwen3-30B-A3B是阿里云Qwen3系列中的混合专家（MoE）大型语言模型，采用GPTQ 4位量化。
主要能力
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、数学和编程任务；非思考模式适用于高效通用对话。在数学、代码生成和常识逻辑推理方面表现优异。具备出色的创意写作、角色扮演、多轮对话和指令遵循能力。支持精确集成外部工具，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，具备多语言指令跟随和翻译能力。
模型规格
类型：因果语言模型
训练阶段：预训练与后训练
总参数：30.5B
激活参数：3.3B
非嵌入参数：29.9B
层数：48
注意力头：32个Q头，4个KV头
专家数：128
激活专家数：8
上下文长度：原生32,768 tokens，使用YaRN可扩展至131,072 tokens
量化方式：GPTQ 4-bit
运行要求
建议使用最新版本Hugging Face transformers。兼容transformers 0.4.6.post1或更高版本、vLLM 0.8.4或更高版本、SGLang。
输入输出
输入：文本形式的用户指令或对话内容
输出：文本形式的响应，支持思考模式下的推理过程输出
基本用法
通过Hugging Face transformers加载模型。使用SGLang或vLLM可创建OpenAI兼容的API端点。
思考模式设置：enable thinking=True，使用Temperature=0.6、TopP=0.95、TopK=20、MinP=0。建议输出长度32,768 tokens，复杂数学编程问题可设至38,912 tokens。
非思考模式设置：enable thinking=False，使用Temperature=0.7、TopP=0.8、TopK=20、MinP=0。
软切换功能：在enable thinking=True时，可在用户提示或系统消息中添加/think和/no think来动态控制思考模式。
长文本处理：原生支持32,768 tokens上下文，超过此长度可使用YaRN方法扩展至131,072 tokens。
代理使用：推荐使用Qwen-Agent以充分发挥模型的工具调用能力。
限制
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。量化模型建议将presence penalty参数设为1.5以减少重复，但较高值可能导致语言混用。静态YaRN配置对短文本可能有性能影响，建议仅在处理长上下文时启用YaRN。
许可证
请参阅项目官方文档获取许可证信息。
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。