模型介绍
中文整理Qwen3-4B-FP8
模型概述
Qwen3是Qwen系列最新一代大语言模型，提供密集模型和混合专家模型。该仓库包含Qwen3-4B的FP8量化版本。
模型用途
Qwen3-4B-FP8是一个因果语言模型，适用于复杂逻辑推理、数学问题求解、代码生成以及高效通用对话任务。该模型支持在单一模型内无缝切换思考模式和非思考模式，以适应不同应用场景。
主要能力
思考模式支持：模型能够在思考模式下进行复杂逻辑推理、数学计算和编码任务，生成过程会输出think内容块。
推理能力提升：在数学、代码生成和常识逻辑推理方面表现优于前代QwQ-32B和Qwen2.5-Instruct模型。
人类偏好对齐：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：支持与外部工具的精确集成，在复杂基于代理的任务中达到开源模型领先性能。
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，支持多语言输入，可通过聊天模板或API调用
输出格式：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：总参数40亿，非嵌入参数36亿
模型结构：36层网络，32个Q注意力头，8个KV注意力头
推理框架：支持transformers、vLLM、SGLang等推理框架
硬件要求：需要GPU运行，FP8量化版本可降低显存需求
量化信息：采用细粒度FP8量化，块大小为128
基本用法
模型切换：可通过设置enable thinking参数切换思考模式和非思考模式
思考模式设置：enable thinking=True时启用思考模式，模型会生成think内容块
非思考模式设置：enable thinking=False时禁用思考行为，提升效率
软切换机制：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
采样参数建议：
- 思考模式：Temperature=0.6，TopP=0.95，TopK=20，MinP=0
- 非思考模式：Temperature=0.7，TopP=0.8，TopK=20，MinP=0
输出长度建议：大多数查询建议使用32,768个token的输出长度；复杂数学和编程竞赛问题建议设置到38,912个token
长文本处理：超过32,768个token的对话建议使用RoPE缩放技术
限制
已知问题：transformers框架在分布式推理时存在细粒度FP8量化问题，多设备推理时可能需要设置环境变量CUDA LAUNCH BLOCKING=1
思考模式注意事项：禁止使用贪婪解码，会导致性能下降和无尽重复
YaRN配置建议：仅在处理长上下文时启用YaRN配置，默认最大位置嵌入为40,960
许可证
该模型基于Apache 2.0许可证开源。
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。