Qwen3来啦

显示全部楼层

Qwen3 特点

Qwen3 是 Qwen 系列的最新一代大型语言模型，提供了一系列密集型和专家混合（MoE）模型。基于广泛的训练，Qwen3 在推理能力、指令遵循、代理能力以及多语言支持方面取得了突破性的进展，主要特点如下：

支持在单一模型内无缝切换思考模式（用于复杂的逻辑推理、数学和编程）和非思考模式（用于高效、通用的对话），确保在各种场景下都能实现最佳性能。
推理能力显著提升，在思考模式下超越了之前的 QwQ（思考模式）和 Qwen2.5 指令模型（非思考模式），在数学、代码生成和常识逻辑推理方面表现出色。
更好地符合人类偏好，在创意写作、角色扮演、多轮对话和指令遵循方面表现出色，能够提供更自然、引人入胜且沉浸式的对话体验。
强大的代理能力，能够在思考和非思考模式下精准地与外部工具集成，并在复杂的基于代理的任务中实现开源模型中的领先性能。
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。

模型概览

Qwen3-0.6B具有以下特点：

类型：因果语言模型
训练阶段：预训练和后训练
参数数量：0.6B
非嵌入参数数量：0.44B
层数：28
注意力头数量（GQA）：Q 为 16，KV 为 8
上下文长度：32,768

快速上手

Qwen3 的代码已集成到最新的 Hugging Facetransformers中，建议您使用最新版本的transformers。

如果您使用的是transformers<4.51.0，将会遇到以下错误：

KeyError: 'qwen3'

以下是一个代码片段，展示如何使用该模型根据给定输入生成内容：

fromtransformersimportAutoModelForCausalLM, AutoTokenizer

model_name ="Qwen/Qwen3-0.6B"

# 加载分词器和模型
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
  model_name,
  torch_dtype="auto",
  device_map="auto"
)

# 准备模型输入
prompt ="Give me a short introduction to large language model."
messages = [
  {"role":"user","content": prompt}
]
text = tokenizer.apply_chat_template(
  messages,
  tokenize=False,
  add_generation_prompt=True,
  enable_thinking=True# 切换思考模式和非思考模式，默认为 True。
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# 执行文本补全
generated_ids = model.generate(
  **model_inputs,
  max_new_tokens=32768
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()

# 解析思考内容
try:
 # rindex 查找 151668 (</think>)
  index = len(output_ids) - output_ids[::-1].index(151668)
exceptValueError:
  index =0

thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
content = tokenizer.decode(output_ids[index:], skip_special_tokens=True).strip("\n")

print("thinking content:", thinking_content)
print("content:", content)

对于部署，您可以使用vllm>=0.8.5或sglang>=0.4.5.post2创建一个与 OpenAI 兼容的 API 端点：

vLLM：

vllm serve Qwen/Qwen3-0.6B --enable-reasoning --reasoning-parser DeepSeek_r1

SGLang：

python -m sglang.launch_server --model-path Qwen/Qwen3-0.6B --reasoning-parser deepseek-r1

在思考模式和非思考模式之间切换

`enable_thinking=True`

默认情况下，Qwen3 启用了思考能力，类似于 QwQ-32B。这意味着模型将使用其推理能力来提高生成响应的质量。例如，当显示设置enable_thinking=True或将其保留为tokenizer.apply_chat_template中的默认值时，模型将进入思考模式。

text = tokenizer.apply_chat_template(
  messages,
  tokenize=False,
  add_generation_prompt=True,
  enable_thinking=True# True 是 enable_thinking 的默认值
)

在这种模式下，模型将生成一个<think>...</think>块包裹的思考内容，随后是最终响应。

`enable_thinking=False`

我们提供了一个硬开关，严格禁用模型的思考行为，使其功能与之前的 Qwen2.5-Instruct 模型一致。这种模式特别适用于在需要禁用思考以提高效率的场景中。

text = tokenizer.apply_chat_template(
  messages,
  tokenize=False,
  add_generation_prompt=True,
  enable_thinking=False# 设置 enable_thinking=False 禁用思考模式
)

在这种模式下，模型不会生成任何思考内容，也不会包含<think>...</think>快。

高级用法：通过用户输入在思考模式和非思考模式之间切换

我们提供了一个软开关机制，允许用户在enable_thinking=True是动态控制模型的行为。具体来说，您可以在用户提示或系统消息中添加/think和/no_think，以在多轮对话中逐轮切换模型的思考模式。模型将遵循最近一次的指令。

以下是一个多轮对话的示例：

fromtransformersimportAutoModelForCausalLM, AutoTokenizer

classQwenChatbot:
 def__init__(self, model_name="Qwen/Qwen3-0.6B"):
    self.tokenizer = AutoTokenizer.from_pretrained(model_name)
    self.model = AutoModelForCausalLM.from_pretrained(model_name)
    self.history = []

 defgenerate_response(self, user_input):
    messages = self.history + [{"role":"user","content": user_input}]

    text = self.tokenizer.apply_chat_template(
      messages,
      tokenize=False,
      add_generation_prompt=True
    )

    inputs = self.tokenizer(text, return_tensors="pt")
    response_ids = self.model.generate(**inputs, max_new_tokens=32768)[0][len(inputs.input_ids[0]):].tolist()
    response = self.tokenizer.decode(response_ids, skip_special_tokens=True)

   # 更新历史记录
    self.history.append({"role":"user","content": user_input})
    self.history.append({"role":"assistant","content": response})

   returnresponse

# 示例用法
if__name__ =="__main__":
  chatbot = QwenChatbot()

 # 第一次输入（未使用 /think 或 /no_think 标签，默认启用思考模式）
  user_input_1 ="How many r's in strawberries?"
  print(f"User:{user_input_1}")
  response_1 = chatbot.generate_response(user_input_1)
  print(f"Bot:{response_1}")
  print("----------------------")

 # 第二次输入，使用 /no_think
  user_input_2 ="Then, how many r's in blueberries? /no_think"
  print(f"User:{user_input_2}")
  response_2 = chatbot.generate_response(user_input_2)
  print(f"Bot:{response_2}")
  print("----------------------")

 # 第三次输入，使用 /think
  user_input_3 ="Really? /think"
  print(f"User:{user