Qwen3 8B Base

🚀 Qwen3-8B-Base

Qwen3は、Qwenシリーズの最新世代の大規模言語モデルで、高密度モデルとエキスパート混合（MoE）モデルの包括的なセットを提供します。トレーニングデータ、モデルアーキテクチャ、最適化技術の大幅な進歩を基に、Qwen3は以前にリリースされたQwen2.5に比べて以下の主要な改善を実現しています。

✨ 主な機能

Qwen3の特長

Qwen3はQwenシリーズの最新世代の大規模言語モデルで、高密度モデルとエキスパート混合（MoE）モデルの包括的なセットを提供します。トレーニングデータ、モデルアーキテクチャ、最適化技術の大幅な進歩を基に、Qwen3は以前にリリースされたQwen2.5に比べて以下の主要な改善を実現しています。

• 高品質な事前学習コーパスの拡充：Qwen3は119言語にわたる36兆トークンで事前学習されており、Qwen2.5の言語カバレッジを3倍に拡大しています。コーディング、STEM、推論、書籍、多言語、合成データなど、非常に豊富な高品質データが含まれています。
• トレーニング技術とモデルアーキテクチャ：Qwen3は一連のトレーニング技術とアーキテクチャの改良を取り入れており、MoEモデルのグローバルバッチ負荷均衡損失や、すべてのモデルに適用されるqkレイヤー正規化などがあり、安定性と全体的なパフォーマンスが向上しています。
• 三段階の事前学習：第1段階は広範な言語モデリングと一般知識の獲得に焦点を当て、第2段階はSTEM、コーディング、論理推論などの推論スキルを向上させ、第3段階はトレーニングシーケンス長を最大32kトークンまで拡張することで、長文脈の理解を強化しています。
• スケーリング則に基づくハイパーパラメータチューニング：三段階の事前学習パイプライン全体で包括的なスケーリング則研究を通じて、Qwen3は高密度モデルとMoEモデルそれぞれについて、学習率スケジューラやバッチサイズなどの重要なハイパーパラメータを体系的に調整しており、異なるモデル規模でのトレーニングダイナミクスと最終的なパフォーマンスが向上しています。

モデルの概要

Qwen3-8B-Base は以下の特徴を持っています。

ベンチマーク評価、ハードウェア要件、推論パフォーマンスなどの詳細については、ブログ、GitHub、ドキュメント を参照してください。

📦 インストール

Qwen3のコードは最新のHugging Face transformers に含まれており、最新バージョンの transformers を使用することをお勧めします。

transformers<4.51.0 を使用すると、以下のエラーが発生します。

KeyError: 'qwen3'

📚 ドキュメント

評価とパフォーマンス

詳細な評価結果はこの ブログ に報告されています。

引用

もし当社の成果が役に立った場合は、ぜひ引用してください。

@misc{qwen3,
    title  = {Qwen3},
    url    = {https://qwenlm.github.io/blog/qwen3/},
    author = {Qwen Team},
    month  = {April},
    year   = {2025}
}

📄 ライセンス

Apache-2.0ライセンスの下で提供されています。