Qwen3 14B GGUF

🚀 Qwen3-14B-GGUF

Qwen3シリーズの大規模言語モデルで、高度な推論能力や多言語サポートなど、幅広い機能を備えています。

🚀 クイックスタート

llama.cpp

詳細な使用方法については、llama.cppのドキュメントを参照してください。

llama.cppをクローンし、公式ガイドに従ってインストールすることをおすすめします。このモデルはllama.cppの最新バージョンに対応しています。以下のデモでは、llama.cppリポジトリのディレクトリでコマンドを実行することを前提としています。

./llama-cli -hf Qwen/Qwen3-14B-GGUF:Q8_0 --jinja --color -ngl 99 -fa -sm row --temp 0.6 --top-k 20 --top-p 0.95 --min-p 0 --presence-penalty 1.5 -c 40960 -n 32768 --no-context-shift

ollama

詳細な使用方法については、ollamaのドキュメントを参照してください。

次のコマンドでQwen3を実行できます。

ollama run hf.co/Qwen/Qwen3-14B-GGUF:Q8_0

✨ 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、高密度モデルと専門家混合（MoE）モデルのセットを提供しています。大規模なトレーニングを通じて、推論能力、命令追従能力、エージェント機能、多言語サポートなどで画期的な進歩を遂げており、以下の主要な特徴があります。

• 単一モデル内で「思考モード」（複雑な論理推論、数学、コーディング用）と「非思考モード」（効率的な汎用対話用）をシームレスに切り替えることができ、様々なシナリオで最適なパフォーマンスを発揮します。
• 推論能力が大幅に向上しており、数学、コード生成、常識的な論理推論などのタスクで、以前のQwQ（思考モード）やQwen2.5命令モデル（非思考モード）を上回っています。
• 人間の嗜好に高度にアライメントされており、創作的な文章作成、ロールプレイ、多ターン対話、命令追従などで優れたパフォーマンスを発揮し、より自然で魅力的な対話体験を提供します。
• エージェント機能に優れており、思考モードと非思考モードの両方で外部ツールとの精密な統合が可能で、複雑なエージェントベースのタスクでオープンソースモデルの中でもトップクラスのパフォーマンスを達成しています。
• 100以上の言語と方言をサポートしており、多言語の命令追従と翻訳能力が強力です。

Qwen3-14Bの特徴

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。

💻 使用例

思考モードと非思考モードの切り替え

ユーザーのプロンプトまたはシステムメッセージに/thinkと/no_thinkを追加することで、モデルの思考モードをターンごとに切り替えることができます。モデルは多ターン対話で最新の命令に従います。

以下は多ターン対話の例です。

> Who are you /no_think

<think>

</think>

I am Qwen, a large-scale language model developed by Alibaba Cloud. [...]

> How many 'r's are in 'strawberries'? /think

<think>
Okay, let's see. The user is asking how many times the letter 'r' appears in the word "strawberries". [...]
</think>

The word strawberries contains 3 instances of the letter r. [...]

長文の処理

Qwen3はネイティブで最大32,768トークンのコンテキスト長をサポートしています。入力と出力の合計長がこの制限を大幅に超える対話の場合、RoPEスケーリング技術を使用して長文を効果的に処理することをおすすめします。YaRN手法を使用して、最大131,072トークンのコンテキスト長でモデルのパフォーマンスを検証しています。

llama.cppでYARNを有効にするには、次のコマンドを実行します。

./llama-cli ... -c 131072 --rope-scaling yarn --rope-scale 4 --yarn-orig-ctx 32768

⚠️ 重要提示

すべての著名なオープンソースフレームワークは静的なYaRNを実装しており、これは入力長に関係なくスケーリング係数が一定であることを意味し、短いテキストでのパフォーマンスに影響を与える可能性があります。 長いコンテキストを処理する必要がある場合のみ、rope_scaling設定を追加することをおすすめします。 また、必要に応じてfactorを変更することもおすすめします。たとえば、アプリケーションの典型的なコンテキスト長が65,536トークンの場合、factorを2.0に設定するとよいでしょう。

💡 使用建议

アリババモデルスタジオが提供するエンドポイントはデフォルトで動的なYaRNをサポートしており、追加の設定は必要ありません。

📚 ドキュメント

ベストプラクティス

最適なパフォーマンスを達成するために、以下の設定をおすすめします。

1. サンプリングパラメータ:
   • 思考モード (enable_thinking=True): Temperature=0.6、TopP=0.95、TopK=20、MinP=0、PresencePenalty=1.5を使用します。貪欲デコードは使用しないでください。これはパフォーマンスの低下や無限の繰り返しを引き起こす可能性があります。
   • 非思考モード (enable_thinking=False): Temperature=0.7、TopP=0.8、TopK=20、MinP=0、PresencePenalty=1.5を使用することをおすすめします。
   • 量子化モデルでは、繰り返し出力を抑制するためにpresence_penaltyを1.5に設定することをおすすめします。 presence_penaltyパラメータは0から2の間で調整できます。値が高いと、時々言語の混合やモデルパフォーマンスのわずかな低下を引き起こす可能性があります。
2. 十分な出力長: ほとんどのクエリでは、32,768トークンの出力長を使用することをおすすめします。数学やプログラミングコンテストなどの非常に複雑な問題のベンチマークでは、最大出力長を38,912トークンに設定することをおすすめします。これにより、モデルが詳細で包括的な応答を生成するための十分なスペースが確保され、全体的なパフォーマンスが向上します。
3. 出力形式の標準化: ベンチマーク時には、プロンプトを使用してモデルの出力を標準化することをおすすめします。
   • 数学問題: プロンプトに「Please reason step by step, and put your final answer within \boxed{}.」を含めます。
   • 選択問題: 応答を標準化するために、次のJSON構造をプロンプトに追加します。「Please show your choice in the answer field with only the choice letter, e.g., "answer": "C"」
4. 履歴に思考内容を含めない: 多ターン対話では、過去のモデル出力には最終出力部分のみを含め、思考内容を含める必要はありません。これは提供されているJinja2のチャットテンプレートで実装されています。ただし、Jinja2のチャットテンプレートを直接使用しないフレームワークでは、開発者がこのベストプラクティスを遵守するようにする必要があります。

引用

このモデルが役に立った場合は、以下のように引用してください。

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

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。