🚀 Qwen3-0.6B-GGUF
Qwen3-0.6B-GGUF是Qwen系列最新一代大语言模型的特定版本,具备多种强大特性,支持多语言,能在不同模式下高效运行,为用户提供优质的语言交互体验。
🚀 快速开始
llama.cpp
更多使用指南请查看我们的 llama.cpp 文档。
建议你克隆 llama.cpp
并按照官方指南进行安装,我们采用的是 llama.cpp 的最新版本。在以下示例中,假设你在 llama.cpp
仓库下运行命令:
./llama-cli -hf Qwen/Qwen3-0.6B-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
更多使用指南请查看我们的 ollama 文档。
你可以使用以下命令运行 Qwen3:
ollama run hf.co/Qwen/Qwen3-0.6B-GGUF:Q8_0
✨ 主要特性
Qwen3 亮点
Qwen3 是 Qwen 系列的最新一代大语言模型,提供了一套全面的密集模型和专家混合(MoE)模型。经过大量训练,Qwen3 在推理、指令遵循、智能体能力和多语言支持方面取得了突破性进展,具有以下关键特性:
- 独特支持单模型内思维模式(用于复杂逻辑推理、数学和编码)和非思维模式(用于高效通用对话)的无缝切换,确保在各种场景下都能实现最佳性能。
- 推理能力显著增强,在数学、代码生成和常识逻辑推理方面超越了之前的 QwQ(思维模式下)和 Qwen2.5 指令模型(非思维模式下)。
- 高度符合人类偏好,在创意写作、角色扮演、多轮对话和指令遵循方面表现出色,提供更自然、引人入胜和沉浸式的对话体验。
- 具备强大的智能体能力,能够在思维和非思维模式下与外部工具精确集成,在复杂的基于智能体的任务中在开源模型中取得领先性能。
- 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。
模型概述
属性 |
详情 |
模型类型 |
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 |
量化方式 |
q8_0 |
更多详细信息,包括基准评估、硬件要求和推理性能,请参考我们的 博客、GitHub 和 文档。
💻 使用示例
思维模式与非思维模式切换
你可以在用户提示或系统消息中添加 /think
和 /no_think
来逐轮切换模型的思维模式。在多轮对话中,模型将遵循最新的指令。以下是一个多轮对话示例:
> 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. [...]
📚 详细文档
最佳实践
为了实现最佳性能,我们建议采用以下设置:
- 采样参数:
- 对于思维模式(
enable_thinking=True
),使用 Temperature=0.6
、TopP=0.95
、TopK=20
、MinP=0
和 PresencePenalty=1.5
。请勿使用贪心解码,因为这可能导致性能下降和无限重复。
- 对于非思维模式(
enable_thinking=False
),建议使用 Temperature=0.7
、TopP=0.8
、TopK=20
、MinP=0
和 PresencePenalty=1.5
。
- 对于量化模型,建议将
presence_penalty
设置为 1.5 以抑制重复输出。你可以在 0 到 2 之间调整 presence_penalty
参数。较高的值偶尔可能导致语言混合和模型性能略有下降。
- 足够的输出长度:对于大多数查询,建议使用 32,768 个标记的输出长度。对于高度复杂问题的基准测试,如数学和编程竞赛中的问题,建议将最大输出长度设置为 38,912 个标记。这为模型提供了足够的空间来生成详细和全面的响应,从而提高其整体性能。
- 标准化输出格式:在进行基准测试时,建议使用提示来标准化模型输出。
- 数学问题:在提示中包含 “Please reason step by step, and put your final answer within \boxed{}.”。
- 多项选择题:在提示中添加以下 JSON 结构以标准化响应:“Please show your choice in the
answer
field with only the choice letter, e.g., "answer": "C"
.”
- 历史记录中无思维内容:在多轮对话中,历史模型输出应仅包含最终输出部分,无需包含思维内容。这在提供的 Jinja2 聊天模板中已实现。但是,对于不直接使用 Jinja2 聊天模板的框架,开发者需要确保遵循此最佳实践。
引用
如果您觉得我们的工作有帮助,请随意引用:
@misc{qwen3,
title = {Qwen3},
url = {https://qwenlm.github.io/blog/qwen3/},
author = {Qwen Team},
month = {April},
year = {2025}
}
📄 许可证
本项目采用 Apache-2.0 许可证。