Qwen3来啦

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 Face transformers 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：

from transformers import AutoModelForCausalLM, 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)
except ValueError:
    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：

from transformers import AutoModelForCausalLM, 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})

        return response

# 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