Ascend-SACT/Qwen3-VL-4B-Instruct
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

Qwen3-VL-4B-Instruct是阿里通义千问团队推出的一款高性能轻量级视觉语言模型。它凭借40亿参数的紧凑设计,在保持强大多模态理解能力的同时,显著降低了硬件部署门槛,让开发者能在消费级显卡(如RTX 3060)甚至个人电脑(如16GB内存的Mac)上流畅运行。

该模型的核心能力与特点可总结为下表:

特性维度具体描述
架构与规模参数规模为40亿(4B),采用“视觉编码器+语言模型解码器”的经典多模态架构。
多模态能力原生支持对文本、图像、视频的联合理解与生成。具备高级的空间感知(2D/3D)、视觉智能体(GUI操作)、视觉编程(从图像生成代码) 等能力。
核心技术1. 交错式MRoPE位置编码:增强对长视频和图像序列的时空建模能力。
2. DeepStack多层特征融合:融合不同层级的视觉特征,提升细节捕捉和图文对齐精度。
3. 文本-时间戳对齐:实现精确的视频事件时序定位。
上下文长度原生支持 256K token 的长上下文,可扩展至百万级,能处理整本书籍或数小时的视频内容。
量化与部署提供 FP8量化版本,模型体积和显存占用大幅降低(如低至3.8GB),可在8GB显存的消费级显卡(如RTX 4060)或16GB内存的Mac上部署运行。
性能表现在多模态权威评测(如STEM、OCR、视频理解)中,性能可与参数规模更大的同级别顶尖模型(如Gemini 2.5 Flash Lite、GPT-5 Nano)相媲美,部分任务甚至接近更大规模的72B版本。

Qwen3-VL-4B-Instruct通过架构创新在性能和效率间取得了优秀平衡,为中小企业和个人开发者提供了低成本、可私有化部署的多模态AI解决方案。

昇腾基于vLLM-Ascend推理框架支持Qwen3-VL,兼容当前vLLM-Ascend框架内主流的分布式并行能力,Qwen3-VL系列模型一经发布即实现低代码无缝使能,欢迎广大开发者下载体验,探索其在复杂推理场景下的卓越能力。

一、准备运行环境

表1 硬件设备

设备型号NPU配置
Atlas 800I A28*64G
Atlas 800T A28*64G

表2 软件版本配套表

配套版本环境准备指导
Python3.11.13-
torch2.7.1+cpu-
torch_npu2.7.1-
transformers4.57.1-
vllm0.11.0+empty-
vllm_ascend0.11.0rc2-

1.1 获取并安装CANN

1.1.1 软件包下载

Atlas 800I/800T A3(8*64G) CANN版本

1.1.2 安装CANN

# 增加软件包可执行权限,{version}表示软件版本号,{arch}表示CPU架构,{soc}表示昇腾AI处理器的版本。
chmod +x ./Ascend-cann-toolkit_{version}_linux-{arch}.run
chmod +x ./Ascend-cann-kernels-{soc}_{version}_linux.run
chmod +x ./Ascend-cann-nnal_{version}_linux-{arch}.run
# 校验软件包安装文件的一致性和完整性
./Ascend-cann-toolkit_{version}_linux-{arch}.run --check
./Ascend-cann-kernels-{soc}_{version}_linux.run --check
./Ascend-cann-nnal{version}_linux-{arch}.run --check
# 安装
./Ascend-cann-toolkit_{version}_linux-{arch}.run --install
./Ascend-cann-kernels-{soc}_{version}_linux.run --install
./Ascend-cann-nnal{version}_linux-{arch}.run --torch_atb --install

# 设置环境变量
source /usr/local/Ascend/ascend-toolkit/set_env.sh
source /usr/local/Ascend/nnal/atb/set_env.sh

1.2 获取并安装vLLM Ascend镜像

1.2.1 软件包下载

点击下载链接,打开网页后,选择 v0.11.0rc2 版本下载

1.2.2 镜像加载

1、执行以下命令导入镜像

docker load -i v0.11.0rc2.tar

2、执行以下命令查看镜像是否导入成功

docker images | grep v0.11.0rc2

二、下载权重

Qwen3-VL-4B-Instruct 权重及配置文件说明

模型权重
Qwen3-VL-4B-Instructhuggingface下载链接

三、运行指导

3.1 单机单卡部署

3.1.1 启动容器服务样例命令

export model_dir="/opt/data/models"                # 宿主机保存模型权重的路径
export container_model_dir="/root/models"          # 映射到容器内保存模型权重的路径
export container_name="Qwen3-VL"                   # 指定容器名称
export IMAGE=m.daocloud.io/quay.io/ascend/vllm-ascend:v0.11.0rc2   # 容器镜像的名称
docker run -itd --privileged \
--name ${container_name} \
--net=host \
--device /dev/davinci_manager \
--device /dev/devmm_svm \
--device /dev/hisi_hdc \
--shm-size=256g \
-v /usr/local/dcmi:/usr/local/dcmi \
-v /usr/local/Ascend/driver/tools/hccn_tool:/usr/local/Ascend/driver/tools/hccn_tool \
-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
-v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ \
-v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info \
-v /etc/ascend_install.info:/etc/ascend_install.info \
-v ${model_dir}:${container_model_dir} \
$IMAGE /bin/bash

3.1.2 进入容器

docker exec -it -u root Qwen3-VL bash

3.1.3 启动推理服务

  • Qwen3-VL-4B(单机单卡)
# 通过如下ASCEND_RT_VISIBLE_DEVICES环境变量指定使用的NPU卡设备
export ASCEND_RT_VISIBLE_DEVICES=5

# 如下/root/models/Qwen/Qwen3-VL-4B-Instruct 为容器内权重文件的路径,qwen3-vl-4b为指定的模型实例名称
nohup vllm serve /root/models/Qwen/Qwen3-VL-4B-Instruct \
  --host 0.0.0.0 \
  --port 33030 \
  --tensor-parallel-size 1 \
  --max-num-seqs 4 \
  --max-num-batched-tokens 4096 \
  --trust-remote-code \
  --no-enable-prefix-caching \
  --gpu-memory-utilization 0.85 \
  --max-model-len 32768 \
  --served-model-name qwen3-vl-4b > ./qwen3-vl-4b.log 2>&1 &

启动推理等待大约3~5分钟,出现如下日志,服务启动成功

alt text

3.2 推理服务验证

3.2.1 命令行方式

1、登录服务器,修改如下命令中{IP地址:端口号}为推理服务所在的IP:端口,通过curl命令进行调用:

curl http://{IP地址:端口号}/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3-vl-4b",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": [
        {"type": "image_url", "image_url": {"url": "https://modelscope.oss-cn-beijing.aliyuncs.com/resource/qwen.png"}},
        {"type": "text", "text": "What is the text in the illustrate?"}
        ]}
    ]
}'

样例输出

alt text

3.2.2 API方式

1、创建如下python文件,修改文件中{IP地址:端口号}为推理服务所在的IP:端口,{本地图片路径}替换为实际本地路径

# 文件名 test.py
import requests
import json
import base64

def image_to_base64(file_path):
    with open(file_path, "rb") as f:
        image_byte = f.read()
    return base64.b64encode(image_byte).decode('utf-8')

base64_str = image_to_base64("{本地图片路径}")    # 指定一张本地的图片
url = "http://{IP地址:端口号}/v1/chat/completions"
headers = {
    "Content-Type": "application/json"
}
data = {
    "model": "qwen3-vl-4b",  # 确保mode名称与启动推理服务命令中的served-model-name参数一致
    "messages": [
        {
            "role": "user",
            "content": [
                {"type": "image_url", "image_url": {"url": f"data:image/jpg;base64,{base64_str}"}},
                {"type": "text", "text": "Explain the details in the image."}
            ]
        }
    ],
    "max_tokens": 100,
    "temperature": 0.7
}

response = requests.post(url, headers=headers, data=json.dumps(data))

if response.status_code == 200:
    result = response.json()
    print(result['choices'][0]['message']['content'])
else:
    print(f"请求失败,状态码: {response.status_code}, 响应内容: {response.text}")

2、运行 python ./test.py 命令

样例输出

alt text