o
openMind/Qwen3-0.6B
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

Qwen3-0.6B

Chat

Qwen3 亮点

Qwen3 是通义千问系列最新一代大语言模型，提供全系列稠密与混合专家（MoE）模型。基于大规模训练，Qwen3 在推理、指令遵循、智能体能力和多语言支持方面实现突破性进展，主要特性包括：

  • 独有思维模式切换功能：同一模型内可无缝切换思维模式（适用于复杂逻辑推理、数学与代码场景）与非思维模式（适用于高效通用对话），确保各类场景最优表现。
  • 显著提升推理能力：在数学、代码生成与常识逻辑推理任务中，全面超越前代 QwQ（思维模式）与 Qwen2.5 指令模型（非思维模式）。
  • 卓越的人类偏好对齐：在创意写作、角色扮演、多轮对话及指令遵循方面表现优异，提供更自然、生动且沉浸式的对话体验。
  • 专业智能体能力：支持思维/非思维模式下精准调用外部工具，在复杂智能体任务中达到开源模型领先水平。
  • 支持超100种语言与方言，具备强大的多语言指令理解与翻译能力。

模型概览

Qwen3-0.6B 核心参数如下：

  • 类型：因果语言模型
  • 训练阶段：预训练 & 后训练
  • 参数量：0.6B
  • 非嵌入参数量：0.44B
  • 层数：28
  • 注意力头数（GQA）：查询头16个，键值头8个
  • 上下文长度：32,768

完整技术细节（含基准测试、硬件需求与推理性能）请参阅我们的博客、GitHub及文档。

[!TIP]
若出现严重重复生成现象，请参考最佳实践章节调整采样参数，建议将presence_penalty设为1.5。

快速开始

Qwen3 代码已集成至最新版 Hugging Face transformers，推荐使用最新版本。

若使用transformers<4.51.0，将触发以下错误：

KeyError: 'qwen3'

以下代码片段展示了如何基于给定输入使用模型生成内容。

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen3-0.6B"

# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

# prepare the model input
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 # Switches between thinking and non-thinking modes. Default is True.
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# conduct text completion
generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist() 

# parsing thinking content
try:
    # rindex finding 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)

在部署时，您可以使用 sglang>=0.4.6.post1 或 vllm>=0.8.5 来创建兼容 OpenAI 的 API 端点：

  • SGLang： 
    python -m sglang.launch_server --model-path Qwen/Qwen3-0.6B --reasoning-parser qwen3
  • vLLM： 
    vllm serve Qwen/Qwen3-0.6B --enable-reasoning --reasoning-parser deepseek_r1

对于本地使用，Ollama、LMStudio、MLX-LM、llama.cpp 和 KTransformers 等应用也已支持 Qwen3。

思维模式与非思维模式切换

[!TIP] enable_thinking 开关同样适用于 SGLang 和 vLLM 创建的 API。 具体使用方法请参阅 SGLang 和 vLLM 的文档说明。

enable_thinking=True

默认情况下，Qwen3 启用了思维功能，类似于 QwQ-32B。这意味着模型会利用其推理能力来提升生成回答的质量。例如，当明确设置 enable_thinking=True 或在 tokenizer.apply_chat_template 中保留默认值时，模型将进入思维模式。

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=True  # True is the default value for enable_thinking
)

在此模式下，模型将生成包裹在<think>...</think>区块中的思考内容，随后输出最终响应。

[!注意] 启用思考模式时，请使用Temperature=0.6、TopP=0.95、TopK=20以及MinP=0（即generation_config.json中的默认配置）。切勿使用贪婪解码，否则可能导致性能下降与无限循环。更详细的指导请参阅最佳实践章节。

enable_thinking=False

我们提供了强制关闭模型思考行为的硬开关，使其功能与先前发布的Qwen2.5-Instruct模型保持一致。该模式在需要禁用思考以提升效率的场景中尤为实用。

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=False  # Setting enable_thinking=False disables thinking mode
)

在此模式下，模型不会生成任何思考内容，也不会包含 <think>...</think> 区块。

[!注意] 对于非思考模式，我们建议使用 Temperature=0.7、TopP=0.8、TopK=20 和 MinP=0。更详细的指导，请参阅最佳实践部分。

高级用法：通过用户输入在思考与非思考模式间切换

我们提供了一种软切换机制，当 enable_thinking=True 时，用户可以通过动态控制来调整模型行为。具体来说，您可以在用户提示或系统消息中添加 /think 和 /no_think，以逐轮切换模型的思考模式。在多轮对话中，模型将遵循最近的指令。

以下是一个多轮对话的示例：

from transformers import AutoModelForCausalLM, AutoTokenizer

class QwenChatbot:
    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 = []

    def generate_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)

        # Update history
        self.history.append({"role": "user", "content": user_input})
        self.history.append({"role": "assistant", "content": response})

        return response

# Example Usage
if __name__ == "__main__":
    chatbot = QwenChatbot()

    # First input (without /think or /no_think tags, thinking mode is enabled by default)
    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("----------------------")

    # Second input with /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("----------------------")

    # Third input with /think
    user_input_3 = "Really? /think"
    print(f"User: {user_input_3}")
    response_3 = chatbot.generate_response(user_input_3)
    print(f"Bot: {response_3}")

[!注意] 出于 API 兼容性考虑，当 enable_thinking=True 时，无论用户使用 /think 还是 /no_think，模型始终会输出用 <think>...</think> 包裹的区块。但若思考功能被禁用，该区块内的内容可能为空。 当 enable_thinking=False 时，软开关将失效。无论用户输入任何 /think 或 /no_think 标签，模型都不会生成思考内容，也不会包含 <think>...</think> 区块。

智能体应用

Qwen3 在工具调用能力上表现卓越。我们推荐使用 Qwen-Agent 来充分发挥 Qwen3 的智能体能力。Qwen-Agent 内部封装了工具调用模板和工具调用解析器，可大幅降低编码复杂度。

您可以通过 MCP 配置文件定义可用工具，使用 Qwen-Agent 的集成工具，或自行集成其他工具。

from qwen_agent.agents import Assistant

# Define LLM
llm_cfg = {
    'model': 'Qwen3-0.6B',

    # Use the endpoint provided by Alibaba Model Studio:
    # 'model_type': 'qwen_dashscope',
    # 'api_key': os.getenv('DASHSCOPE_API_KEY'),

    # Use a custom endpoint compatible with OpenAI API:
    'model_server': 'http://localhost:8000/v1',  # api_base
    'api_key': 'EMPTY',

    # Other parameters:
    # 'generate_cfg': {
    #         # Add: When the response content is `<think>this is the thought</think>this is the answer;
    #         # Do not add: When the response has been separated by reasoning_content and content.
    #         'thought_in_content': True,
    #     },
}

# Define Tools
tools = [
    {'mcpServers': {  # You can specify the MCP configuration file
            'time': {
                'command': 'uvx',
                'args': ['mcp-server-time', '--local-timezone=Asia/Shanghai']
            },
            "fetch": {
                "command": "uvx",
                "args": ["mcp-server-fetch"]
            }
        }
    },
  'code_interpreter',  # Built-in tools
]

# Define Agent
bot = Assistant(llm=llm_cfg, function_list=tools)

# Streaming generation
messages = [{'role': 'user', 'content': 'https://qwenlm.github.io/blog/ Introduce the latest developments of Qwen'}]
for responses in bot.run(messages=messages):
    pass
print(responses)

最佳实践

为了获得最佳性能，我们推荐以下设置：

  1. 采样参数：

    • 在思考模式（enable_thinking=True）下，建议使用 Temperature=0.6、TopP=0.95、TopK=20 和 MinP=0。切勿使用贪心解码，否则可能导致性能下降和无限重复。
    • 在非思考模式（enable_thinking=False）下，建议使用 Temperature=0.7、TopP=0.8、TopK=20 和 MinP=0。
    • 对于支持的框架，可将 presence_penalty 参数调整至 0 到 2 之间，以减少无限重复。但过高的值可能导致偶发的语言混杂或模型性能轻微下降。

  2. 充足的输出长度：

    • 对于大多数查询，建议将输出长度设为 32,768 tokens。
    • 在数学或编程竞赛等高复杂度问题的基准测试中，建议将最大输出长度设为 38,912 tokens。这能为模型提供充足空间生成详细且全面的回答，从而提升整体表现。

  3. 标准化输出格式：

    • 数学问题：在提示词中加入“请逐步推理，并将最终答案置于 \boxed{} 中。”
    • 选择题：在提示词中添加以下 JSON 结构以标准化回答：“请在 answer 字段中仅填写选项字母，例如 "answer": "C"。”

  4. 历史记录中不包含思考内容：

    • 在多轮对话中，历史模型输出应仅包含最终回答部分，无需包含思考内容。该功能已在提供的 Jinja2 聊天模板中实现。若框架未直接使用该模板，开发者需自行确保遵循此实践。

引用

如果您认为我们的工作有帮助，欢迎引用。

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