Qwen2.5-0.5B

简介

Qwen2.5 是 Qwen 系列大语言模型的最新版本。在 Qwen2.5 中，我们发布了一系列基础语言模型和指令微调语言模型，参数规模从 0.5B 到 72B 不等。相比 Qwen2，Qwen2.5 带来了以下改进：

• 知识量显著增加，并且在代码和数学能力上有大幅提升，这得益于我们在这些领域的专用专家模型。
• 在指令遵循、长文本生成（超过 8K tokens）、结构化数据理解（如表格）以及结构化输出生成（尤其是 JSON）方面有显著改进。对系统提示的多样性更具鲁棒性，增强了聊天机器人的角色扮演实现和条件设定能力。
• 长上下文支持，最长可达 128K tokens，生成文本长度可达 8K tokens。
• 多语言支持，覆盖超过 29 种语言，包括中文、英文、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。

本仓库包含 Qwen2.5 的 0.5B 基础模型，其特点如下：

• 类型：因果语言模型
• 训练阶段：预训练
• 架构：采用 RoPE、SwiGLU、RMSNorm、Attention QKV 偏置和词嵌入绑定的 transformers
• 参数数量：0.49B
• 非嵌入参数数量：0.36B
• 层数：24
• 注意力头数（GQA）：Q 为 14 个，KV 为 2 个
• 上下文长度：完整 32,768 tokens

我们不建议将基础语言模型直接用于对话。相反，您可以在此模型上进行后训练，例如 SFT、RLHF、持续预训练等。

更多详情，请参考我们的 博客、GitHub 和 文档。

要求

Qwen2.5 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。

若使用 transformers<4.37.0，您将遇到以下错误：

KeyError: 'qwen2'

评估与性能

详细评估结果已在本博客中发布。

有关GPU内存需求及相应吞吐量，请参见此处的结果。

昇腾NPU适配报告

验证环境：华为昇腾NPU（Atlas 800 A2）
框架：vLLM-Ascend 0.18.0rc1
验证日期：2026-05-13
状态：所有测试通过

模型配置

环境检查

部署配置

功能验证

性能基准测试

1. 服务基准测试（在线服务）

延迟细分：

2. 延迟基准测试（单请求）

3. 吞吐量基准测试（离线批处理）

验证日志

1. 环境检查通过（2 张 Ascend910，vllm-ascend 0.18.0rc1）
2. 模型已从 ModelScope 下载至本地缓存
3. vLLM API 服务器已部署在 NPU 0（进程 ID 1006）
4. 功能验证通过（models、completions、chat.completions）
5. 服务基准测试通过（100/100 请求成功，4.78 请求/秒）
6. NPU 1 上的延迟基准测试通过（P50=2.29 秒，P99=2.47 秒）
7. NPU 1 上的吞吐量基准测试通过（25.40 请求/秒，3251 输出令牌/秒）
8. 资源清理完成，无残留进程

引用

如果您觉得我们的工作有帮助，欢迎引用。

@misc{qwen2.5,
    title = {Qwen2.5: A Party of Foundation Models},
    url = {https://qwenlm.github.io/blog/qwen2.5/},
    author = {Qwen Team},
    month = {September},
    year = {2024}
}

@article{qwen2,
      title={Qwen2 Technical Report},
      author={An Yang and Baosong Yang and Binyuan Hui and Bo Zheng and Bowen Yu and Chang Zhou and Chengpeng Li and Chengyuan Li and Dayiheng Liu and Fei Huang and Guanting Dong and Haoran Wei and Huan Lin and Jialong Tang and Jialin Wang and Jian Yang and Jianhong Tu and Jianwei Zhang and Jianxin Ma and Jin Xu and Jingren Zhou and Jinze Bai and Jinzheng He and Junyang Lin and Kai Dang and Keming Lu and Keqin Chen and Kexin Yang and Mei Li and Mingfeng Xue and Na Ni and Pei Zhang and Peng Wang and Ru Peng and Rui Men and Ruize Gao and Runji Lin and Shijie Wang and Shuai Bai and Sinan Tan and Tianhang Zhu and Tianhao Li and Tianyu Liu and Wenbin Ge and Xiaodong Deng and Xiaohuan Zhou and Xingzhang Ren and Xinyu Zhang and Xipin Wei and Xuancheng Ren and Yang Fan and Yang Yao and Yichang Zhang and Yu Wan and Yunfei Chu and Yuqiong Liu and Zeyu Cui and Zhenru Zhang and Zhihao Fan},
      journal={arXiv preprint arXiv:2407.10671},
      year={2024}
}