库名称：transformers
许可证：apache-2.0
许可证链接：https://huggingface.co/Qwen/Qwen3-0.6B/blob/main/LICENSE
任务标签：文本生成
基础模型：

• Qwen/Qwen3-0.6B-Base

Qwen3-0.6B

Qwen3亮点

Qwen3是通义千问系列大语言模型的最新版本，提供稠密模型与混合专家（MoE）模型的完整组合。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了突破性进展，主要特性包括：

• 独创性支持单模型内思维模式（用于复杂逻辑推理、数学与代码生成）与非思维模式（高效通用对话）无缝切换，确保多场景最优表现。
• 推理能力显著增强，在数学、代码生成和常识逻辑推理任务上超越前代QwQ（思维模式）与Qwen2.5指令模型（非思维模式）。
• 更优的人类偏好对齐，擅长创意写作、角色扮演、多轮对话及指令跟随，提供更自然、生动且沉浸式的交互体验。
• 专业级智能体能力，支持思维与非思维模式下精准调用外部工具，在开源模型中实现复杂智能体任务的领先性能。
• 支持100+种语言与方言，具备强大的多语言指令遵循与翻译能力。

模型概览

Qwen3-0.6B核心参数：

• 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）请参阅博客、GitHub与文档。

[!TIP]
若出现严重重复生成，请参考最佳实践调整采样参数，并将presence_penalty设为1.5。

快速开始

Qwen3已集成至最新版Hugging Face transformers库，建议使用最新版本。

若使用transformers<4.51.0会报错：

KeyError: 'qwen3'

以下示例展示如何基于输入生成内容：

from transformers import AutoModelForCausalLM, AutoTokenizer  

model_name = "Qwen/Qwen3-0.6B"  

# 加载分词器与模型  
tokenizer = AutoTokenizer.from_pretrained(model_name)  
model = AutoModelForCausalLM.from_pretrained(  
    model_name,  
    torch_dtype="auto",  
    device_map="auto"  
)  

# 准备输入  
prompt = "用中文简要介绍大语言模型。"  
messages = [  
    {"role": "user", "content": prompt}  
]  
text = tokenizer.apply_chat_template(  
    messages,  
    tokenize=False,  
    add_generation_prompt=True,  
    enable_thinking=True # 切换思维/非思维模式，默认为True  
)  
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)  

# 生成文本  
generated_ids = model.generate(  
    **model_inputs,  
    max_new_tokens=32768  
)  
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()   

# 解析思维内容  
try:  
    # 反向查找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("思维内容:", thinking_content)  
print("回复内容:", content)  

部署时可用sglang>=0.4.6.post1或vllm>=0.8.5创建OpenAI兼容API：

• 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  
  

本地使用支持Ollama、LMStudio、MLX-LM、llama.cpp和KTransformers等框架。

思维/非思维模式切换

[!TIP]
enable_thinking开关同样适用于SGLang和vLLM的API配置。
具体配置参考SGLang文档和vLLM文档。

enable_thinking=True

默认启用思维模式（类似QwQ-32B），模型会通过推理增强响应质量。例如显式设置或默认保留该参数时：

text = tokenizer.apply_chat_template(  
    messages,  
    tokenize=False,  
    add_generation_prompt=True,  
    enable_thinking=True  # 默认值  
)  

此模式下，模型会生成包裹在<think>...</think>中的思维内容及最终回复。

[!NOTE]
思维模式建议参数：Temperature=0.6、TopP=0.95、TopK=20、MinP=0（默认配置）。禁用贪婪解码，否则可能导致性能下降与无限重复。

enable_thinking=False

严格禁用思维行为，功能对齐Qwen2.5-Instruct模型，适用于需提升效率的场景：

text = tokenizer.apply_chat_template(  
    messages,  
    tokenize=False,  
    add_generation_prompt=True,  
    enable_thinking=False  # 关闭思维模式  
)  

此模式下不会生成<think>区块。

[!NOTE]
非思维模式建议参数：Temperature=0.7、TopP=0.8、TopK=20、MinP=0。

高级用法：通过用户输入动态切换

当enable_thinking=True时，可在对话中通过/think和/no_think指令动态控制模式。示例：

# 首次输入（默认启用思维模式）  
user_input_1 = "草莓英文有几个r？"  
# 第二次输入禁用  
user_input_2 = "那蓝莓呢？ /no_think"  
# 第三次输入启用  
user_input_3 = "真的吗？ /think"  

[!NOTE]
API兼容性说明：

• enable_thinking=True时，无论用户指令如何都会输出<think>区块（内容可能为空）。
• enable_thinking=False时，软开关无效，绝不生成思维内容。

智能体应用

Qwen3具备卓越的工具调用能力，推荐使用Qwen-Agent框架：

from qwen_agent.agents import Assistant  

# 配置LLM  
llm_cfg = {  
    'model': 'Qwen3-0.6B',  
    'model_server': 'http://localhost:8000/v1',  
    'api_key': 'EMPTY'  
}  

# 定义工具（含MCP配置与内置工具）  
tools = [  
    {'mcpServers': {  
            'time': {'command': 'uvx', 'args': ['mcp-server-time']}  
        }  
    },  
    'code_interpreter'  
]  

# 创建智能体  
bot = Assistant(llm=llm_cfg, function_list=tools)  

# 流式生成  
for responses in bot.run(messages=[{'role':'user', 'content':'介绍Qwen最新进展'}]):  
    pass  
print(responses)  

最佳实践

1. 采样参数：

   • 思维模式：Temperature=0.6、TopP=0.95、TopK=20、MinP=0
   • 非思维模式：Temperature=0.7、TopP=0.8、TopK=20、MinP=0
   • 可通过presence_penalty（0-2）减少重复，但过高值可能导致语言混杂

2. 充足输出长度：

   • 常规任务建议32,768 tokens
   • 复杂数学/编程问题建议38,912 tokens

3. 标准化输出格式：

   • 数学题：提示中加入"逐步推理，最终答案用\boxed{}包裹"
   • 选择题：要求以"answer": "C"格式回应

4. 历史记录排除思维内容：多轮对话中仅保留最终回复

引用

若使用本模型，请引用：

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