库名称: transformers
许可证: apache-2.0
许可证链接: https://huggingface.co/Qwen/Qwen3-1.7B/blob/main/LICENSE
流水线标签: 文本生成
基础模型:

• Qwen/Qwen3-1.7B-Base

QuantFactory/Qwen3-1.7B-GGUF

这是使用llama.cpp对Qwen/Qwen3-1.7B进行量化后的版本

原始模型卡片

Qwen3-1.7B

Qwen3亮点

Qwen3是通义千问系列大语言模型的最新代际，提供稠密和混合专家(MoE)模型的全面套件。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，主要特点包括：

• 独特支持思维模式（用于复杂逻辑推理、数学和编码）与非思维模式（用于高效通用对话）在单一模型内无缝切换，确保各类场景下的最优性能。
• 推理能力显著增强，在数学、代码生成和常识逻辑推理方面超越前代QwQ（思维模式）和Qwen2.5指令模型（非思维模式）。
• 更优的人类偏好对齐，在创意写作、角色扮演、多轮对话和指令遵循方面表现卓越，提供更自然、吸引人且沉浸式的对话体验。
• 专精智能体能力，能在思维与非思维模式下精准集成外部工具，在复杂智能体任务中达到开源模型领先水平。
• 支持100+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

Qwen3-1.7B具有以下特性：

• 类型：因果语言模型
• 训练阶段：预训练与后训练
• 参数量：17亿
• 非嵌入参数量：14亿
• 层数：28
• 注意力头数（GQA）：查询16个，键值8个
• 上下文长度：32,768

更多细节，包括基准评估、硬件要求和推理性能，请参阅我们的博客、GitHub和文档。

[!提示]
如遇严重无限重复问题，请参考最佳实践章节优化采样参数，并将presence_penalty设为1.5。

快速开始

Qwen3的代码已集成至最新版Hugging Face transformers，建议使用最新版transformers。

若使用transformers<4.51.0，将遇到以下错误：

KeyError: 'qwen3'  

以下代码片段展示如何基于给定输入生成内容：

from transformers import AutoModelForCausalLM, AutoTokenizer  

model_name = "Qwen/Qwen3-1.7B"  

# 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"  
)  

# 准备模型输入  
prompt = "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 # 切换思维与非思维模式。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("内容:", content)  

部署时，可使用sglang>=0.4.6.post1或vllm>=0.8.5创建OpenAI兼容API端点：

• SGLang：

  python -m sglang.launch_server --model-path Qwen/Qwen3-1.7B --reasoning-parser qwen3  
  

• vLLM：

  vllm serve Qwen/Qwen3-1.7B --enable-reasoning --reasoning-parser deepseek_r1  
  

本地使用方面，Ollama、LMStudio、MLX-LM、llama.cpp和KTransformers也已支持Qwen3。

思维与非思维模式切换

[!提示]
enable_thinking开关在SGLang和vLLM创建的API中同样可用。
请参阅SGLang和vLLM用户文档。

enable_thinking=True

默认情况下，Qwen3启用思维能力（类似QwQ-32B），模型将运用推理能力提升生成质量。例如，显式设置enable_thinking=True或保留tokenizer.apply_chat_template默认值时，模型进入思维模式。

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

此模式下，模型会生成包裹在<think>...</think>块中的思维内容，随后输出最终响应。

[!注意]
思维模式建议使用Temperature=0.6、TopP=0.95、TopK=20和MinP=0（generation_config.json默认设置）。切勿使用贪婪解码，否则可能导致性能下降和无限重复。更多指导请参阅最佳实践章节。

enable_thinking=False

提供硬开关严格禁用模型思维行为，使其功能对齐前代Qwen2.5-Instruct模型。此模式在需禁用思维以提升效率的场景尤为实用。

text = tokenizer.apply_chat_template(  
    messages,  
    tokenize=False,  
    add_generation_prompt=True,  
    enable_thinking=False  # 设置enable_thinking=False禁用思维模式  
)  

此模式下，模型不会生成任何思维内容，也不包含<think>...</think>块。

[!注意]
非思维模式建议使用Temperature=0.7、TopP=0.8、TopK=20和MinP=0。更多指导请参阅最佳实践章节。

高级用法：通过用户输入切换思维模式

提供软开关机制，当enable_thinking=True时，用户可通过在提示或系统消息中添加/think和/no_think动态控制模型行为。在多轮对话中，模型会遵循最近指令。

多轮对话示例：

from transformers import AutoModelForCausalLM, AutoTokenizer  

class QwenChatbot:  
    def __init__(self, model_name="Qwen/Qwen3-1.7B"):  
        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)  

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

        return response  

# 使用示例  
if __name__ == "__main__":  
    chatbot = QwenChatbot()  

    # 首次输入（无/think或/no_think标签，默认启用思维模式）  
    user_input_1 = "草莓中有多少个字母r？"  
    print(f"用户: {user_input_1}")  
    response_1 = chatbot.generate_response(user_input_1)  
    print(f"机器人: {response_1}")  
    print("----------------------")  

    # 第二次输入带/no_think  
    user_input_2 = "那么蓝莓中有多少个字母r？ /no_think"  
    print(f"用户: {user_input_2}")  
    response_2 = chatbot.generate_response(user_input_2)  
    print(f"机器人: {response_2}")   
    print("----------------------")  

    # 第三次输入带/think  
    user_input_3 = "真的吗？ /think"  
    print(f"用户: {user_input_3}")  
    response_3 = chatbot.generate_response(user_input_3)  
    print(f"机器人: {response_3}")  

[!注意]
为保持API兼容性，当enable_thinking=True时，无论用户使用/think还是/no_think，模型总会输出包裹在<think>...</think>中的内容块。但若思维被禁用，该块内容可能为空。
当enable_thinking=False时，软开关无效。无论用户输入何种/think或/no_think标签，模型均不会生成思维内容，也不包含<think>...</think>块。

智能体应用

Qwen3在工具调用能力上表现卓越。推荐使用Qwen-Agent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解析器，极大降低编码复杂度。

定义可用工具时，可使用MCP配置文件、Qwen-Agent集成工具或自行集成其他工具。

from qwen_agent.agents import Assistant  

# 定义大语言模型  
llm_cfg = {  
    'model': 'Qwen3-1.7B',  

    # 使用阿里云模型服务平台端点：  
    # 'model_type': 'qwen_dashscope',  
    # 'api_key': os.getenv('DASHSCOPE_API_KEY'),  

    # 使用兼容OpenAI API的自定义端点：  
    'model_server': 'http://localhost:8000/v1',  # api_base  
    'api_key': 'EMPTY',  

    # 其他参数：  
    # 'generate_cfg': {  
    #         # 添加：当响应内容为`<think>思考内容</think>回答内容`时；  
    #         # 不添加：当响应已分离为reasoning_content和content时。  
    #         'thought_in_content': True,  
    #     },  
}  

# 定义工具  
tools = [  
    {'mcpServers': {  # 可指定MCP配置文件  
            'time': {  
                'command': 'uvx',  
                'args': ['mcp-server-time', '--local-timezone=Asia/Shanghai']