license: apache-2.0 library_name: transformers

Qwen3-1.7B基础版

Qwen3核心亮点

Qwen3是通义千问系列最新一代大语言模型，提供完整的稠密模型与混合专家（MoE）模型组合。基于训练数据、模型架构和优化技术的全面升级，Qwen3相较此前发布的Qwen2.5实现以下关键突破：

• 更优质预训练语料扩容：基于119种语言的36万亿token进行预训练，语言覆盖范围达Qwen2.5的三倍。数据质量显著提升，涵盖编程、STEM、推理、书籍、多语言及合成数据等多元类型。
• 训练技术与架构革新：引入全局批次负载均衡损失（MoE模型专用）和qk层归一化（全模型适用）等系列创新，显著提升训练稳定性与综合性能。
• 三阶段预训练体系：第一阶段专注通用语言建模与常识构建，第二阶段强化STEM/编程/逻辑推理等专项能力，第三阶段通过32k超长上下文训练突破长文本理解瓶颈。
• 缩放定律指导的超参调优：基于三阶段预训练流程的缩放定律研究，分别针对稠密模型和MoE模型系统优化学习率调度器、批次大小等关键超参数，实现不同规模模型的最佳训练动态与最终性能。

模型概览

Qwen3-1.7B基础版核心参数：

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

完整评测结果、硬件需求及推理性能详见技术博客、GitHub仓库与官方文档。

环境要求

Qwen3代码已集成至Hugging Face最新版transformers，建议使用最新版本。若使用transformers<4.51.0将报错：

KeyError: 'qwen3'

评测表现

详细评测结果请查阅技术博客。

引用声明

如您认可我们的工作，欢迎引用：

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