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
任务标签: 文本生成
基础模型:

• Qwen/Qwen3-1.7B-Base

Qwen3-1.7B

Qwen3核心亮点

Qwen3是通义千问系列大语言模型的最新版本，提供全系列稠密模型与混合专家(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：

• 独家支持思维模式（适用于复杂逻辑推理、数学与编程）与非思维模式（适用于高效通用对话）单模型无缝切换，确保各类场景最优表现
• 显著增强推理能力，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）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、多轮对话和指令遵循方面表现优异，提供更自然、生动、沉浸的对话体验
• 专业级智能体能力，支持思维/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

Qwen3-1.7B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: 17亿
• 非嵌入参数量: 14亿
• 层数: 28
• 注意力头数(GQA): Q为16头/KV为8头
• 上下文长度: 32,768

完整评测数据、硬件需求与推理性能请参阅技术博客、GitHub与文档。

[!提示]
若出现严重重复生成，请参考最佳实践设置采样参数，建议将presence_penalty设为1.5。

快速开始

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

使用transformers<4.51.0会报错：

KeyError: 'qwen3'

以下示例演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 = "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)  

# 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("回复内容:", 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  
  

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

思维/非思维模式切换

[!提示]
enable_thinking开关同样适用于SGLang和vLLM创建的API。
具体配置请参阅SGLang文档和vLLM文档。

enable_thinking=True

默认启用思维模式（类似QwQ-32B），模型将运用推理能力提升响应质量。例如在tokenizer.apply_chat_template中显式设置或保留默认值时：

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

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

[!注意]
思维模式建议使用Temperature=0.6、TopP=0.95、TopK=20和MinP=0（默认配置）。禁止使用贪婪解码，否则可能导致性能下降与无限重复。详细设置参考最佳实践。

enable_thinking=False

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

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

此模式下不会生成任何思维内容。

[!注意]
非思维模式建议使用Temperature=0.7、TopP=0.8、TopK=20和MinP=0。

高级用法：通过用户输入动态切换

当enable_thinking=True时，可通过在用户提示中添加/think和/no_think实现动态切换。多轮对话中以最近指令为准。

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（默认启用思维模式）  
    user_input_1 = "草莓英文有几个r？"  
    print(f"用户: {user_input_1}")  
    response_1 = chatbot.generate_response(user_input_1)  
    print(f"助手: {response_1}")  
    print("----------------------")  

    # 第二次输入禁用思维  
    user_input_2 = "那蓝莓呢？/no_think"  
    print(f"用户: {user_input_2}")  
    response_2 = chatbot.generate_response(user_input_2)  
    print(f"助手: {response_2}")   
    print("----------------------")  

    # 第三次输入启用思维  
    user_input_3 = "确定吗？/think"  
    print(f"用户: {user_input_3}")  
    response_3 = chatbot.generate_response(user_input_3)  
    print(f"助手: {response_3}")  

[!注意]
API兼容性说明：

• 当enable_thinking=True时，无论用户使用/think或/no_think，模型始终会输出<think>...</think>包裹块（内容可能为空）
• 当enable_thinking=False时，软开关失效，模型不会生成思维内容

智能体应用

Qwen3具备出色的工具调用能力，推荐使用Qwen-Agent框架：

from qwen_agent.agents import Assistant  

# 定义LLM配置  
llm_cfg = {  
    'model': 'Qwen3-1.7B',  

    # 使用阿里云灵积服务：  
    # 'model_type': 'qwen_dashscope',  
    # 'api_key': os.getenv('DASHSCOPE_API_KEY'),  

    # 使用OpenAI兼容端点：  
    'model_server': 'http://localhost:8000/v1',  # api_base  
    'api_key': 'EMPTY',  

    # 其他参数：  
    # 'generate_cfg': {  
    #         # 当响应包含`<think>思考内容</think>最终回复`时需设置  
    #         'thought_in_content': True,  
    #     },  
}  

# 定义工具集  
tools = [  
    {'mcpServers': {  # MCP配置文件  
            'time': {  
                'command': 'uvx',  
                'args': ['mcp-server-time', '--local-timezone=Asia/Shanghai']  
            },  
            "fetch": {  
                "command": "uvx",  
                "args": ["mcp-server-fetch"]  
            }  
        }  
    },  
  'code_interpreter',  # 内置工具  
]  

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

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

最佳实践

推荐配置：

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
   • 支持框架可设置presence_penalty为0-2以减少重复（过高值可能导致语言混杂）

2. 充足输出长度：

   • 常规查询建议32,768 tokens
   • 数学/编程竞赛等复杂问题建议38,912 tokens

3. 标准化输出格式：

   • 数学题：提示词包含"请逐步推理，并将最终答案用\boxed{}包裹"
   • 选择题：提示词包含JSON结构模板如"answer": "C"

4. 历史记录不包含思维内容：多轮对话历史应仅保留最终回复

引用

如需引用请使用：

@misc{qwen3,  
    title  = {Qwen3},  
    url    = {https://qwenlm.github.io/blog/qwen3/},  
    author = {Qwen Team},  
    month  = {四月},  
    year   = {2025}  
}