许可证：apache-2.0
许可证链接：https://huggingface.co/Qwen/Qwen3-30B-A3B-GGUF/blob/main/LICENSE
管道标签：文本生成
基础模型：Qwen/Qwen3-30B-A3B

Qwen3-30B-A3B-GGUF

Qwen3亮点

Qwen3是通义千问系列最新一代大语言模型，提供密集型和混合专家（MoE）模型的全面解决方案。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取得突破性进展，主要特点包括：

• 独特支持单模型内思维模式（用于复杂逻辑推理、数学和编程）与非思维模式（用于高效通用对话）无缝切换，确保各类场景下的最佳表现。
• 显著增强的推理能力，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）和Qwen2.5指令模型（非思维模式）。
• 卓越的人类偏好对齐，擅长创意写作、角色扮演、多轮对话和指令遵循，提供更自然、引人入胜的对话体验。
• 专业的智能体能力，精准整合外部工具（思维/非思维模式均可），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

Qwen3-30B-A3B特性：

• 类型：因果语言模型

• 训练阶段：预训练&后训练

• 参数量：总计30.5B，激活3.3B

• 非嵌入参数量：29.9B

• 层数：48

• 注意力头数（GQA）：Q为32，KV为4

• 专家数：128

• 激活专家数：8

• 上下文长度：原生32,768，通过YaRN支持131,072令牌。

• 量化版本：q4_K_M, q5_0, q5_K_M, q6_K, q8_0

更多细节（包括基准评估、硬件要求和推理性能）请参阅博客、GitHub和文档。

快速开始

llama.cpp

查看llama.cpp文档获取完整指南。

建议克隆llama.cpp并按官方指南安装。以下示例假设在llama.cpp目录下运行命令：

./llama-cli -hf Qwen/Qwen3-30B-A3B:Q8_0 --jinja --color -ngl 99 -fa -sm row --temp 0.6 --top-k 20 --top-p 0.95 --min-p 0 --presence-penalty 1.5 -c 40960 -n 32768 --no-context-shift  

ollama

查看ollama文档获取完整指南。

单命令运行：

ollama run hf.co/Qwen/Qwen3-30B-A3B-GGUF:Q8_0  

思维/非思维模式切换

在用户提示或系统消息中添加/think和/no_think即可切换模式。多轮对话中以最近指令为准。

示例：

> 你是谁 /no_think  

<think>  
</think>  

我是通义千问，由阿里云开发的大语言模型[...]  

> "strawberries"里有几个'r'？ /think  

<think>  
好的，用户问"strawberries"中字母'r'出现次数[...]  
</think>  

该单词包含3个字母r[...]  

处理长文本

Qwen3原生支持32,768令牌上下文。当对话总长度远超此限制时，建议使用RoPE缩放技术。我们已通过YaRN方法验证模型在131,072令牌下的性能。

在llama.cpp启用YaRN：

./llama-cli ... -c 131072 --rope-scaling yarn --rope-scale 4 --yarn-orig-ctx 32768  

[!注意]
当前开源框架均采用静态YaRN（缩放因子固定），可能影响短文本性能。
建议仅在处理长上下文时启用，并根据实际需求调整factor值（如典型上下文为65,536令牌时设为2.0）。

[!提示]
阿里云Model Studio端点默认支持动态YaRN，无需额外配置。

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, PresencePenalty=1.5。禁用贪婪解码。
   • 非思维模式：Temperature=0.7, TopP=0.8, TopK=20, MinP=0, PresencePenalty=1.5。
   • 量化模型建议设presence_penalty=1.5抑制重复输出（可调范围0-2，过高可能导致语言混杂）。

2. 充足输出长度：

   • 常规查询：32,768令牌
   • 数学/编程竞赛类复杂问题：38,912令牌

3. 标准化输出格式：

   • 数学题：提示词包含"请逐步推理，最终答案用\boxed{}标注"
   • 选择题：提示词添加JSON结构如"answer": "C"

4. 历史记录排除思维内容：多轮对话中历史响应应仅保留最终输出（Jinja2模板已实现，其他框架需开发者自行处理）。

引用

如果觉得我们的工作有帮助，欢迎引用：

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