🧠 語言模型Apache 2.0

QwQ-32B

Qwen QwQ-32B 推理模型，Apache 2.0 授權，128K 上下文，數學和科學推理能力頂尖，Q4 約需 20 GB VRAM，RTX 3090/4090 可運行。

📅 發布：2024-11↻資料更新：2026年3月25日

VRAM 計算器

我的 GPU VRAM：

量化等級

上下文長度

Q4_K_M · 8K context

模型權重 + KV Cache + 0.5 GB overhead

24.9 GB

完整 VRAM 對照表（所有量化 × 上下文）

安裝 Ollama 後直接執行，自動下載並運行模型。

ollama run qwq:32b

適合進階用戶，支援 CPU 和 GPU 混合推理，可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

適合生產環境，支援批次推理和 OpenAI 相容 API。

pip install vllm
vllm serve Qwen --dtype auto

ollama run qwq:32b

參數量32B

最大上下文128K tokens

HF 下載量58K/月

頂尖數學推理科學問題解決超長上下文高效邏輯思考多功能部署

OllamavLLMllama.cppSGLang

分享你的使用體驗，幫助其他人了解這個模型

0/1000

還沒有評論，成為第一個分享心得的人！