🧠 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:2025-03🔄 最新:2024-11資料更新:2026年5月11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
19 GB
完整 VRAM 對照表(所有量化 × 上下文)
量化4K8K16K32K64K128K
Q4_K_M18 GB19 GB20 GB22 GB27 GB37 GB
Q8_034 GB35 GB36 GB38 GB43 GB53 GB

部署指南

方法一:Ollama(最簡單)

安裝 Ollama 後直接執行,自動下載並運行模型。

ollama run qwq:32b

方法二:llama.cpp

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

方法三:vLLM(高效能伺服器)

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

規格

參數量32B
最大上下文128K tokens
HF 下載量130K/月

模型強項

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

推薦用途

  • 處理複雜的科學計算與數學證明,作為研究輔助工具。
  • 進行深度邏輯分析與推理,解決高難度學術問題。
  • 在有限硬體資源下,部署於 RTX 3090/4090 進行高效推理。

標籤

推理128KApache 2.0數學

部署工具

OllamavLLMllama.cppSGLang

關於 QwQ-32B — 開源 AI 模型

QwQ-32B 是一個開源語言模型,擁有 32B 參數,採用 Apache 2.0 授權。可使用 Ollama、vLLM、llama.cpp、SGLang 進行部署。適用場景包括:處理複雜的科學計算與數學證明,作為研究輔助工具。、進行深度邏輯分析與推理,解決高難度學術問題。、在有限硬體資源下,部署於 RTX 3090/4090 進行高效推理。。核心優勢: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。 可在本地硬體上自行部署,完全保護隱私,無需 API 金鑰。

使用心得

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!