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。
| 量化 | 4K | 8K | 16K | 32K | 64K | 128K |
|---|---|---|---|---|---|---|
| Q4_K_M★ | 18 GB | 19 GB | 20 GB | 22 GB | 27 GB | 37 GB |
| Q8_0 | 34 GB | 35 GB | 36 GB | 38 GB | 43 GB | 53 GB |
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:32bQwQ-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。
分享你的使用體驗,幫助其他人了解這個模型