登录 注册

Qwen

去点 Star
AI 模型与开发框架网络与基础设施 chineseflash-attentionlarge-language-modelsllmnatural-language-processingpretrained-models
22,030
Stars
2,009
Forks
157
Watchers
41
Open Issues
Apache-2.0
许可证
Python
语言
2023-08-03
创建时间
2026-03-05
最近更新

项目能做什么

阿里云开源的通义千问（Qwen）预训练与对话大语言模型官方代码仓库。
来源：AI 基于仓库事实生成 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录，命令与配置均以原文为准。
原始 README 摘录（英文原文，节选前 3000 字符） 
<p align="left">
    <a href="README_CN.md">中文</a>&nbsp ｜ &nbspEnglish&nbsp ｜ &nbsp<a href="README_JA.md">日本語</a> ｜ &nbsp<a href="README_FR.md">Français</a> ｜ &nbsp<a href="README_ES.md">Español</a>
</p>
<br><br>

<p align="center">
    <img src="https://qianwen-res.oss-cn-beijing.aliyuncs.com/logo_qwen.jpg" width="400"/>
<p>
<br>

<p align="center">
        🤗 <a href="https://huggingface.co/Qwen">Hugging Face</a>&nbsp&nbsp | &nbsp&nbsp🤖 <a href="https://modelscope.cn/organization/qwen">ModelScope</a>&nbsp&nbsp | &nbsp&nbsp 📑 <a href="https://arxiv.org/abs/2309.16609">Paper</a> &nbsp&nbsp ｜ &nbsp&nbsp🖥️ <a href="https://modelscope.cn/studios/qwen/Qwen-72B-Chat-Demo/summary">Demo</a>
<br>
<a href="assets/wechat.png">WeChat (微信)</a>&nbsp&nbsp | &nbsp&nbsp<a href="https://discord.gg/CV4E9rpNSD">Discord</a>&nbsp&nbsp ｜  &nbsp&nbsp<a href="https://dashscope.aliyun.com">API</a> 
</p>
<br><br>

> [!Important]
> Qwen2 is here! You are welcome to follow [QwenLM/Qwen2](https://github.com/QwenLM/Qwen2) and share your experience there.
>
> This repo ([QwenLM/Qwen](https://github.com/QwenLM/Qwen)) is no longer actively maintained, due to substantial codebase differences.

<br>

|     |                                                              Qwen-Chat                                                               |                                                                Qwen-Chat (Int4)                                                                |                        Qwen-Chat (Int8)                         |                                                            Qwen                                                            |
|-----|:------------------------------------------------------------------------------------------------------------------------------------:|:----------------------------------------------------------------------------------------------------------------------------------------------:|:---------------------------------------------------------------:|:--------------------------------------------------------------------------------------------------------------------------:|
| 1.8B  |  <a href="https://modelscope.cn/models/qwen/Qwen-1_8B-Chat/summary">🤖</a>  <a href="https://huggingface.co/Qwen/Qwen-1_8B-Chat">🤗</a>  |  <a href="https://modelscope.cn/models/qwen/Qwen-1_8B-Chat-Int4/summary">🤖</a>  <a href="https://huggingface.co/Qwen/Qwen-1_8B-Chat-Int4">🤗</a>  | <a href="https://modelscope.cn/models/qwen/Qwen-1_8B-Chat-Int8/summary">🤖</a>  <a href="https://huggingface.co/Qwen/Qwen-1_8B-Chat-Int8">🤗</a>  |  <a href="https://modelscope.cn/models/qwen/Qwen-1_8B/summary">🤖</a>  <a href="https://huggingface.co/Qwen/Qwen-1_8B">🤗</a>  |
| 7B  |  <a href="https://modelscope.cn/models/qwen/Qwen-7B-Chat/summary">🤖</a>  <a href="https://huggingface.co/Qwen/Qwen-7B-Chat">🤗</a>  |  <a href="https://modelscope.cn/models/qwen/Qwen-7B-Chat-Int4/summary">🤖</a>  <a href="https://huggingface.co/Qwen/Qwen-7B-Chat-Int4">🤗</a>  | <a href
阅读完整原文

项目深度分析 AI 生成

垂直行业私有化微调与一体化部署解决方案

产品构想基于 Qwen 系列（1.8B~72B）模型与 Int4/Int8 量化特性，为数据敏感型企业提供开箱即用的本地化问答、客服或知识库私有化部署服务。
核心功能私有数据清洗与 LoRA 微调管线、Docker/vLLM 快速推理部署、量化版本显存优化配置、本地 API 鉴权管理网关
目标用户有数据合规要求的中小企业、政企外包商、本地制造与政务信息化团队
难度/周期中等偏高 · 1 - 2 个月 · 成本：中等（需配备单卡或多卡 A10/A100/4090 GPU 服务器用于测试和验证）
收费模式项目制部署实施费、定制微调服务费、年度技术运维支持费
竞争风险仓库已停止维护，技术栈需跟进新版；大模型私有化交付周期长、客户定制要求多。
依据 已验证事实

边缘端/低算力设备量化推理适配中间件

产品构想利用 Qwen 1.8B/7B 较小尺寸及其自带的 Int4/Int8 支持，打包针对边缘工控机、ARM/消费级 PC 的轻量化推理运行环境与桌面助手 SDK。
核心功能针对端侧 GPU/CPU 的量化编译优化、低内存占用推理引擎包装、极简本地 REST/WebSocket 接口封装
目标用户智能硬件开发商、需要本地离线 LLM 的独立软件开发商 (ISV)
难度/周期较高 · 2 - 3 个月 · 成本：低至中等（依赖本地多架构硬件测试环境）
收费模式设备授权许可费 (License)、商业集成支持费
竞争风险小型端侧模型性能可能受限于硬件算力，且 Qwen2 等新版本端侧性能可能更优导致维护压力大。
依据 AI推测

Qwen 存量业务向新架构平滑迁移与升级咨询服务

产品构想针对早期已基于 Qwen-7B/14B/72B 上线的中小企业，提供提示词适配、权重迁移、微调数据重训与推理栈升级到新架构（如 Qwen2/vLLM）的技术咨询与实施服务。
核心功能新旧权重与输出对齐评测工具、迁移评估报告、自动化升级脚本集、新推理加速引擎适配
目标用户存量已落地初代 Qwen 且面临代码库无人维护痛点的技术团队
难度/周期中等 · 2 - 4 周 · 成本：低（主要为技术人力与短期评测算力）
收费模式技术咨询费、迁移实施服务合同
竞争风险存量客户基数需验证，部分客户可能直接由内部技术团队自行消化升级。
依据 数据支持的判断
AI 基于仓库公开数据分析生成，含推测成分，不构成收益承诺。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

相似项目数据正在完善中，暂不展示（避免误导）

项目优势与风险

技术成熟度创建于 2023-08-03，最近推送 2026-03-05
社区活跃Star 22,030 / Fork 2,009 / Issue 41（数据支持，可自行核实）
许可证Apache-2.0
主要风险上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价

安装与使用

此项目未提供 Docker 镜像，安装步骤以原仓库 README 为准（涉及依赖安装与环境配置，对新手门槛较高）。