企业官网建设流程全解析

一、Qwen3

Qwen3是Qwen系列大型语言模型的最新成员。该系列共包含8款模型，2款参数30B、235B的混合专家模型和6款参数0.6B、1.7B、4B、8B、14B、32B的稠密模型，每款模型均获得同尺寸开源模型的最佳性能。

其中旗舰模型Qwen3-235B-A22B在代码、数学、通用能力等基准测试中，与DeepSeek-R1、OpenAI-o1、OpenAI-o3-mini、Grok-3和Gemini-2.5-Pro等顶级模型相比，表现出极具竞争力的结果。

小型的MoE模型Qwen3-30B-A3B的激活参数数量是QwQ-32B的10%，表现也更胜一筹，甚至像Qwen3-4B这样的小模型也能匹敌Qwen2.5-72B-Instruct的性能。

Qwen3模型其中比较有特色的亮点，支持两种思考模式，并且可以灵活切换：

• •思考模式：在这种模式下，模型会逐步推理，经过深思熟虑后给出最终答案。这种方法非常适合需要深入思考的复杂问题。
• •非思考模式：在此模式中，模型提供快速、近乎即时的响应，适用于那些对速度要求高于深度的简单问题。

模式的切换无需更换模型，可直接通过enable_thinking参数控制，例如：

text=tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True,enable_thinking=True# True is the default value for enable_thinking.)

对于vLLM框架，可通过--reasoning-parser和--enable-reasoning控制思考模式：

vllm serve Qwen/Qwen3-30B-A3B \--enable-reasoning \--reasoning-parser deepseek_r1

Qwen3还提供了软切换机制，允许用户在enable_thinking=True时动态控制模型的行为。只需在提示或系统消息中添加/think和/no_think来逐轮切换模型的思考模式。在多轮对话中，模型会遵循最近的指令。

更多亮点介绍可参考官方 Github：

https://github.com/QwenLM/Qwen3

Qwen3-30B-A3BModelScope地址：

https://modelscope.cn/models/Qwen/Qwen3-30B-A3B

Qwen3-30B-A3Bhuggleface地址：

https://huggingface.co/Qwen/Qwen3-30B-A3B

本次本地部署Qwen3-30B-A3B推理优化框架采用vLLM，使用Open-WebUI交互测试，依赖的版本如下：

torch==2.5.1+cu118 modelscope==1.23.1transformers==4.49.0vllm==0.7.2

二、vLLM 部署 Qwen3-30B-A3B

首先使用modelscope下载QWQ-32B模型到本地：

modelscope download--model="Qwen/Qwen3-30B-A3B"--local_dir Qwen3-30B-A3B

使用vLLM读取模型启动API服务。

export CUDA_VISIBLE_DEVICES=0,1vllm serve"Qwen3-30B-A3B"\--host0.0.0.0\--port8060\--dtype bfloat16 \--tensor-parallel-size2\--cpu-offload-gb0\--gpu-memory-utilization0.8\--max-model-len8126\--api-key token-abc123 \--enable-prefix-caching \--enable-reasoning \--reasoning-parser deepseek_r1\--trust-remote-code

关键参数说明：

• •export CUDA_VISIBLE_DEVICES=0,1：指定所使用的GPU。
• •dtype: 数据类型，其中bfloat16，16位浮点数，适合NVIDIA A100等设备。
• •tensor-parallel-size：Tensor并行的数量，当多GPU分布式推理时使用，建议和GPU的数量一致。
• •cpu-offload-gb：允许将部分模型权重或中间结果卸载到CPU的内存中，单位为GB。，模拟GPU内存扩展，如果部署的模型大于了显存大小可以设置该参数，但是推理速度会大大下降。
• •gpu-memory-utilization：设置GPU内存利用率的上限。
• •max-model-len：允许模型最大处理的Token数，该参数越大占用显存越大。
• •enable-prefix-caching：启用前缀缓存减少重复计算。

显存占用情况：

如果启动显存不足，可适当调整gpu-memory-utilization和max-model-len参数，或通过cpu-offload-gb将部分模型权重卸载到内存中。

启动成功后，可通过/v1/models接口可查看模型列表：

curl http://127.0.0.1:8060/v1/models-H"Authorization: Bearer token-abc123"

测试API方式交互，默认思考模式：

curl http://127.0.0.1:8060/v1/chat/completions \-H"Content-Type: application/json"\-H"Authorization: Bearer token-abc123"\-d '{"model":"Qwen3-30B-A3B","messages":[{"role":"system","content":"You are a helpful assistant."},{"role":"user","content":"你是谁"}]}'

非思考模式测试：

curl http://127.0.0.1:8060/v1/chat/completions \-H"Content-Type: application/json"\-H"Authorization: Bearer token-abc123"\-d '{"model":"Qwen3-30B-A3B","messages":[{"role":"system","content":"You are a helpful assistant."},{"role":"user","content":"你是谁/no_think"}]}'

三、Open-WebUI 交互测试

连接Qwen3-30B-A3B模型。

模型ID可以留空，会自动从/v1/models接口中获取。

保存后，回到对话窗口， 可在左上角选择Qwen3-30B-A3B模型：

对话测试

问题：三人三台三桶水，九人九天几桶水

问题：找规律：
24，14，26，33，46，（ ）
提示: 24/2+14=26/no_think

最后的最后

感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。

为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。

这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。

这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】