Qwen3-1.7B双模式推理如何优化AI性能？2026年深度解析

Qwen3 核心亮点

Qwen3 是通义千问系列大语言模型的最新迭代，提供了一系列密集模型和混合专家（MoE）模型。基于大规模训练，Qwen3 在推理、指令遵循、智能体能力和多语言支持方面实现了突破性进展，具备以下关键特性：

• 独特的思维模式无缝切换：在单一模型内支持在思维模式（用于复杂逻辑推理、数学和代码任务）和非思维模式（用于高效通用对话）之间无缝切换，确保在各种场景下的最优性能。
• 显著增强的推理能力：在数学、代码生成和常识逻辑推理方面，其表现超越了之前的 QwQ（思维模式）和 Qwen2.5-Instruct 模型（非思维模式）。
• 卓越的人类偏好对齐：在创意写作、角色扮演、多轮对话和指令遵循方面表现出色，提供更自然、引人入胜和沉浸式的对话体验。
• 专业的智能体能力：能够在思维和非思维模式下精确集成外部工具，在复杂的智能体任务中达到开源模型的领先水平。
• 支持超过 100 种语言和方言，具备强大的多语言指令遵循和翻译能力。

模型概览

Qwen3-1.7B 模型具有以下技术规格：

• 模型类型: 因果语言模型
• 训练阶段: 预训练 & 后训练
• 参数量: 17 亿
• 非嵌入参数量: 14 亿
• 层数: 28
• 注意力头数 (GQA): Q 为 16，KV 为 8
• 上下文长度: 32,768

有关基准评估、硬件要求和推理性能的更多详细信息，请参阅我们的 博客、GitHub 和 文档。

提示
如果遇到严重的无限重复生成问题，请参考 最佳实践 部分获取最优采样参数，并将 presence_penalty 设置为 1.5。

快速开始

Qwen3 的代码已集成到最新版的 Hugging Face transformers 库中，建议使用最新版本的 transformers。

如果使用 transformers<4.51.0，可能会遇到以下错误：

KeyError: 'qwen3'

以下代码片段展示了如何基于给定输入使用模型生成内容。

from modelscope import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen3-1.7B"

# 加载分词器和模型
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

# 准备模型输入
prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=True # 在思维和非思维模式之间切换。默认为 True。
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# 执行文本补全
generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist() 

# 解析思维内容
try:
    # rindex 查找 151668 ()
    index = len(output_ids) - output_ids[::-1].index(151668)
except ValueError:
    index = 0

thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
content = tokenizer.decode(output_ids[index:], skip_special_tokens=True).strip("\n")

print("thinking content:", thinking_content)
print("content:", content)

对于部署，可以使用 sglang>=0.4.6.post1 或 vllm>=0.8.5 来创建兼容 OpenAI 的 API 端点：

• SGLang: SGLANG_USE_MODELSCOPE=true python -m sglang.launch_server --model-path Qwen/Qwen3-1.7B --reasoning-parser qwen3
• vLLM: VLLM_USE_MODELSCOPE=true vllm serve Qwen/Qwen3-1.7B --enable-reasoning --reasoning-parser deepseek_r1

对于本地使用，Ollama、LMStudio、MLX-LM、llama.cpp 和 KTransformers 等应用程序也已支持 Qwen3。

思维与非思维模式切换

提示
enable_thinking 开关在 SGLang 和 vLLM 创建的 API 中同样可用。请参阅我们的 SGLang 和 vLLM 用户文档。

enable_thinking=True

默认情况下，Qwen3 启用了思维能力，类似于 QwQ-32B。这意味着模型将使用其推理能力来提升生成响应的质量。例如，在 tokenizer.apply_chat_template 中显式设置 enable_thinking=True 或保留其默认值，模型将进入思维模式。

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=True  # True 是 enable_thinking 的默认值
)

在此模式下，模型将生成包裹在 <think>...</think> 块中的思维内容，然后是最终响应。

注意
对于思维模式，使用 Temperature=0.6、TopP=0.95、TopK=20 和 MinP=0（generation_config.json 中的默认设置）。切勿使用贪婪解码，因为这可能导致性能下降和无限重复。更详细的指导请参考 最佳实践 部分。

enable_thinking=False

我们提供了一个硬开关来严格禁用模型的思维行为，使其功能与之前的 Qwen2.5-Instruct 模型保持一致。此模式在需要禁用思维以提高效率的场景中特别有用。

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=False  # 设置 enable_thinking=False 禁用思维模式
)

在此模式下，模型不会生成任何思维内容，也不会包含 <think>...</think> 块。

注意
对于非思维模式，建议使用 Temperature=0.7、TopP=0.8、TopK=20 和 MinP=0。更详细的指导请参考 最佳实践 部分。

高级用法：通过用户输入切换模式

我们提供了一种软切换机制，允许用户在 enable_thinking=True 时动态控制模型的行为。具体来说，您可以在用户提示或系统消息中添加 /think 和 /no_think，以在多轮对话中逐轮切换模型的思维模式。模型将遵循最近的一条指令。

以下是一个多轮对话的示例：

from modelscope import AutoModelForCausalLM, AutoTokenizer

class QwenChatbot:
    def __init__(self, model_name="Qwen/Qwen3-1.7B"):
        self.tokenizer = AutoTokenizer.from_pretrained(model_name)
        self.model = AutoModelForCausalLM.from_pretrained(model_name)
        self.history = []

    def generate_response(self, user_input):
        messages = self.history + [{"role": "user", "content": user_input}]

        text = self.tokenizer.apply_chat_template(
            messages,
            tokenize=False,
            add_generation_prompt=True
        )

        inputs = self.tokenizer(text, return_tensors="pt")
        response_ids = self.model.generate(**inputs, max_new_tokens=32768)[0][len(inputs.input_ids[0]):].tolist()
        response = self.tokenizer.decode(response_ids, skip_special_tokens=True)

        # 更新历史记录
        self.history.append({"role": "user", "content": user_input})
        self.history.append({"role": "assistant", "content": response})

        return response

# 示例用法
if __name__ == "__main__":
    chatbot = QwenChatbot()

    # 第一次输入（无 /think 或 /no_think 标签，默认启用思维模式）
    user_input_1 = "How many r's in strawberries?"
    print(f"User: {user_input_1}")
    response_1 = chatbot.generate_response(user_input_1)
    print(f"Bot: {response_1}")
    print("----------------------")

    # 第二次输入，使用 /no_think
    user_input_2 = "Then, how many r's in blueberries? /no_think"
    print(f"User: {user_input_2}")
    response_2 = chatbot.generate_response(user_input_2)
    print(f"Bot: {response_2}") 
    print("----------------------")

    # 第三次输入，使用 /think
    user_input_3 = "Really? /think"
    print(f"User: {user_input_3}")
    response_3 = chatbot.generate_response(user_input_3)
    print(f"Bot: {response_3}")

注意
为了 API 兼容性，当 enable_thinking=True 时，无论用户使用 /think 还是 /no_think，模型将始终输出一个包裹在 <think>...</think> 中的块。但是，如果思维被禁用，该块内的内容可能为空。当 enable_thinking=False 时，软开关无效。无论用户输入任何 /think 或 /no_think 标签，模型都不会生成思维内容，也不会包含 <think>...</think> 块。

智能体应用

Qwen3 在工具调用能力方面表现出色。我们推荐使用 Qwen-Agent 来充分发挥 Qwen3 的智能体能力。Qwen-Agent 内部封装了工具调用模板和解析器，极大地降低了编码复杂度。

要定义可用工具，您可以使用 MCP 配置文件、使用 Qwen-Agent 的集成工具，或自行集成其他工具。

from qwen_agent.agents import Assistant

# 定义 LLM
llm_cfg = {
    'model': 'Qwen3-1.7B',

    # 使用阿里云灵积平台提供的端点：
    # 'model_type': 'qwen_dashscope',
    # 'api_key': os.getenv('DASHSCOPE_API_KEY'),

    # 使用兼容 OpenAI API 的自定义端点：
    'model_server': 'http://localhost:8000/v1',  # api_base
    'api_key': 'EMPTY',

    # 其他参数：
    # 'generate_cfg': {
    #         # 添加：当响应内容为 `<think>这是思考</think>这是答案` 时；
    #         # 不添加：当响应已被分离为 reasoning_content 和 content 时。
    #         'thought_in_content': True,
    #     },
}

# 定义工具
tools = [
    {'mcpServers': {  # 可以指定 MCP 配置文件
            'time': {
                'command': 'uvx',
                'args': ['mcp-server-time', '--local-timezone=Asia/Shanghai']
            },
            "fetch": {
                "command": "uvx",
                "args": ["mcp-server-f

## 常见问题（FAQ）

### Qwen3-1.7B的思维模式和非思维模式有什么区别？

思维模式适用于复杂逻辑推理、数学和代码任务，而非思维模式用于高效通用对话。模型支持在单一模型内无缝切换这两种模式，以优化不同场景下的性能。

### 如何启用或禁用Qwen3-1.7B的思维模式？

可以通过设置参数`enablethinking=True`来启用思维模式进行复杂推理，或设置`enablethinking=False`来使用非思维模式进行高效对话。也支持通过用户输入指令来动态切换模式。

### Qwen3-1.7B模型在哪些应用场景中表现突出？

该模型在复杂推理、创意写作、多语言应用及智能体任务中表现优异。其独特的双模式切换能力使其能在数学、代码生成和多轮对话等多种场景实现优化性能。