我要投稿

阿里大模型QWQ-32B低成本部署（两分钟了解AI社区最新动态）

发布日期：2025-03-17 18:58:35 浏览次数： 2046

作者：夜航星robot

微信搜一搜，关注“夜航星robot”

近些年AI Agent井喷式发展，涌出一大批高性能的大模型，大大推动各行业发展和智能化水平发展。然而，性能优越的大模型往往具有庞大的参数量，想要部署到本地设备进行使用的话，对硬件性能要求较高，高性能的推理模型往往需要在高端的专业级显卡或者大规模的服务器集群上才能部署成功并进行使用，较高的使用成本和技术门槛使很多开发者和企业望而却步。

性能强大却难以部署的困局

以满血版DeepSeek R1为例，其功能十分强大，但想要在GPU 上实现其满血版模型的部署可能要花费10万美元以上！如果采用CPU进行部署，需要24条32GB的内存条才能装得下，并且生成token的速度会很慢。Q4量化的版本DeepSeek R1-Q4_K_M，也得需要404GB空间，仍然很大，更何况Q8量化版本！

谷歌开发者专家、UCL计算机系博士生Xihan Li曾分享了部署Q4版本的过程，除了模型参数占用的内存+显存空间（404GB）以外，实际运行的时候还需额外预留一些空间用于上下文缓存，总计约500GB。在4×24GB显卡（RTX 4090）和4×96GB内存配置下，DeepSeek R1-Q4_K_M的短文本生成的速度只有约3token/秒，长文本生成时速度甚至会降到1token/秒。这样的速度显然难以应用到实际中。

小体量大模型带来福音！

因此，小体量成为了阿里巴巴大模型QWQ-32B的最重要的亮点之一！QWQ-32B只有320亿参数量，和拥有6710亿参数（其中370亿参数被激活）的DeepSeek R1m模型相比，QWQ-32B的参数量只有其1/20！在部署方面，QWQ-32B和以往高性能推理大模型相比，QwQ-32B能够在消费级显卡上就能实现本地部署，满足快速响应和数据安全需求，这无疑是向众多开发者和企业送去福音。

QWQ-32B的三种部署方式

比如，阿里巴巴在Hugging Face上开源的QwQ-32B版本，以Q4量化精度为例，只需占用不到20GB空间。除了4-bit量化的版本，Hugging Face上还有从2位、8位等不同版本，最小仅需不到13GB空间，将本地部署的难度直接拉到最低！普通的办公电脑都能运行得起来。本地部署成功后，加载与运行也是相当容易，十几行代码就能完成模型加载、处理问题并生成答案整个过程。

除了Hugging Face上开源的版本，Ollama也上线了Q4版本的QwQ-32B模型，安装Ollama后只需复制ollama run qwq到终端，即可体验。具体操作可参考我们以往发布的文章，链接在此：

https://mp.weixin.qq.com/s/5lhOsy_DGQiEK-yIx1QErA