Qwen2.5-1.5B

系统要求

不同量化方法和上下文大小的显存要求

没有可用的 Qwen2.5-1.5B 评估基准。

关于 Qwen2.5-1.5B

Qwen2.5-1.5B 是由阿里云开发的基础大语言模型，属于 Qwen2.5 系列。该模型拥有 15.4 亿个参数，专为在各种应用场景中高效处理和生成类人文本而设计。它在高达 18 万亿 token 的大规模数据集上进行了广泛的预训练，并针对指令遵循、编程和数学解题等专业任务进行了微调。其设计强调处理长上下文的能力以及生成连贯、准确响应的能力，使其适用于各种文本处理需求。

Qwen2.5-1.5B 的架构基础是稠密（dense）且仅解码器（decoder-only）的 Transformer。其架构的关键组件包括用于编码位置信息的旋转位置嵌入 (RoPE)、作为激活函数的 SwiGLU 以及用于有效归一化的 RMSNorm，这些组件有助于实现稳定的训练和性能提升。该模型采用了分组查询注意力 (GQA) 机制，具体配置为 12 个查询头 (query heads) 和 2 个键值头 (key-value heads)，从而实现了高效的注意力机制。该模型包含 28 层，隐藏层维度为 1536。

Qwen2.5-1.5B 设计支持最高 128,000 个 token 的上下文长度，常见配置下支持 32,768 个 token 的全上下文，并支持生成最多 8,192 个 token。它的能力扩展到了 29 种以上语言的多语言理解和生成。该模型在处理表格和 JSON 等结构化数据格式方面表现出色。Qwen2.5-1.5B 的实际应用场景包括开发对话代理、虚拟助手、自动化代码生成工具、数学解题平台，以及需要强大内容创作和摘要能力的应用程序。

技术规格

资源

关于 Qwen2.5

阿里巴巴的 Qwen2.5 是一个稠密、仅解码器（decoder-only）架构的语言模型系列，提供多种参数规模，其中部分变体采用了专家混合（Mixture-of-Experts）技术。这些模型在大规模数据集上进行了预训练，支持扩展的上下文长度和多语言交流。该系列还包含针对编程、数学以及视觉和音频处理等多模态任务的专业化模型。

其他 Qwen2.5 模型

• Qwen2.5-0.5B
• Qwen2.5-3B
• Qwen2.5-7B
• Qwen2.5-14B
• Qwen2.5-32B
• Qwen2.5-72B