在 13.1 节我们梳理了 Llama 系列如何定义了开源大模型的“美式标准”——稀疏化授权、强社区生态、以英语语料为底盘。而在国内乃至全球开发者的实际选型中，通义千问（Qwen）系列是一个无法绕过的存在。它不仅是国内开源生态中模型矩阵最完整、多模态布局最前瞻的标杆，也是目前国际社区（Hugging Face、GitHub、vLLM 等主流框架）中活跃度最高的国产模型序列之一。
本节从开发者视角拆解 Qwen 系列的核心特点：它提供了哪些尺寸？多模态能力做到了什么程度？开源协议是否允许商用？以及在什么场景下你应该优先考虑它。
一、模型矩阵：真正的“全尺寸覆盖”
与 Llama 早期只开源 7B/13B/70B 几个离散档位不同，Qwen 系列从诞生之初就采用了“梯度覆盖”策略，让不同算力约束的开发者都能找到对应落点。
以 Qwen2（及 Qwen2.5） 为例，其 Dense 模型（标准密集架构）覆盖：
| 参数规模 | 典型定位 | 单卡推理可行性 | 适用场景 |
|---------|---------|--------------|---------|
| 0.5B / 1.5B | 端侧/手机/IoT | RTX 3060 甚至 CPU 可跑 | 实时分类、端侧 RAG、嵌入式 Agent |
| 7B | 开发者首选基座 | RTX 4090 / A10 单卡可全量微调 | 中小团队 POC、私有化部署、LoRA 微调 |
| 14B / 32B | 企业级性价比 | A100 40GB 或双卡 4090 | 客服、知识库、代码辅助，效果与成本平衡点 |
| 72B | 大型业务基座 | 4×A100 或 8×4090 量化部署 | 复杂推理、长文档分析、行业大模型底座 |
| 110B+ | 超大规模基座 | 8×A100/H100 全精度 | 科研、头部企业基座、对标 GPT-4 级应用 |
此外，Qwen 还推出了 MoE（混合专家）架构 的变体，如 Qwen1.5-MoE-A2.7B（总参数量大但激活参数小）以及 Qwen2-57B-A14B（总 57B，激活 14B）。这与 6.5 节讨论的 MoE 稀疏激活逻辑一致：用接近 14B 的推理成本，撬动接近 70B 的模型容量，适合显存紧张但追求高并发吞吐的业务。
实用认知：Qwen 的“全尺寸”不只是数字游戏。它的 Tokenizer（词表设计） 在 7B 和 72B 上保持了高度一致（基于统一的多语言 BPE 词表，约 15 万级别），这意味着你在 1.5B 上验证的 Prompt 工程和数据处理流程，基本可以无损迁移到 72B 上，大幅降低了从实验到生产的迁移成本。
二、技术特点：不是“中文版 Llama”，而是独立演进路线
很多初学者误以为 Qwen 是“用中文数据微调了 Llama”。事实上，Qwen 从词表、架构到训练数据都走了独立路线：
- 词表设计：采用了大规模中英文融合词表（包含大量 CJK 字符和常见代码 Token），相比 Llama 对中文的按字节切分，Qwen 的中文编码效率显著提升，同样一段中文文本所需的 Token 数通常只有 Llama 系列的一半左右，直接降低了推理成本和长上下文压力（与 2.3 节 Token 概念呼应）。
- 位置编码：主流版本采用 RoPE（旋转位置编码），并在长上下文版本中通过 NTK-aware 插值 或 YaRN 技术将基座模型的上下文从 4K 扩展到 128K，无需从头训练长文本模型。
- 训练数据与对齐：预训练语料中英文比例经过精心设计，并非简单翻译语料回灌。在后训练阶段，Qwen2 采用了 SFT + DPO（直接偏好优化） 的精简对齐管线（见 5.3 节），部分版本还引入了 在线合并优化器（Online Merging Optimizer） 来缓解对齐税（Alignment Tax）。
与 Llama 的简要对比：
| 维度 | Qwen2 / Qwen2.5 | Llama 3 系列 |
|------|----------------|-------------|
| 语言优势 | 中文原生极强，多语言均衡 | 英文极强，中文能力需大幅微调 |
| 词表效率 | 中文 Token 压缩比高 | 中文 Token 膨胀明显 |
| 尺寸覆盖 | 0.5B–110B+，含 MoE | 8B–70B（Llama 3.1），405B 仅部分开源 |
| 上下文 | 128K（主流版本） | 128K（Llama 3.1） |
| 工具调用 | 原生支持 Function Calling | 通过微调或辅助框架支持 |
三、多模态布局：从“语言中心”到“全模态统一”
Qwen 是目前开源阵营中多模态产品线最完整的系列之一，其策略不是做一个“能看图的 LLM”，而是围绕 Qwen 语言基座，训练了独立的视觉/音频专家编码器，再通过统一对齐。
1. Qwen-VL / Qwen2-VL（视觉-语言）
- 能力边界：不仅能做图像描述、OCR（图文识别）、目标定位（Grounding，如“请框出图中的猫”），还支持视频理解（Qwen2-VL 可处理长达数小时的视频序列）。
- 技术实质：采用 ViT（Vision Transformer） 作为视觉编码器，将图像/视频帧压缩为视觉 Token，与文本 Token 拼接后输入 Qwen 语言模型做联合自回归生成（与 1.3 节多模态能力的技术逻辑一致）。
- 实用价值：对于需要处理发票、报表、工业质检图像、电商商品图的中文业务，Qwen2-VL 是目前开源可选方案中中文 OCR 准确率和中文视觉问答表现最稳的基座之一。
2. Qwen-Audio / Qwen2-Audio（音频-语言）
- 能力边界：支持语音对话、音频内容分析（如从一段会议录音中提取待办事项）、音乐理解。
- 与纯 ASR（语音识别）的区别：它不需要先转文字再送给 LLM，而是直接将音频特征输入模型，由模型自主决定“是转录、是翻译、还是直接总结”。
实用认知：Qwen 的多模态模型目前主要以 Apache 2.0 或通义千问特定开源协议发布，但商用前务必核对具体版本的许可证。一般来说，Qwen2 系列的语言模型采用 Apache 2.0，而多模态模型（如 Qwen2-VL）在发布初期可能附带更严格的商用条款，需关注官方 GitHub 的最新声明。
四、开源生态：不止于“放权重”
评价一个开源模型的健康度，不能只看它是否上传了 .safetensors 文件。Qwen 系列在工具链适配和开发者体验上做了大量工作：
1. 推理框架“开箱即用”
- vLLM / SGLang：Qwen2 系列在发布当日即提供官方适配，支持 PagedAttention 加速和连续批处理（见 23.1 节）。
- llama.cpp / Ollama：社区迅速跟进量化支持，72B 模型可在消费级硬件上通过 Q4_K_M 量化运行。
- TensorRT-LLM / MindSpore：针对 NVIDIA 数据中心卡和华为昇腾生态均有官方或半官方支持。
2. 微调与对齐工具链
- LLaMA-Factory / Axolotl / XTuner：主流参数高效微调（PEFT）框架对 Qwen 的 LoRA、QLoRA（见 10.2 节）训练配置提供了现成模板。
- 自研工具：阿里云开源了 Qwen-Agent（用于快速构建 Agent 应用）和 ModelScope 生态，降低了从模型下载到应用部署的门槛。
3. 社区与企业落地
- 在 Hugging Face 开源大模型下载量榜上，Qwen 系列长期占据国产模型首位。
- 衍生模型（基于 Qwen 微调或继续预训练的社区模型）数量庞大，覆盖法律、医疗、金融、代码等垂直领域，形成了类似 Llama 的“派生生态”。
五、选型建议：何时选择 Qwen？
结合 14.2 节“不同业务场景的模型选型建议”的逻辑，Qwen 系列特别适合以下场景：
| 场景 | 推荐选择 | 理由 |
|------|---------|------|
| 中文为核心，且英文为辅 | Qwen2.5-72B / 32B | 中文理解、生成、文化语境远超同尺度 Llama，无需大量中文继续预训练 |
| 端侧/边缘部署（手机、车机） | Qwen2-1.5B / 0.5B | 极小尺寸下仍保留基础指令遵循能力，配合量化可做到极致 latency |
| 多模态业务（图文、视频理解） | Qwen2-VL-72B 或 7B | 开源社区中少有的“中文 OCR + 通用视觉理解”双强模型 |
| 预算有限，但想试 MoE | Qwen2-57B-A14B | 用 14B 激活参数的成本，体验接近 72B Dense 的效果（见 6.5 节） |
| 需要合规、可控的开源协议 | Qwen2 语言模型系列 | Apache 2.0 协议，无 Llama 3 对月活超过 7 亿企业的商用限制 |
需要警惕的局限：
- 极度垂直的英文小众领域：如果业务面向纯英文法律古文献或特定北欧语言，Llama 3 或 Mistral 的基座可能更优。
- 超大规模基座的完全开源：Qwen 目前开源到 110B 级别，但尚未开源千亿级 Dense 基座（与 Llama 3 的 405B 类似），如果你有炼万亿级 MoE 的需求，仍需结合自研基座。
六、小结
通义千问（Qwen）系列的核心价值，在于它证明了国产开源模型可以在全尺寸梯度、多模态融合和开发者生态三个维度上同时做到世界级水准。它不是 Llama 的中文附庸，而是围绕中文效率优化、长上下文和工具调用原生支持形成的独立技术体系。
关键 takeaway：
- 尺寸全覆盖让从实验到生产的迁移成本极低；
- 中文 Token 压缩率和原生中文对齐是相比国际开源模型的显著优势；
- 多模态矩阵（VL/Audio） 使其不仅是语言基座，更是多模态应用的底座；
- 在选型时，优先评估你的语言分布（是否中文为主）和模态需求（是否需要视觉/音频），再决定是否在 Qwen 矩阵中选择落点。
在 13.3 节中，我们将转向另一个极具个性的开源家族——Mistral 系列。它以“小参数、高性能”和激进的 MoE 架构闻名，与 Qwen 的“全尺寸稳健布局”形成了鲜明的欧洲风格对比。