QWQ-32B 本地私有化部署，性能媲美DeepSeek-R1满血版

一、QWQ-32B 介绍

QWQ-32B是阿里巴巴最新开源的一款新型推理模型，规模仅拥有320亿参数，但在多项基准测试中，性能几乎媲美 DeepSeek-R1 满血版，甚至某些测试中超越了 DeepSeek-R1 满血版。

官方提供的评估对比图：

在这里插入图片描述

从上图可以看出 QwQ-32B表现出色，整体几乎超越 OpenAI-o1-mini，在 AIME24(数学推理) 和 LiveCodeBench(代码评测) 测试集上与DeepSeek-R1满血版 几乎持平，在 LiveBench(混合任务)、IFEval(指令遵循)、BFCL(函数调用)测试中，均超越 DeepSeek-R1满血版 。但其只有 32B 的参数量，在如此优秀效果的前提下又大幅降低了部署使用的成本。

modelscope 地址：

https://modelscope.cn/models/Qwen/QwQ-32B

huggleface 地址：

https://huggingface.co/Qwen/QwQ-32B

本次本地部署 QWQ-32B 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==1.23.1
transformers==4.49.0
vllm==0.7.2

二、vLLM 部署 QWQ-32B

首先使用 modelscope 下载 QWQ-32B 模型到本地：

modelscope  download  --model="Qwen/QwQ-32B"  --local_dir  QwQ-32B

在这里插入图片描述

使用 vLLM 读取模型启动API服务。

export CUDA_VISIBLE_DEVICES=0,1

vllm serve "QwQ-32B" \
  --host 0.0.0.0 \
  --port 8060 \
  --dtype bfloat16 \
  --tensor-parallel-size 2 \
  --cpu-offload-gb 0 \
  --gpu-memory-utilization 0.8 \
  --max-model-len 8126 \
  --api-key token-abc123 \
  --enable-prefix-caching \
  --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。

在这里插入图片描述

显存占用情况：

在这里插入图片描述

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://localhost:8060/v1/models -H "Authorization: Bearer token-abc123"

在这里插入图片描述

测试API方式交互：

curl http://localhost:8060/v1/chat/completions \
    -H "Content-Type: application/json" \
	-H "Authorization: Bearer token-abc123" \
    -d '{
        "model": "QwQ-32B",
        "messages": [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "你好，介绍一下你自己"}
        ]
    }'

在这里插入图片描述