💡 [REQUEST] - 建议 1.8B 就不要花时间搞了，毕竟参数少，能力优化不上去。重点优化一下 7B 和 14B。72B成本太高了。谢谢

[micronetboy]

起始日期 | Start Date

No response

实现PR | Implementation PR

No response

相关Issues | Reference Issues

No response

摘要 | Summary

建议 1.8B 就不要花时间搞了，毕竟参数少，能力优化不上去。重点优化一下 7B 和 14B。72B成本太高了。谢谢

基本示例 | Basic Example

无

缺陷 | Drawbacks

无

未解决问题 | Unresolved questions

No response

[micronetboy]

手机厂商都准备把 7B 装入手机了。1.8B就不用花时间搞了，毕竟参数少，能力优化不上去。目前大量用户是 7B 和 14B。尤其是14B Int4 量化 vLLM的支持。谢谢！ 72B成本太高了。

[awdrgyjilplij]

但我甚至还觉得1.8B有点大，想要0.5B的。。。

[weiminw]

手机厂商都准备把 7B 装入手机了。1.8B就不用花时间搞了，毕竟参数少，能力优化不上去。目前大量用户是 7B 和 14B。尤其是14B Int4 量化 vLLM的支持。谢谢！ 72B成本太高了。

等GPU白菜价的时候再高72B还可以的

[thsno02]

要验证 scaling law 吧，顺便支持一下移动端。

[jklj077]

感谢大家对Qwen开源模型的支持，通义千问共开源18亿、70亿、140亿、720亿参数的4款大语言模型，以及视觉理解、音频理解两款多模态大模型，实现“全尺寸、全模态”开源。

开源生态对促进中国大模型的技术进步与应用落地至关重要。通义千问将持续投入开源，希望成为“AI时代最开放的大模型”，与伙伴们共同促进大模型生态建设。

目前LLaMA-Factory、llama.cpp、AutoGPTQ、AutoAWQ、FastChat、vLLM等主流生态框架已经提供了对Qwen的支持，微调、量化、部署环节提供了较为多样的选择，这离不开社区伙伴的贡献。Qwen多个尺寸、多个模态开源为技术探索、应用落地提供了丰富的实验基础设施，我们期待随着生态图谱日趋完整、更多新颖成果将涌现。大家有趣的想法，我们也非常欢迎分享讨论！

[yumianhuli2]

感谢大家对Qwen开源模型的支持，通义千问共开源18亿、70亿、140亿、720亿参数的4款大语言模型，以及视觉理解、音频理解两款多模态大模型，实现“全尺寸、全模态”开源。

开源生态对促进中国大模型的技术进步与应用落地至关重要。通义千问将持续投入开源，希望成为“AI时代最开放的大模型”，与伙伴们共同促进大模型生态建设。

目前LLaMA-Factory、llama.cpp、AutoGPTQ、AutoAWQ、FastChat、vLLM等主流生态框架已经提供了对Qwen的支持，微调、量化、部署环节提供了较为多样的选择，这离不开社区伙伴的贡献。Qwen多个尺寸、多个模态开源为技术探索、应用落地提供了丰富的实验基础设施，我们期待随着生态图谱日趋完整、更多新颖成果将涌现。大家有趣的想法，我们也非常欢迎分享讨论！

请问哪里可以申请QWEN1.5 0.5B和1.8B的LICENSE？