AI Index

Qwen2.5-7B-Instruct

语言 Alibaba Qwen 部分核实 发布于 2024年9月19日
  • 输入 文本 输出 文本
  • 工具调用
  • 结构化输出
  • 开放权重

价格

2 个渠道报价 · 按标价显示
Alibaba Cloud Model Studio 官方 中国站 · CNY qwen2.5-7b-instruct
条件/ 百万 tokens输入输出
标准 ¥0.50¥1.00

价格来源 How to check model training and deployment pricing-Alibaba Cloud Model Studio(Model Studio)-阿里云帮助中心 (核对于 2026年11月1日)

Alibaba Cloud Model Studio 官方 全球 · USD qwen2.5-7b-instruct
条件/ 百万 tokens输入输出
标准 自 2026年10月1日 起页面不再列出 历史价格，取自 2026年1月16日 存档的厂商页面$0.175$0.70

价格来源 Alibaba Cloud Model Studio pricing (核对于 2026年9月30日)

标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。

详细规格

推理
—
知识截止
2024年4月
许可证
apache-2.0
模型家族
qwen
模型 ID

Alibaba Qwen 的页面未说明：最长输入, 推理档位, 可关闭推理, 最大思考预算, 内置工具, 别名。

本地运行

权重： Qwen/Qwen2.5-7B-Instruct
  • 参数 7.6B
  • 稠密
  • 原生精度 BF16
  • 层数 28
  • 每 token 的 KV 缓存 56 KB
  • 配置位置数 32K （config.json max_position_embeddings）
  • API 上下文 977K （厂商 API）
我的配置 GeForce RTX 4090 24 GB · 1008 GB/s · 内存 64 GB DDR5 双通道 · 89.6 GB/s
在你的配置上 · GeForce RTX 4090
流畅 原生 BF16 （自动） 8K 上下文 32–48 tok/s单卡
权重KV 缓存运行开销可用上限
需要
≈ 15.3 GB (权重 14.2（官方文件） + KV 缓存 0.4 + 开销 0.7)
可用
21.6 GB (标称的 90%)
生成速度
32–48 tok/s
最长上下文
32K (模型上限)
首 token
2K 提示约 0.25–0.37 秒
推荐精度权重8K 需要在你的配置上最长上下文
原生 BF16官方14.2 GB≈ 15.3流畅 32–48 tok/s32K
Q8_0官方7.5 GB≈ 8.5流畅 59–88 tok/s32K
INT8 (GPTQ)官方8.3 GB≈ 9.2流畅 54–81 tok/s32K
FP87.1 GB≈ 8.0流畅 62–94 tok/s32K
Q6_K官方5.8 GB≈ 6.8流畅 75–112 tok/s32K
Q5_K_M官方5.1 GB≈ 6.0流畅 85–128 tok/s32K
Q5_0官方5.0 GB≈ 5.9流畅 87–131 tok/s32K
Q4_K_M官方4.4 GB≈ 5.3流畅 98–147 tok/s32K
Q4_0官方4.1 GB≈ 5.1流畅 103–154 tok/s32K
INT4 (AWQ / GPTQ)官方5.2 GB≈ 6.1流畅 83–125 tok/s32K
IQ4_XS3.8 GB≈ 4.7流畅 112–167 tok/s32K
Q3_K_M官方质量下降明显3.5 GB≈ 4.5流畅 118–177 tok/s32K
IQ3_XXS质量下降明显2.7 GB≈ 3.7流畅 149–223 tok/s32K
Q2_K官方质量下降明显2.8 GB≈ 3.7流畅 145–217 tok/s32K
IQ2_XXS质量下降明显1.8 GB≈ 2.8流畅 207–311 tok/s32K

点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。

和其他配置比

每个配置各用它能跑的最高精度，点一个看细节。

最低需要（Q4_K_M · 8K）：显卡 GeForce RTX 3080；统一内存 Apple M5 · 16 GB。

运行命令

vLLM
vllm serve Qwen/Qwen2.5-7B-Instruct --max-model-len 8192
微调需要多少显存
全参≈ 115.8 GB你的配置放不下
LoRA≈ 16.6 GB你的配置放得下
QLoRA≈ 6.4 GB你的配置放得下

batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。

估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的

引用评分

来自第三方排行榜，并非我们测得
  • Epoch AI · GPQA Diamond 35.5%

    第 154 名，共 168 个上榜模型 · ±2.29

  • Epoch AI · OTIS Mock AIME 2024–2025 2.5%

    第 149 名，共 159 个上榜模型 · ±0.94

  • Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · 许可 · 数据日期 2026年11月4日
  • 我们做的改动

变更

全部变更 →
  1. Alibaba Cloud Model Studio, 中国站 上线报价 输入 ¥0.50 · 输出 ¥1.00
  2. Alibaba Cloud Model Studio, 国际站 不再报价 输入 $0.175 · 输出 $0.70
  3. Alibaba Cloud Model Studio, 国际站 上线报价 输入 $0.175 · 输出 $0.70

来源

Alibaba Qwen 官方政策：数据使用、隐私、条款 →

本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据

Alibaba Qwen · 中国 · qwen.ai

快照、同系列与同厂商的其他模型