基于dify评测qwen3的整体效果

于 2025-05-06 11:15:58 发布
阅读量1.8k 收藏 9
点赞数 72
文章标签： 数据库 服务器 运维 人工智能 3d
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaoganbuaiuk/article/details/147730166
版权

1.前言

Qwen3是阿里巴巴于2025年4月29日发布的一款开源混合推理模型，其特点和性能在多个方面都取得了显著突破.一张图给大家看懂Qwen3。

图片

2、 qwen3-14B模型部署

模型下载

modelscope download  Qwen/Qwen3-14B --cache_dir /app/

我是使用了4张nvidia T4卡（每张卡显存16G）

部署模型

VLLM_USE_MODELSCOPE=true vllm serve /app/Qwen/Qwen3-14B --enable-reasoning --reasoning-parser deepseek_r1  --dtype 'half' --tensor_parallel_size 4 --host 0.0.0.0 --port 5001 --gpu_memory_utilization 0.8

防止显存out memory,设置

--gpu_memory_utilization 0.8

部署过程中需要对transformer、deepseek、torch、modelscope进行升级。

在这里插入图片描述

3、 将部署模型服务注册到dify中

目前安装的dify为1.2.0版本

注册模型
在这里插入图片描述

推理模型测试

在这里插入图片描述

非推理模型测试
在这里插入图片描述

4、 难题测试

\1. 一根 20 米长的木棍能通过高 5 米、宽 6 米的城门吗？

一通推理后，回答错误。

在这里插入图片描述

\2. 1 元钱一瓶汽水，喝完后两个空瓶换一瓶汽水，问：你有 20 元钱，最多可以喝到几瓶汽水？

这道题中间有个借瓶的操作。当喝到第 39 瓶时，手头就会有一个空瓶子，我们可以先借一个空瓶，换来一瓶汽水喝完后，再把空瓶还给店主，所以正确答案是 40 瓶。

Qwen3 又经过一顿繁琐的思考，也想到了借瓶子，只是到了最后，Qwen3 认为借瓶是非常规假设。

在这里插入图片描述

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
在这里插入图片描述

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

在这里插入图片描述
在这里插入图片描述

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

在这里插入图片描述

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

在这里插入图片描述

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
img

在这里插入图片描述

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

在这里插入图片描述
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）
大模型爬虫—ScrapeGraphAI
09-20 9369
是一个网络爬虫Python 库，使用大型语言模型和直接图逻辑为网站和本地文档（XML，HTML，JSON 等）创建爬取管道。只需告诉库您想提取哪些信息，它将为您完成！
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
丨汀、的博客
07-25 8450
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
开源大模型项目，助你效率提高 10 倍
2401_85375298的博客
10-23 1593
Flowise 是一款开源 UI 可视化工具，用于构建定制的 LLM 编排流程和 AI 代理。" )}
Dify 1.2.0 升级攻略｜手把手教你无痛更新不丢数据！
最新发布
sinat_29950703的博客
04-15 2833
Dify-v1.2.0最新版【备份+升级+迁移】无痛升级。
保姆级教程！6个步骤讲清楚用DeepSeek搭建本地知识库
热门推荐
m0_59235699的博客
02-05 3万+
本地部署的最大意义在于利用DeepSeek大模型的能力加上自己的知识库，可以训练出一个符合自己需求的大模型。想象下如果你是一个医生，有一堆科研资料。你想拥有一个大模型机器人，学习了你所有的资料。每当你想查科研资料找到答案的时候，自己问这个机器人就好了。省去了自己很多查找资料的时间这就是本地部署+知识库的作用。是DeepSeek官网不具备的。因为这是训练的你的私有资料。今天就来分享下这个搭建过程。用到的工具组合是Docker+Dify+DeepSeek。
DeepSeek - V2.5：全新开源模型，融合通用与代码能力
寻道AI，探索AI无限可能！
09-29 5386
DeepSeek - V2.5是由deepseek - v2 - chat和deepseek - coder - v2两个模型合并升级而来的一款人工智能模型。这种合并升级的方式赋予了DeepSeek - V2.5独特的能力组合，使其在多种任务场景下都能发挥重要作用。它既融合了chat模型的通用对话能力，能够应对各种自然语言处理相关的交互任务，又具备coder模型强大的代码处理能力，为编程相关的任务提供了有力支持。
大模型赋能：爬虫技术的全新革命
wwlsm_zql的博客
04-16 3023
随着大模型技术的不断发展，内容解析的方式正在发生深刻变革。大模型加持下的提示工程方法为爬虫技术带来了前所未有的便利和效率提升。然而，我们也应该意识到，这种方法并非万能之药，它仍然需要结合具体任务进行定制化的优化和调整。未来，我们期待看到更多关于大模型在爬虫领域的应用和研究，以推动这一技术的进一步发展和完善。
阿里这次放大招了：Qwen2.5-Omni-7B 是开源多模态的天花板？
努力分享一些人工智能相关的知识干货！
03-27 1724
近年来，大模型从单模态文本生成向多模态认知跃迁已成业界共识。OpenAI 发布 GPT-4V 与 Gemini 1.5-Pro，Google DeepMind 推出 Flamingo 和 Gemini 系列，多模态技术逐渐成为 AI 实用化的关键路径。但多模态大模型往往意味着参数暴增、推理开销剧增、无法实时响应等现实问题。如何构建“轻量化、全模态、强泛化、可部署”的 AI 系统，一直是技术团队追求的目标。在这样的背景下，阿里通义团队开源发布的，无疑是一次重量级突破。
单卡4090上部署的DeepSeek-R1小模型的并发性能评测
weixin_53138109的博客
04-01 1699
网上找了一圈性能评测工具，很多都要自己把模型拉起来，还动不动就想去HuggingFace下载，都不太好用。考虑到目前不管是开源还是闭源，各大模型的推理服务，基本都遵循 OpenAI 的 API 接口。所以针对该接口编写一个简单的脚本，应该即可评测各种模型的性能了。这种任务，对于我这种20多年的老码农来说，当然要用AI帮忙了 ：）因此用AI生成了一个初始版本，调试了1个多小时可以跑通了。但是结果数据有问题，隐藏的一个逻辑错误，OpenAI 和 DeepSeek 都没发现。
RAG私域问答场景升级版方案(第二期方案)[2]：工业级别构建私域问答（业务问题、性能问题、安全成本问题等详细解决方案）
丨汀、的博客
08-07 758
RAG私域问答场景升级版方案(第二期方案)[2]：工业级别构建私域问答（业务问题、性能问题、安全成本问题等详细解决方案）
国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
2401_84208172的博客
08-11 2055
Agent是以大模型为核心的智能体，通过与用户对话的形式，来完成各种任务，它很像一个“人”。如果和人做类比，它应该具备以下能力：1.对话式Agent所有资料 ⚡️ ，朋友们如果有需要全套 《》，👉[CSDN大礼包（安全链接，放心点击）]()👈。
爬虫！从传统编程-＞AI大模型+prompt
m0_63171455的博客
05-20 2206
爬虫相信很多人都对此有所了解，它主要依靠编写代码实现对网页结构的解析，通过模拟浏览器行为获取目标数据！随着人工智能技术的发展，LLM大模型的出现为爬虫技术带来了新的思路。与传统的编程模式不同，使用AI大模型+prompt可以显著提高程序员的编程效率。通过结合人工智能和自然语言处理技术，开发者可以更加高效地编写爬虫代码，并实现对网页内容的智能解析和提取。let prompt = `判断一下的用户情感是正面还是负面的评论：买的银色版真的好看，一天就到了，晚上就开始拿起来玩，系统很丝滑流畅，
保姆级教程！6个步骤讲清楚用DeepSeek搭建本地知识库，收藏这一篇就够了！！
bugyinyin的博客
02-12 3328
本地部署的最大意义在于利用DeepSeek大模型的能力加上自己的知识库，可以训练出一个符合自己需求的大模型。 想象下如果你是一个医生，有一堆科研资料。你想拥有一个大模型机器人，学习了你所有的资料。每当你想查科研资料找到答案的时候，自己问这个机器人就好了。省去了自己很多查找资料的时间 这就是本地部署+知识库的作用。是DeepSeek官网不具备的。因为这是训练的你的私有资料。
DeepSeek-V2.5：兼具通用能力和编码能力的新型开源模型
weixin_41446370的博客
09-09 3293
DeepSeek-V2.5 将聊天和编码功能合二为一，现已开源。针对写作、编码和人性化偏好进行了增强。通过网络和 API 提供。今天，我们成功合并了 DeepSeek-V2-Chat 和 DeepSeek-Coder-V2 模型，正式发布了DeepSeek-V2.5。DeepSeek-V2.5 保留了Chat模型的一般对话能力和Coder模型的编码优势，同时更符合人类的偏好。此外，DeepSeek-V2.5 在编写任务和指令跟踪方面也有了显著的改进。
你还在手动爬虫？这个工具直接用让大模型来分析爬虫了
brizer的博客
11-16 1629
Firecrawl 是 MendableAI 开发的一款多功能爬虫和抓取工具，支持将指定网页的内容直接转为AI模型（如大语言模型LLM）适用的格式。这意味着，无论是构建知识库、训练对话机器人，还是搭建分析工具，Firecrawl都可以自动抓取并转换数据，节省大量人工处理时间。对于开发者来说，这是一个能快速获取并结构化数据的绝佳帮手。Firecrawl 是一款功能强大且简单易用的数据抓取工具。对于需要高效内容采集、数据分析和AI模型训练的开发者来说，Firecrawl无疑是一个值得一试的好工具。
TensorFlow相关组件的安装
AAI666666的博客
01-11 2666
TensorFlow相关组件的安装
DeepSeek-V2.5: 融合通用与代码能力的全新开源模型
qq_60548077的博客
09-11 1330
这个新版本是 DeepSeek-V2-Chat 和 DeepSeek-Coder-V2 两个模型的融合，它不仅继承了 Chat 模型的通用对话能力和 Coder 模型的代码处理能力，还进一步优化了与人类偏好的对齐。在代码处理能力方面，DeepSeek-V2.5 保留了 DeepSeek-Coder-V2-0724 的强大功能，并在 HumanEval Python 和 LiveCodeBench 测试中显示了显著的改进。此外，DeepSeek-V2.5 还对代码常见场景进行了优化，以提升实际使用的表现。
重磅开源！ 9 个 yyds 图像识别模型
公众号：逛逛GitHub
06-14 5551
人脸、车辆、人体属性、卡证、交通标识等经典图像识别能力，在我们当前数字化工作及生活中发挥着极其重要的作用。业内也不乏顶尖公司提供的可直接调用的API、SDK，但这些往往面临着定制化场景泛化效果不好、价格昂贵、黑盒可控性低、技术壁垒难以形成多诸多痛点。而今天小编要给大家推荐的是一个完全开源免费的、覆盖人、车、OCR等9大经典识别场景、在CPU上可3毫秒实现急速识别、一行代码...
dify部署qwen
03-29
<think>好的，用户想了解如何在Dify平台上部署Qwen模型。我需要结合提供的引用内容，给出清晰的步骤。首先，我得确认用户是否已经安装了必要的工具，比如Ollama和Dify。然后按照引用的步骤一步步来。 根据引用3，用户需要先安装Ollama，用brew命令安装，然后启动服务。接着下载Qwen模型，比如运行ollama run qwen:14b。然后进入Dify的配置界面，添加模型，填写名称和URL。这里要注意URL是否正确，比如http://localhost:11434，引用4提到验证端口是否成功。 可能用户会遇到问题，比如模型下载失败，或者Dify无法连接Ollama，这时候需要检查服务是否运行，端口是否正确。另外，用户可能不清楚如何验证模型是否部署成功，需要指导他们访问API端口测试。 还要考虑不同版本的Qwen模型，比如用户可能想用7B或72B的版本，步骤类似，但模型名称需要对应。同时，提醒用户注意硬件要求，尤其是大模型需要更多显存。 最后，生成相关问题，覆盖安装、配置、优化和应用场景，这样用户可以有后续的参考。</think>### 如何在 Dify 平台上部署 Qwen 模型？ #### 部署步骤说明 1. **安装 Ollama 框架** - 使用 Homebrew 安装 Ollama（适用于 macOS）： ```bash brew install ollama --cask ``` - 启动 Ollama 服务： ```bash ollama serve ``` - 此步骤需保持终端运行状态以维持服务[^3][^4]。 2. **下载并运行 Qwen 模型** - 在独立终端中执行以下命令（以 Qwen2-14B 模型为例）： ```bash ollama run qwen:14b ``` - 支持其他尺寸模型如 `qwen:7b` 或 `qwen:72b`[^1][^3]。 3. **验证模型服务** - 访问 `http://localhost:11434`，若返回 Ollama 的 API 信息，则说明服务正常运行。 4. **配置 Dify 平台** - 登录 Dify 控制台，进入 **模型供应商 > Ollama** 配置页 - 填写参数： - **模型名称**：`qwen:14b`（与下载的模型名称一致） - **基础 URL**：`http://localhost:11434` - 保存后即可在 Dify 工作流中调用该模型[^3][^2]。 #### 常见问题排查 - **模型下载失败**：检查网络连接，或尝试更换镜像源 - **Dify 无法连接 Ollama**：确认 Ollama 服务进程是否存活，端口 `11434` 是否开放 - **显存不足**：较大模型（如 72B）需要至少 48GB 显存，建议根据硬件选择合适尺寸 #### 优化建议 - 使用 **GQA 机制**（Qwen2 内置特性）可降低 30% 显存占用并提升推理速度[^1] - 在 Dify 中结合 RAG 管道增强模型的知识库支持能力
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值