OnvergeAI·临界智能
MODELS · 临界智能

QwQ-32B本地部署:显存要求与商用许可

QwQ-32B(32B,上下文 131072 tokens):FP16 显存约 64GB、INT8 约 32GB、INT4 约 16GB;许可:Apache-2.0;适配 vLLM/SGLang/Transformers;权重要从官方仓库取用,参数以官方资料为准。

许可与商用条件

许可Apache-2.0

许可结论以官方许可文本为准,并随版本更新变化;商用前建议逐版本复核。

显存与硬件门槛

项目数值
参数量32B(激活 32B)
FP16 显存(约)64.00 GB
INT8 显存(约)32.00 GB
INT4 显存(约)16.00 GB
上下文长度131072 tokens
权重体积(约)32.00 GB
引擎适配vLLM / SGLang / Transformers / Ollama

显存为权重占用估算口径(FP16 约 2GB/十亿参数、INT8 约 1GB、INT4 约 0.5GB),不含 KV 缓存与并发开销;与 显存与并发估算器同一口径,按并发与上下文长度可在估算器里复算。

量化与实测口径:官方 AWQ/GGUF 量化

典型企业落地场景

阿里官方深度推理模型,数学/逻辑/复杂 Agent 规划能力对标 o 系;Apache-2.0,可审计的长链条推理输出。

不适用:响应延迟高于同尺寸指令模型,实时对话场景不建议

官方下载源

官方页面:https://qwen.ai
权重下载:https://modelscope.cn/models/Qwen/QwQ-32B

本站不托管模型权重;下载与使用受官方许可约束。内网离线环境可由部署服务协助做内网镜像与哈希校验。

用这个模型做私有化部署?

按参数量与并发估算硬件预算,或先做许可与 PoC 评估。

按此模型估算部署预算 模型选型服务 硬件选型与代采

※ 以上参数来自官方公开资料与本站核验记录,不构成对具体项目效果的承诺;以官方许可文本与环境实测为准。

先做一次 30 分钟的需求梳理

说出你的行业、数据边界与预算区间,我们在 1 个工作日内给出可验证的下一步。