Qwen2 开源发布：覆盖 5 个尺寸，72B 性能比肩 Llama 3

Qwen2 是 Qwen 团队开源的新一代大语言模型系列。它把从端侧轻量级模型到大规模集群适用的尺寸一次性补齐，重点强化了多语言、代码生成、数学推理以及超长上下文理解能力。

它带来了什么

Qwen2 包含 5 个尺寸规格：0.5B、1.5B、7B、MoE 架构的 57B-A14B，以及旗舰级的 72B。每个尺寸都同时提供基础预训练版和指令微调版本。

架构设计上最关键的变化是全系标配了 GQA（分组查询注意力）。此前在 Qwen1.5 家族中只有大尺寸模型使用 GQA，现在全系列都能享受到更快的推理速度与更低的显存占用。针对两个微型版本，团队还启用了绑定嵌入层（Tie Embedding），进一步压缩显存开销。

语言范围大幅扩展。除了中英双语，训练集明确新增了 27 种额外语言，覆盖西欧、东欧、中东、东亚、东南亚及南亚。开发团队还针对多语言混杂输入（Code-Switching）做了定向优化，减少语言混淆。

长上下文方面，7B 和 72B 的指令微调版本借助 YARN 等技术，把有效上下文窗口扩展到了 128K tokens，在大海捞针测试中能精准提取信息。57B-A14B 支持 64K，两个较小尺寸支持 32K。

性能表现与上手门槛

在各项基准测试中，旗舰版 Qwen2-72B 表现优异。其基础模型在自然语言理解、常识和推理评测中不仅压过了 Llama-3-70B，也超越了参数规模更大的前代 Qwen1.5-110B。由于融入了 CodeQwen1.5 的训练经验，Qwen2 在多语言编程和数学解题上有明显的提升。

安全测试中，在涵盖非法活动、欺诈、隐私侵犯等四类多语言诱导提问下，Qwen2-72B-Instruct 的有害回复率整体与 GPT-4 相当，表现优于 Mistral-8x22B。

硬件适配上，0.5B 和 1.5B 适合嵌入移动端或轻薄笔记本运行；7B 在消费级显卡（如 16GB 显存设备）上即可流畅部署；72B 则需要多卡配置或通过量化版本在高性能单卡上跑。生态方面，vLLM、Ollama、LM Studio、llama.cpp 和 MLX 等常用工具已完成对 Qwen2 的支持。

开源许可方面，除了 Qwen2-72B 沿用原有的 Qianwen 许可协议外，0.5B、1.5B、7B 和 57B-A14B 四款模型全部转向宽松的 Apache 2.0 协议，代码与权重已同步上线 Hugging Face 和 ModelScope。

为什么重要

如果你需要一个真正具备实用级中文能力、同时代码和长文档处理不掉链子的本地模型，Qwen2 是目前最成熟的备选之一。尤其是 Qwen2-7B 搭配 128K 上下文和 Apache 2.0 协议，给独立开发者搭建本地 Agent 或私有知识库提供了一个极高性价比的起点。

对行业而言，Qwen2 证明了开源模型不仅能在基准上与 Llama 3 正面交锋，还在多语言适配和上下文窗口上跑得更快。中小尺寸改用 Apache 2.0 协议，也扫清了企业将模型嵌入商业产品的合规顾虑。