1月27日凌晨，阿里云通義重磅開源支持100萬Tokens上下文的Qwen2.5-1M模型，推出7B及14B兩個尺寸，均在處理長文本任務(wù)中穩(wěn)定超越GPT-4o-mini;同時開源推理框架，在處理百萬級別長文本輸入時可實現(xiàn)近7倍的提速。
百萬Tokens長文本，可換算成10本長篇小說、150小時演講稿或3萬行代碼。兩個月前， Qwen2.5-Turbo 升級了百萬Tokens的上下文輸入能力，廣受開發(fā)者和企業(yè)歡迎。如今，開源社區(qū)可基于全新的 Qwen2.5-1M 系列模型，進行長篇小說或多篇學(xué)術(shù)論文的解析，或是探索倉庫級代碼的分析和升級。
Qwen2.5-1M擁有優(yōu)異的長文本處理能力。在上下文長度為100萬 Tokens 的大海撈針(Passkey Retrieval)任務(wù)中，Qwen2.5-1M 能夠準(zhǔn)確地從 1M 長度的文檔中檢索出隱藏信息，僅有7B模型出現(xiàn)了少量錯誤。在RULER、LV-eval等基準(zhǔn)對復(fù)雜長上下文理解任務(wù)測試中，Qwen2.5-14B-Instruct-1M 模型不僅擊敗了自家閉源模型 Qwen2.5-Turbo，還穩(wěn)定超越 GPT-4o-mini，為開發(fā)者提供了一個現(xiàn)有長上下文模型的優(yōu)秀開源替代。
大模型的長文本訓(xùn)練需要消耗大量的計算資源，通義團隊通過逐步擴展長度的方法，從預(yù)訓(xùn)練到監(jiān)督微調(diào)再到強化學(xué)習(xí)等多個階段，高效地將 Qwen2.5-1M 的上下文長度從 4K 擴展到 256K;再通過長度外推的技術(shù)，創(chuàng)新引入Dual Chunk Attention機制，在無需額外訓(xùn)練的情況下，將上下文長度高性能地穩(wěn)定擴展到1M，從而在較低成本下實現(xiàn)了 Qwen2.5-1M 模型。
同時，為了加快推理速度，通義團隊在vLLM推理引擎基礎(chǔ)上，引入基于Minference的稀疏注意力機制，并在分塊預(yù)填充、集成長度外推方案和稀疏性優(yōu)化等多環(huán)節(jié)創(chuàng)新改進?；谶@些改進的推理框架有效地加快了模型推理速度，在不同模型大小和 GPU 設(shè)備上，處理 1M 長度輸入序列的預(yù)填充速度提升了 3.2 倍到 6.7 倍。
據(jù)了解，Qwen2.5-1M已經(jīng)在魔搭社區(qū)ModelScope和HuggingFace等平臺開源，開發(fā)者可前往下載或直接體驗?zāi)Ｐ?相關(guān)推理框架也已在GitHub上開源，幫助開發(fā)者更高效地部署Qwen2.5-1M模型。開發(fā)者和企業(yè)也可通過阿里云百煉平臺調(diào)用 Qwen2.5-Turbo 模型API，或是通過全新的Qwen Chat平臺體驗?zāi)Ｐ托阅芗靶Ч?/p>
附鏈接：
演示Demo：https://www.modelscope.cn/studios/Qwen/Qwen2.5-1M-Demo
Modelscope：https://www.modelscope.cn/organization/Qwen
Huggingface：https://huggingface.co/Qwen
開源框架地址：https://github.com/QwenLM/vllm/tree/dev/dual-chunk-attn
Qwen Chat體驗：https://chat.qwenlm.ai/
