阿里云通義開源長文本模型及推理框架 百萬Tokens處理速度提升近7倍

    本報(bào)訊 （記者袁傳璽）

    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(gè)尺寸，均在處理長文本任務(wù)中穩(wěn)定超越GPT-4o-mini；同時(shí)開源推理框架，在處理百萬級別長文本輸入時(shí)可實(shí)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(shí)演講稿或3萬行代碼。兩個(gè)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(jìn)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（PasskeyRetrieval）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(cuò)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(gè)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(jì)算資源，通義團(tuán)隊(duì)通過逐步擴(kuò)展長度的方法，從預(yù)訓(xùn)練到監(jiān)督微調(diào)再到強(qiáng)化學(xué)習(xí)等多個(gè)階段，高效地將Qwen2.5-1M的上下文長度從4K擴(kuò)展到256K；再通過長度外推的技術(shù)，創(chuàng)新引入Dual Chunk Attention機(jī)制，在無須額外訓(xùn)練的情況下，將上下文長度高性能地穩(wěn)定擴(kuò)展到1M，從而在較低成本下實(shí)現(xiàn)了Qwen2.5-1M模型。

    同時(shí)，為了加快推理速度，通義團(tuán)隊(duì)在vLLM推理引擎基礎(chǔ)上，引入基于Minference的稀疏注意力機(jī)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(jìn)?；谶@些改進(jìn)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(yàn)?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(yàn)?zāi)Ｐ托阅芗靶Ч?/p>

（編輯 張偉）