本地部署通义千问QwQ-32B模型_云服务器 ECS(ECS)-阿里云帮助中心

通义千问QwQ-32B是阿里云开源的320亿参数推理模型，通过大规模强化学习在数学推理、编程及通用任务中实现性能突破，支持消费级显卡本地部署，兼顾高效推理与低资源消耗。本文将介绍如何利用vLLM作为通义千问QwQ-32B模型的推理框架，在一台阿里云GPU实例上构建通义千问QwQ-32B的推理服务。

背景介绍

随着人工智能应用对推理能力的需求日益增长，阿里云于2025年3月发布并开源了通义千问QwQ-32B模型。该模型基于冷启动策略，通过两轮大规模强化学习（RL）显著提升数学推理、代码生成及通用任务表现，性能接近6710亿参数的DeepSeek-R1模型，但参数量仅为其约1/20。相较于DeepSeek-R1和OpenAI o1-mini，QwQ-32B在权威基准测试中表现更优，同时支持消费级显卡本地部署，大幅降低硬件门槛。

估算模型所需配置

模型的参数量越大，其处理数据和生成内容的复杂性也随之增加，且运行所需的计算资源也会相应增多。每个模型在计算和存储需求上存在差异，以下列出了QwQ-32B所需的硬件配置。

模型名称	模型版本	模型大小	vCPU	内存	GPU显存	系统盘	推荐实例规格

模型名称	模型版本	模型大小	vCPU	内存	GPU显存	系统盘	推荐实例规格
QwQ-32B	32B（320亿参数）	123 GB	16核以上处理器	64 GB RAM	4*24 GB	至少200 GB空闲空间	ecs.gn7i-4x.16xlarge

核心工具介绍

NVIDIA GPU驱动：用来驱动NVIDIA GPU的程序，本文以Driver版本 550.127.08为例。
vLLM：是一个有助于更高效地完成大语言模型推理的开源库，本文以其v0.7.2版本为例。
Open WebUI：基于Web的交互界面，提供类似ChatGPT的用户体验，支持对话记录管理、多模型切换及插件扩展，适合非技术用户直接操作。

操作步骤

步骤一：准备环境

创建GPU实例并正确安装驱动。具体操作，请参见创建GPU实例。关键参数说明如下。
- 实例规格：本文以实例规格为ecs.gn7i-4x.16xlarge（内存256 GiB、GPU显存4*24 GB以及64 vCPU）。更多信息，请参见GPU计算型（gn/ebm/scc系列）。
- 镜像：选择公共镜像，本文以Alibaba Cloud Linux 3.2104 LTS 64位版本的镜像为例。
  在GPU实例上部署通义千问QwQ-32B模型，需要提前在该实例上安装GPU驱动且驱动版本应为550及以上版本，建议您通过ECS控制台购买GPU实例时，同步选中安装GPU驱动。实例创建完成后，会自动安装Tesla驱动、CUDA、cuDNN库等，相比手动安装方式更快捷。
- 系统盘：建议系统盘大小设置200 GiB以上。
- 公网IP：选中分配公网IPv4地址，带宽计费方式选择按使用流量，建议带宽峰值选择100 Mbps，以加快模型下载速度。
- 安全组：开放22和8080端口。

安装Docker。

远程连接GPU实例。
具体操作，请参见使用Workbench工具以SSH协议登录Linux实例。

执行以下命令，安装Docker环境。此处以Alibaba Cloud Linux 3系统为例，其他系统安装方式请参见安装Docker。

#添加Docker软件包源
sudo wget -O /etc/yum.repos.d/docker-ce.repo http://mirrors.cloud.aliyuncs.com/docker-ce/linux/centos/docker-ce.repo
sudo sed -i 's|https://mirrors.aliyun.com|http://mirrors.cloud.aliyuncs.com|g' /etc/yum.repos.d/docker-ce.repo
#Alibaba Cloud Linux3专用的dnf源兼容插件
sudo dnf -y install dnf-plugin-releasever-adapter --repo alinux3-plus
#安装Docker社区版本，容器运行时containerd.io，以及Docker构建和Compose插件
sudo dnf -y install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
#启动Docker
sudo systemctl start docker
#设置Docker守护进程在系统启动时自动启动
sudo systemctl enable docker

通过查看Docker版本命令，验证Docker是否安装成功。
```
sudo docker -v
```
如下图回显信息所示，表示Docker已安装成功。

安装NVIDIA容器工具包。

Alibaba Cloud Linux/CentOS

Ubuntu/Debian

#配置生产存储库
curl -s -L https://nvidia.github.io/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo | \
  sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo
#安装 NVIDIA Container Toolkit 软件包
sudo yum install -y nvidia-container-toolkit
#重启docker
sudo systemctl restart docker

#配置生产存储库
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
#从存储库更新软件包列表
sudo apt-get update
#安装 NVIDIA Container Toolkit 软件包
sudo apt-get install -y nvidia-container-toolkit
#重启docker
sudo systemctl restart docker

执行以下命令，查看Docker是否已启动。
```
sudo systemctl status docker
```
如下图回显所示，表示Docker已启动。
购买数据盘并完成挂载。
由于模型体积较大，通义千问QwQ-32B模型的文件大小约为123 GB。建议数据盘的大小预留为模型大小的1.5倍。因此，建议您单独购买用于存储下载模型的数据盘，推荐选择500 GiB以上的数据盘，并以/mnt作为挂载点。具体操作，请参见挂载数据盘。

步骤二：部署和运行通义千问QwQ-32B推理模型

执行以下命令，拉取推理镜像。

sudo docker pull egs-registry.cn-hangzhou.cr.aliyuncs.com/egs/vllm:0.7.2-sglang0.4.3.post2-pytorch2.5-cuda12.4-20250224

下载模型文件，您可以访问阿里云魔搭社区Modelscope选择模型，在模型详情页获取名称。

# 定义要下载的模型名称。MODEL_NAME需要访问Modelscope选择模型，在模型详情页获取名称，脚本以QwQ-32B为例
MODEL_NAME="QwQ-32B"
# 设置本地存储路径。确保该路径有足够的空间来存放模型文件（建议预留模型大小的1.5倍空间），此处以/mnt/QwQ-32B为例
LOCAL_SAVE_PATH="/mnt/QwQ-32B"

# 如果/mnt/QwQ-32B目录不存在，则创建它
sudo mkdir -p ${LOCAL_SAVE_PATH}
# 确保当前用户对该目录有写权限，根据实际情况调整权限
sudo chmod ugo+rw ${LOCAL_SAVE_PATH}

# 启动下载，下载完成后自动销毁
sudo docker run -d -t --network=host --rm --name download \
-v ${LOCAL_SAVE_PATH}:/data \
egs-registry.cn-hangzhou.cr.aliyuncs.com/egs/vllm:0.7.2-sglang0.4.3.post2-pytorch2.5-cuda12.4-20250224 \
/bin/bash -c "git-lfs clone https://www.modelscope.cn/models/Qwen/${MODEL_NAME}.git /data"

执行以下命令，实时监控下载进度，等待下载结束。
```
sudo docker logs -f download
```
下载模型耗时较长，请您耐心等待。当下载任务完成后，会停止输出新的日志，您可以随时按下Ctrl+C退出，这不会影响容器的运行，即使退出终端也不会中断下载。

启动模型推理服务。

# 定义要下载的模型名称。MODEL_NAME需要访问Modelscope选择模型，在模型详情页获取名称，脚本以QwQ-32B为例
MODEL_NAME="QwQ-32B"
# 设置本地存储路径。确保该路径有足够的空间来存放模型文件，此处以/mnt/QwQ-32B为例
LOCAL_SAVE_PATH="/mnt/QwQ-32B"

# 定义服务运行时监听的端口号。可以根据实际需求进行调整，默认使用30000端口
PORT="30000"

# 定义使用的GPU数量。这取决于实例上可用的GPU数量，可以通过nvidia-smi -L命令查询
# 这里假设使用8个GPU
TENSOR_PARALLEL_SIZE="4"

# 确保当前用户对该目录有读写权限，根据实际情况调整权限
sudo chmod ugo+rw ${LOCAL_SAVE_PATH}

# 启动Docker容器并运行服务
sudo docker run -d -t --network=host --gpus all \
    --privileged \
    --ipc=host \
    --cap-add=SYS_PTRACE \
    --name ${MODEL_NAME} \
    --ulimit memlock=-1 \
    --ulimit stack=67108864 \
    -v ${LOCAL_SAVE_PATH}:/data \
    egs-registry.cn-hangzhou.cr.aliyuncs.com/egs/vllm:0.7.2-sglang0.4.3.post2-pytorch2.5-cuda12.4-20250224 \
    /bin/bash -c "pip config set global.index-url http://mirrors.cloud.aliyuncs.com/pypi/simple/ && \
    pip config set install.trusted-host mirrors.cloud.aliyuncs.com && \
    pip install --upgrade pip && \
    pip install packaging && \
    pip install transformers -U && \
    vllm serve /data \
    --port ${PORT} \
    --served-model-name ${MODEL_NAME} \
    --tensor-parallel-size ${TENSOR_PARALLEL_SIZE} \
    --max-model-len=16384 \
    --enforce-eager \
    --dtype=half"

运行以下命令，检查服务是否正常启动。
```
sudo docker logs ${MODEL_NAME}
```
在日志输出中寻找类似以下的消息，表示服务已经成功启动并在端口30000上监听。
```
INFO:     Uvicorn running on http://0.0.0.0:30000 (Press CTRL+C to quit)
```

步骤三：启动Open WebUI

执行以下命令，拉取基础环境镜像。

sudo docker pull alibaba-cloud-linux-3-registry.cn-hangzhou.cr.aliyuncs.com/alinux3/python:3.11.1

执行以下命令，启动Open WebUI服务。

#设置模型服务地址
OPENAI_API_BASE_URL=http://127.0.0.1:30000/v1

# 创建数据目录,确保数据目录存在并位于/mnt下
sudo mkdir -p /mnt/open-webui-data

#启动open-webui服务
sudo docker run -d -t --network=host --name open-webui \
-e ENABLE_OLLAMA_API=False \
-e OPENAI_API_BASE_URL=${OPENAI_API_BASE_URL} \
-e DATA_DIR=/mnt/open-webui-data \
-e HF_HUB_OFFLINE=1 \
-v /mnt/open-webui-data:/mnt/open-webui-data \
alibaba-cloud-linux-3-registry.cn-hangzhou.cr.aliyuncs.com/alinux3/python:3.11.1 \
/bin/bash -c "pip config set global.index-url http://mirrors.cloud.aliyuncs.com/pypi/simple/ && \
pip config set install.trusted-host mirrors.cloud.aliyuncs.com && \
pip install --upgrade pip && \
pip install open-webui==0.5.10 && \
mkdir -p /usr/local/lib/python3.11/site-packages/google/colab && \
open-webui serve"

执行以下命令，实时监控下载进度，等待下载结束。
```
sudo docker logs -f open-webui
```
在日志输出中寻找类似以下的消息：
```
INFO:     Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)
```
这表示服务已经成功启动并在端口8080上监听。
在本地物理机上使用浏览器访问http://<ECS公网IP地址>:8080，首次登录时，请根据提示创建管理员账号。
在Open WebUI界面中进行问答测试。
如果您希望您部署的Open WebUI对普通用户开放访问，请按照以下步骤进行操作。
1. 单击右上角的头像，选择管理员面板。
2. 进入管理员后台，在顶部菜单栏单击设置。
3. 在左侧导航栏单击通用，打开允许新用户注册的开关，设置默认用户角色为用户。
4. 在左侧导航栏单击模型，单击模型后的按钮。
5. 在可见性的下拉列表中，选择Public，单击保存并更新。
6. 配置完成后，新用户通过访问http://<ECS公网IP地址>:8080，即可注册登录您部署的Open WebUI，与通义千问QwQ-32B推理模型进行对话问答了。