当您在尝试如 Prompt 工程、插件调用等优化方法后,模型表现仍然不及预期时,请使用阿里云百炼的模型调优。模型调优作为改进模型表现的核心策略,可以很好地提升模型在特定行业/业务的表现,对齐人类偏好,降低输出延迟。模型调优包含模型微调(SFT)、继续预训练(CPT)、模型偏好训练(DPO)三种模型训练方式。
重要本文档仅适用于华北2(北京)地域。
模型调优介绍
模型调优作为重要的模型效果优化方式,可以:
- 提升模型在特定行业/业务表现
- 降低模型输出延迟
- 抑制模型幻觉
- 对齐人类的价值观或偏好
- 使用调优后的轻量级模型替代规模更大的模型
模型在调优过程中,会学习训练数据中的知识、语气、表达习惯、自我认知等业务/场景特征。也由于已经在训练过程中学习到了大量特定行业/场景的样例,训练后模型 One-Shot 或者 Zero-Shot 的 Prompt 效果会比训练前 Few-Shot 效果更好,这样可以节省大量输入 token,从而降低模型输出延迟。
模型调优流程
详情参见:
支持的模型
支持的模型
文本生成
说明Qwen3.7-Plus-2026-05-26 调优后部署请联系商务经理。
模型服务 | 模型代码 | CPT全参训练(cpt) | SFT全参训练(sft) | SFT高效训练(efficient_sft) | DPO全参训练(dpo_full) | DPO高效训练(dpo_lora) |
|---|---|---|---|---|---|---|
Qwen3.7-Plus-2026-05-26 | qwen3.7-plus-2026-05-26 | × | 支持 | × | × | × |
Qwen3.6-Flash-2026-04-16 | qwen3.6-flash-2026-04-16 | × | 支持 | × | × | × |
Qwen3.6-Plus-2026-04-02 | qwen3.6-plus-2026-04-02 | × | 支持 | × | × | × |
Qwen3.5-27B | qwen3.5-27b | × | 支持 | 支持 | × | × |
Qwen3.5-9B | qwen3.5-9b | × | 支持 | 支持 | × | × |
Qwen3.5-Flash-2026-02-23 | qwen3.5-flash-2026-02-23 | × | 支持 | × | × | × |
Qwen3.5-Plus-2026-02-15 | qwen3.5-plus-2026-02-15 | × | 支持 | × | × | × |
Qwen3-32B | qwen3-32b | 支持 | 支持 | 支持 | 支持 | 支持 |
Qwen3-30B-A3B-Instruct-2507 | qwen3-30b-a3b-instruct-2507 | 支持 | 支持 | 支持 | × | × |
Qwen3-14B | qwen3-14b | × | 支持 | 支持 | 支持 | 支持 |
Qwen3-8B | qwen3-8b | × | 支持 | 支持 | 支持 | 支持 |
Qwen3-4B-Instruct-2507 | qwen3-4b-instruct-2507 | 支持 | 支持 | 支持 | 支持 | 支持 |
Qwen3-1.7B | qwen3-1.7b | 支持 | 支持 | 支持 | 支持 | 支持 |
Qwen3-0.6B | qwen3-0.6b | 支持 | 支持 | 支持 | 支持 | 支持 |
Qwen2.5-72B-Instruct | qwen2.5-72b-instruct | 支持 | 支持 | 支持 | 支持 | 支持 |
Qwen2.5-32B-Instruct | qwen2.5-32b-instruct | 支持 | 支持 | 支持 | 支持 | 支持 |
Qwen2.5-14B-Instruct | qwen2.5-14b-instruct | 支持 | 支持 | 支持 | 支持 | 支持 |
Qwen2.5-7B-Instruct | qwen2.5-7b-instruct | 支持 | 支持 | 支持 | 支持 | 支持 |
千问-Plus-Character-2025-11-06 | qwen-plus-character-2025-11-06 | × | 支持 | 支持 | 支持 | 支持 |
视觉理解(千问VL)
模型服务 | 模型代码 | CPT全参训练(cpt) | SFT全参训练(sft) | SFT高效训练(efficient_sft) | DPO全参训练(dpo_full) | DPO高效训练(dpo_lora) |
|---|---|---|---|---|---|---|
Qwen3-VL-8B-Instruct | qwen3-vl-8b-instruct | × | 支持 | 支持 | × | × |
Qwen3-VL-8B-Thinking | qwen3-vl-8b-thinking | × | 支持 | 支持 | × | × |
Qwen3-VL-4B-Instruct | qwen3-vl-4b-instruct | × | 支持 | 支持 | × | × |
Qwen2.5-VL-72B-Instruct | qwen2.5-vl-72b-instruct | × | 支持 | 支持 | × | × |
Qwen2.5-VL-32B-Instruct | qwen2.5-vl-32b-instruct | × | 支持 | 支持 | × | × |
Qwen2.5-VL-7B-Instruct | qwen2.5-vl-7b-instruct | × | 支持 | 支持 | × | × |
调优方法对比
特性 | CPT(持续预训练) | SFT (监督微调) | DPO (直接偏好优化) |
|---|---|---|---|
一句话总结 | 补知识(注入领域知识) | 学做事(学会遵循指令) | 做得更好(对齐人类偏好) |
输入数据 | 1000万+ Token 无标签的领域文本 | 1000+ 条 高质量的“问-答”对 | 100+ 组 同一指令下的“更好-更差”回答对 |
核心目标 | 领域适应,学习专业词汇和事实 | 教会模型对话格式和任务执行能力 | 使模型输出更符合人类价值观和偏好 |
学习方式 | 自监督学习(预测下一个词) | 监督学习(模仿标准答案) | 直接偏好学习(增大好答案概率,降低坏答案概率) |
模型阶段 | 通常在 SFT 之前 | CPT 之后,DPO 之前 | 通常在 SFT 之后,作为对齐的最后一步 |
训练模式对比
全参训练 | 高效训练 (LoRA,推荐) | |
|---|---|---|
适用场景 | • 需要模型学习新能力 • 追求全局效果最优 | • 优化模型特定场景下的效果 • 对训练时间和成本敏感的场景 |
训练时间 | 较长,收敛速度较慢。 | 较短,收敛速度快。 |
计费说明
| 计费方式 | 按训练的数据量计费 |
| 计费公式 | 模型训练费用 = (训练数据 Token 总数 + 混合训练数据 Token 总数)× 循环次数 × 训练单价(最小计费单位:1 token)
|
点击此处查看更多千问 VL 模型使用限制
使用限制
输入文件限制
图像限制
-
图像分辨率:
-
最小尺寸:图像的宽度和高度均须大于
10像素。 -
宽高比:原图及缩放后的图像,长边与短边的比值不得超过
200:1。图像缩放逻辑请参见 计算图像的Token 中
smart_resize函数。 -
像素上限:
- 推荐将图像分辨率控制在
8K(7680x4320)以内。超过此分辨率的图像可能因文件过大、网络传输耗时过长而导致API调用超时。 - 自动缩放机制:模型可通过
max_pixels和min_pixels调整图像大小;因此,提供超高分辨率的图像并不会提升识别精度,反而会增加调用失败的风险,建议在客户端提前将图像缩放至合理大小。
- 推荐将图像分辨率控制在
-
-
支持的图像格式
-
分辨率在4K
(3840x2160)以下,支持的图像格式如下:图像格式
常见扩展名
MIME Type
BMP
.bmp
image/bmp
JPEG
.jpe, .jpeg, .jpg
image/jpeg
PNG
.png
image/png
TIFF
.tif, .tiff
image/tiff
WEBP
.webp
image/webp
HEIC
.heic
image/heic
-
分辨率处于
4K(3840x2160)到8K(7680x4320)范围,仅支持 JPEG、JPG 、PNG 格式
-
-
图像大小:
- 以公网URL传入时:Qwen3.8系列、Qwen3.7系列、Qwen3.6系列、Qwen3.5系列、Qwen3-VL系列单个图像不超过
20MB,其他模型单个图像不超过10MB - 以本地路径传入时:单个图像不超过
10MB - 以 Base64 编码传入时(OpenAI 兼容接口或DashScope):Qwen3.8系列、Qwen3.7系列、Qwen3.6系列、Qwen3.5、Qwen3-VL系列编码前的原始图像文件不超过
20MB,其他模型不超过10MB;且编码后的 Data URI 字符串不超过20MB。 - 以 Base64 编码传入时(Anthropic 兼容接口):受请求体整体不超过
6MB的限制,多张图像时需共享此额度。
上述限制取决于所选模型,不支持通过购买高级套餐或升级模型版本提升。
如需压缩文件体积请参见 如何将图像或视频压缩到满足要求的大小 。
- 以公网URL传入时:Qwen3.8系列、Qwen3.7系列、Qwen3.6系列、Qwen3.5系列、Qwen3-VL系列单个图像不超过
-
图片数量限制:多图输入时根据传入方式不同,支持的图片数量上限有所区别:
-
以公网URL或本地路径传入时:
- Qwen3.8-Max、Qwen3.7-Plus:最多 2048 张
- Qwen3.7-Flash、Qwen3.6-Plus、Qwen3.6-Flash、Qwen3.5-Plus、Qwen3.5-Flash、Qwen3-VL、Qwen-VL、QVQ系列:最多 256 张
-
以 Base64 编码传入时:最多 250 张
Qwen-Omni系列模型请参考全模态。
-
同时受模型图文总 Token 上限(即最大输入)的限制,所有图片的总 Token 数必须小于模型的最大输入。
视频限制
-
以图像列表传入,图像列表的数量有如下限制:
qwen3.8系列、qwen3.7系列、qwen3.6系列、qwen3.5系列:最少传入 4 张图片,最多 8000 张图片qwen3-vl-plus系列、qwen3-vl-flash系列、qwen3-vl-235b-a22b-thinking、qwen3-vl-235b-a22b-instruct:最少传入 4 张图片,最多 2000 张图片- 其他
Qwen3-VL开源、Qwen2.5-VL(包括商业版和开源版)和QVQ系列模型:最少传入 4 张图片,最多 512 张图片 - 其他模型:最少传入 4 张图片,最多 80 张图片
-
以视频文件传入时:
-
视频大小:
-
以公网URL传入时:
qwen3.8系列、qwen3.7系列、qwen3.6系列、qwen3.5系列、Qwen3-VL系列、qwen-vl-max:不超过 2GB;qwen-vl-plus系列、其他qwen-vl-max模型、Qwen2.5-VL开源系列及QVQ系列模型:不超过 1GB;- 其他模型不超过 150MB
-
以 Base64 编码传入时:编码后的字符串小于 10MB;
-
以本地文件路径传入时:视频本身不超过 100MB。
如需压缩文件体积请参见 如何将图像或视频压缩到满足要求的大小 。
-
-
视频时长:
qwen3.8系列、qwen3.7系列、qwen3.6系列、qwen3.5系列:2秒至2小时;qwen3-vl-plus系列、qwen3-vl-flash系列、qwen3-vl-235b-a22b-thinking、qwen3-vl-235b-a22b-instruct:2 秒至 1 小时;- 其他
Qwen3-VL开源系列、qwen-vl-max:2 秒至 20 分钟; qwen-vl-plus系列、 其他qwen-vl-max模型、Qwen2.5-VL开源系列及QVQ系列模型:2 秒至 10 分钟;- 其他模型:2 秒至 40 秒。
-
视频格式: MP4、AVI、MKV、MOV、FLV、WMV 等。
-
视频尺寸:无特定限制,模型可通过
max_pixels和min_pixels自动调整视频尺寸,更大尺寸的视频文件不会有更好的理解效果。 -
视频数量限制:最多可传入 64 个视频。
-
音频理解:不支持对视频文件的音频进行理解。
-
视频大小:
文件传入方式
-
公网URL:提供一个公网可访问的文件地址,支持HTTP或HTTPS协议。为获得最佳稳定性和性能,可将文件上传至OSS或上传文件获取临时URL,获取公网 URL。百炼服务无法访问 OSS 内网地址(endpoint 中带
-internal,如https://<bucket>.oss-cn-hangzhou-internal.aliyuncs.com/image.jpg),传入内网地址会导致文件下载失败,返回InvalidParameter,message 为Failed to download multimodal content。请改用 OSS 公网域名(如https://<bucket>.oss-cn-hangzhou.aliyuncs.com/image.jpg)或 OSS 临时签名 URL 传入文件。重要为确保模型能成功下载文件,提供的公网URL的响应头中必须包含 Content-Length(文件大小)和 Content-Type(媒体类型,如 image/jpeg)。任一字段缺失或者错误将会导致文件下载失败。
-
Base64编码传入:将文件转换为 Base64 编码字符串再传入。
-
本地文件路径传入(仅限 DashScope SDK):传入本地文件的路径。
关于文件传入方式的建议,请参见 如何选择文件上传方式?
模型调优前必读
-
文本生成模型调优虽然能在特定业务/场景取得非常好的效果,但有以下限制:
- 耗时较长,包括:拥有一个大规模(最少 0.5亿 token)CPT 数据集、构建一个有效(1000+)SFT 数据集、收集足够的(100+)Bad Case 构建有效 DPO 数据集、模型优化迭代速度慢等。
- 费用较高,调优后的模型部署后才能使用,模型部署计费较高。
-
阿里云百炼推荐您在考虑使用文本生成模型调优前先尝试使用的 Prompt 工程(Prompt Engineering)或插件调用(Function Calling)定制化您的应用,模型调优也通常作为改进模型表现“最后的手段”。因为:
- 在许多任务中,模型最初可能表现不佳,但通过应用正确的 Prompt 技巧可以改进结果,不一定需要使用模型调优。
- 迭代优化 Prompt、插件,比模型调优的迭代更敏捷、成本更低,因为模型调优的迭代可能需要重新收集数据、清洗优化数据、收集 bad case、发起客户调研等。
- 即使最后一定要进行模型调优,最初的 Prompt 工程、插件迭代优化相关工作也不会浪费。您的这些前期工作可以充分地在构建调优数据集时复用(用于构建数据集的输入)。
调优效果展示
快速开始
使用控制台进行模型调优
调优步骤 | 控制台截图 |
|---|---|
步骤一:在模型调优页面点击创建训练任务。 |
|
步骤二:训练配置
这个组合训练时间短,数据要求低。 | |
步骤三:数据配置
|
|
步骤四:配置模型参数快照(Checkpoint)保存参数
在百炼平台上,模型调优完成后可以导出参数快照,导出后才能基于此版本的参数快照在百炼上进行模型部署。 导出的参数快照保存在云存储中,暂不支持访问或下载。 |
|
步骤五:点击“开始训练”后,等待模型训练完毕。 | |
步骤六:使用阿里云百炼的模型部署功能部署训练好的自定义模型,部署好后就可以对调优好的模型进行评测。模型部署相关信息请参见模型部署。 | |
典型的调优流程
百炼提供的三种调优方式并不互斥,而是递进的、相辅相成的。
CPT(可选)→ SFT → DPO(可选)
-
CPT (持续预训练)- 补知识 (通用模型知识的“广度”和“浅度”,无法满足专业领域的“深度”和“精度”要求)
- 金融模型:
学金融术语 - 医疗模型:
记药品病理 - 法律模型:
懂法条判例
- 金融模型:
-
SFT (监督微调)- 学做事
- 客服机器人:
学客服流程 - 代码助手:
学编程范式 - 工具调用 (Agent):
学使用 MCP
- 客服机器人:
-
DPO (直接偏好优化)- 做得更好
- 安全与责任感:
拒有害建议 - 简洁与有效性:
答干脆利落 - 客观与中立:
评公正客观
- 安全与责任感:
调优数据格式
SFT/DPO/CPT 各训练方式的数据格式规格、打包规则、大小与数量限制、API 上传配额详见调优数据上传规则。各训练方式支持的文件格式概览:
训练方式 | 文件格式 |
|---|---|
SFT 文本生成 | jsonl(ChatML messages 多轮结构) |
SFT 多模态(图片/视频) | zip(data.jsonl + 图片/视频文件) |
DPO | jsonl(chosen/rejected 偏好对比) |
CPT | jsonl(纯文本 {text}) |
评测集 | xlsx |
数据集构建技巧
数据集的规模要求
对于CPT来说,数据集最少需要五千万Token优质预训练数据;对于 SFT 来说,数据集最少需要上千条优质调优数据;对于 DPO 来说,数据集一般需要上百条人类偏好数据。如果数据调优后的模型评测结果不佳,最简单的改进方法是收集更多数据进行训练。
如果您缺乏数据,建议构建智能体应用(Agent 1.0),使用知识库索引来增强模型能力。当然在很多复杂的业务场景,可以综合采用模型调优和知识库检索结合的技术方案。
以客服场景为例,可以借助模型调优解决客服回答的语气、表达习惯、自我认知等问题,场景涉及的专业知识可以结合知识库,动态引入到模型上下文中。
阿里云百炼推荐您可以先构建 RAG 应用试运行,在收集到足够的应用数据后再通过模型调优继续提升模型表现。
您也可以采用以下策略扩充数据集:
- 让大模型模拟生成特定业务/场景的相关内容,辅助您生成更多用于调优数据。(生成模型建议选取表现优异、规模更大的模型)
- 使用阿里云百炼的数据处理功能,对您的数据集进行数据清洗、数据增强。
- 通过应用场景收集、网络爬虫、社交媒体和在线论坛、公开数据集、合作伙伴与行业资源、用户贡献等各种方式,人工获取更多数据。
数据的多样性与均衡性
模型调优有不同场景,针对具体业务场景时,专业性更重要;而针对问答场景时通用性更重要。您需要根据模型负责的业务模块或使用场景进行数据用例设计。因此训练效果好坏并不是仅取决于数据量,更需要考虑针对场景的专业性和多样性。
这里以智能 AI 对话场景为例,介绍一个专业、多样的数据集应该包含的各种业务场景:
具体业务 | 多样化场景/业务 |
|---|---|
电商客服 | 活动推送、售前咨询、售中引导、售后服务、售后回访、投诉处理等。 |
金融服务 | 贷款咨询、投资理财顾问、信用卡服务、银行账户管理等。 |
在线医疗 | 病症咨询、挂号预约、就诊须知、药品信息查询、健康小建议等。 |
AI 秘书 | IT 信息、行政信息、HR 信息、员工福利解答、公司日历查询等。 |
旅游出行助手 | 旅行规划、出入境指南、旅行保险咨询、目的地风土人情介绍等。 |
企业法律顾问 | 合同审核、知识产权保护、合规性检查、劳动法律答疑、跨境交易咨询、个案法律分析等。 |
还请特别注意的是各个场景/业务的数据数量应相对均衡,数据比例符合实际场景比例,避免某一类数据过多导致模型偏向于学习该类特征,影响模型的泛化能力。
训练集与验证集拆分
当您使用控制台进行模型调优时,支持
- 自动将一个完整训练数据集拆分,随机抽取少量数据组成验证集。
- 选择独立上传数据集。
控制台可以在训练时及时方便地显示验证集 Loss 和 Token Accuracy。
常见问题
是否支持调优自己的模型呢?
百炼不支持调优自己的模型,但可以通过我的模型(北京地域)导入safetensor 格式的千问系列开源模型,详情请参考模型导入。模型导入后可以在百炼平台上部署使用。




