Transformers 文档

Qwen3.5

Transformers

加入 Hugging Face 社区

并获得增强的文档体验

在模型、数据集和 Spaces 上进行协作

通过加速推理获得更快的示例

切换文档主题

开始使用

此模型于 2026 年 2 月 9 日贡献给 Hugging Face Transformers。

Qwen3.5

Qwen3.5 是 Qwen 的原生多模态基础模型系列，在交错的文本、图像和视频 token 上从头训练。它采用了 3:1 的混合注意力堆栈（每 1 层门控注意力（完整注意力）层对应 3 层门控 DeltaNet（线性注意力）层），因此可以在不为每个块支付完全平方成本的情况下处理长上下文和视觉 token。

本页面涵盖了稠密的 Qwen3.5 和 Qwen3.6 变体（Qwen/Qwen3.5-9B, Qwen/Qwen3.5-27B, Qwen/Qwen3.6-27B）。Qwen3.6 检查点与 Qwen3.5 共享相同的架构和 model_type，并使用相同的类进行加载。对于稀疏混合专家（MoE）变体，请参阅 Qwen3.5 MoE。文本主干复用了 Qwen3-Next 的线性注意力解码器，并配备了三组件多模态 RoPE；视觉塔复用了 Qwen3-VL 编码器。

您可以在 Qwen 组织下找到所有官方的 Qwen3.5 检查点。

快速入门

流水线

自动模型

使用提示和注意事项

层是混合的：Qwen3_5TextConfig 的 layer_types 是一个逐层的列表，包含 "linear_attention" 或 "full_attention"，用于定义 3:1 的 Gated DeltaNet / Gated Attention 堆栈。DeltaNet 路径 (Qwen3NextGatedDeltaNet) 需要可选的 causal_conv1d（来自 Dao-AILab）和 fla 包来实现快速内核——如果没有它们，模型将静默回退到速度较慢且更占内存的 PyTorch 操作。
多模态 RoPE 通过文本配置上的 mrope_section 将头部维度分为三个组件（时间、高度、宽度）。如果您替换旋转模块，请务必保留此分割，否则图像和视频 token 的位置编码将会对齐错误。
对于仅文本生成，请使用 Qwen3_5ForCausalLM 并配合 Qwen3_5TextConfig；对于多模态输入，请使用 Qwen3_5ForConditionalGeneration 配合完整的 Qwen3_5Config 以及处理器（from_pretrained()），并通过 apply_chat_template() 输入交错的图像/视频 + 文本。

Qwen3_5Config

class transformers.Qwen3_5Config

< 源码 >

参数

text_config (Union[dict, ~configuration_utils.PreTrainedConfig], 可选) — 文本主干的配置对象或字典。
vision_config (Union[dict, ~configuration_utils.PreTrainedConfig], 可选) — 视觉主干的配置对象或字典。
image_token_id (int, 可选，默认为 248056) — 用作输入图像占位符的图像 token 索引。
video_token_id (int, 可选，默认为 248057) — 用作输入视频占位符的视频 token 索引。
vision_start_token_id (int, 可选，默认为 248053) — 在多模态输入序列中标记视觉片段开始的 token ID。
vision_end_token_id (int, 可选，默认为 248054) — 在多模态输入序列中标记视觉片段结束的 token ID。
tie_word_embeddings (bool, 可选，默认为 False) — 是否根据模型的 tied_weights_keys 映射来绑定权重嵌入。

这是用于存储 Qwen3_5Model 配置的配置类。它用于根据指定的参数实例化一个 Qwen3 5 模型，并定义了模型架构。使用默认值实例化配置将产生与 Qwen/Qwen3.5-27B 类似的配置。

配置对象继承自 PreTrainedConfig，可用于控制模型输出。阅读 PreTrainedConfig 的文档以获取更多信息。

示例

>>> from transformers import Qwen3_5ForConditionalGeneration, Qwen3_5Config

>>> # Initializing a Qwen3.5 style configuration
>>> configuration = Qwen3_5Config()

>>> # Initializing a model from the Qwen3.5-9B style configuration
>>> model = Qwen3_5ForConditionalGeneration(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

Qwen3_5TextConfig

class transformers.Qwen3_5TextConfig

< 源码 >

( transformers_version: str | None = None architectures: list[str] | None = None output_hidden_states: bool | None = False return_dict: bool | None = True dtype: typing.Union[str, ForwardRef('torch.dtype'), NoneType] = None chunk_size_feed_forward: int = 0 is_encoder_decoder: bool = False id2label: dict[int, str] | dict[str, str] | None = None label2id: dict[str, int] | dict[str, str] | None = None problem_type: typing.Optional[typing.Literal['regression', 'single_label_classification', 'multi_label_classification']] = None vocab_size: int = 248320 hidden_size: int = 4096 intermediate_size: int = 12288 num_hidden_layers: int = 32 num_attention_heads: int = 16 num_key_value_heads: int = 4 hidden_act: str = 'silu' max_position_embeddings: int = 32768 initializer_range: float = 0.02 rms_norm_eps: float = 1e-06 use_cache: bool = True tie_word_embeddings: bool = False rope_parameters: transformers.modeling_rope_utils.RopeParameters | dict | None = None attention_bias: bool = False attention_dropout: float | int = 0.0 head_dim: int = 256 linear_conv_kernel_dim: int = 4 linear_key_head_dim: int = 128 linear_value_head_dim: int = 128 linear_num_key_heads: int = 16 linear_num_value_heads: int = 32 layer_types: list[str] | None = None pad_token_id: int | None = None bos_token_id: int | None = None eos_token_id: int | list[int] | None = None )

参数

vocab_size (int, 可选，默认为 248320) — 模型的词汇表大小。定义了 input_ids 可以表示的不同 token 的数量。
hidden_size (int, 可选，默认为 4096) — 隐藏表示的维度。
intermediate_size (int, 可选，默认为 12288) — MLP 表示的维度。
num_hidden_layers (int, 可选，默认为 32) — Transformer 解码器中的隐藏层数量。
num_attention_heads (int, 可选，默认为 16) — Transformer 解码器中每个注意力层的注意力头数量。
num_key_value_heads (int, 可选, 默认为 4) — 用于实现分组查询注意力 (Grouped Query Attention) 的键值头 (key_value heads) 数量。如果 num_key_value_heads=num_attention_heads，模型将使用多头注意力 (MHA)；如果 num_key_value_heads=1，模型将使用多查询注意力 (MQA)；否则使用 GQA。在将多头检查点转换为 GQA 检查点时，每个组的键和值头应通过对该组内的所有原始头进行均值池化 (meanpooling) 来构建。详情请参阅这篇论文。如果未指定，将默认为 num_attention_heads。
hidden_act (str, 可选, 默认为 silu) — 解码器中的非线性激活函数（函数或字符串）。例如 "gelu"、"relu"、"silu" 等。
max_position_embeddings (int, 可选, 默认为 32768) — 该模型可能使用的最大序列长度。
initializer_range (float, 可选, 默认为 0.02) — 用于初始化所有权重矩阵的 truncated_normal_initializer 的标准差。
rms_norm_eps (float, 可选, 默认为 1e-06) — RMS 归一化层使用的 epsilon 值。
use_cache (bool, 可选, 默认为 True) — 模型是否应该返回最后的键/值注意力（并非所有模型都使用）。仅在 config.is_decoder=True 或模型是仅解码器生成模型时相关。
tie_word_embeddings (bool, 可选, 默认为 False) — 是否根据模型的 tied_weights_keys 映射绑定权重嵌入。
rope_parameters (Union[~modeling_rope_utils.RopeParameters, dict], 可选) — 包含 RoPE 嵌入配置参数的字典。该字典应包含 rope_theta 的值，如果希望在更长的 max_position_embeddings 下使用 RoPE，还可以选择包含用于缩放的参数。
attention_bias (bool, 可选, 默认为 False) — 是否在自注意力机制的查询、键、值和输出投影层中使用偏置 (bias)。
attention_dropout (Union[float, int], 可选, 默认为 0.0) — 注意力概率的丢弃率 (dropout ratio)。
head_dim (int, 可选, 默认为 256) — 注意力头的维度。如果为 None，则默认为 hidden_size // num_attention_heads。
linear_conv_kernel_dim (int, 可选, 默认为 4) — 线性注意力层中使用的卷积核大小。
linear_key_head_dim (int, 可选, 默认为 128) — 线性注意力中每个键头的维度。
linear_value_head_dim (int, 可选, 默认为 128) — 线性注意力中每个值头的维度。
linear_num_key_heads (int, 可选, 默认为 16) — 线性注意力层中使用的键头数量。
linear_num_value_heads (int, 可选, 默认为 32) — 线性注意力层中使用的值头数量。
layer_types (list[str], 可选) — 一个显式地将每个层索引映射到其层类型的列表。如果未提供，它将根据配置值自动生成。
pad_token_id (int, 可选) — 词汇表中用于填充 (padding) 的标记 ID。
bos_token_id (int, 可选) — 词汇表中用于流开始 (beginning-of-stream) 的标记 ID。
eos_token_id (Union[int, list[int]], 可选) — 词汇表中用于流结束 (end-of-stream) 的标记 ID。

配置对象继承自 PreTrainedConfig，可用于控制模型输出。阅读 PreTrainedConfig 的文档以获取更多信息。

>>> from transformers import Qwen3_5TextModel, Qwen3_5TextConfig

>>> # Initializing a Qwen3.5 style configuration
>>> configuration =  Qwen3_5TextConfig()

>>> # Initializing a model from the Qwen3.5-9B style configuration
>>> model = Qwen3_5TextModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

Qwen3_5VisionConfig

class transformers.Qwen3_5VisionConfig

< 源代码 >

参数

depth (int, 可选, 默认为 27) — 视觉编码器中 Transformer 层的数量。
hidden_size (int, 可选, 默认为 1152) — 隐藏层表示的维度。
hidden_act (str, 可选, 默认为 gelu_pytorch_tanh) — 解码器中的非线性激活函数（函数或字符串）。例如 "gelu"、"relu"、"silu" 等。
intermediate_size (int, 可选, 默认为 4304) — MLP 表示的维度。
num_heads (int, 可选, 默认为 16) — Transformer 解码器中每个注意力层的注意力头数量。
in_channels (int, 可选, 默认为 3) — 输入通道的数量。
patch_size (Union[int, list[int], tuple[int, int]], 可选, 默认为 16) — 每个块 (patch) 的大小（分辨率）。
spatial_merge_size (int, 可选, 默认为 2) — 用于通过合并相邻 patch 来减少视觉 token 数量的空间合并窗口大小。
temporal_patch_size (Union[int, list[int], tuple[int, int]], 可选, 默认为 2) — 用于视频输入的 3D patch 嵌入中使用的时序 patch 大小。
out_hidden_size (int, 可选, 默认为 3584) — 视觉模型的输出隐藏层维度。
num_position_embeddings (int, 可选, 默认为 2304) — 该模型可能使用的最大序列长度。
initializer_range (float, 可选, 默认为 0.02) — 用于初始化所有权重矩阵的截断正态分布初始化器（truncated_normal_initializer）的标准差。

配置对象继承自 PreTrainedConfig，可用于控制模型输出。阅读 PreTrainedConfig 的文档以获取更多信息。

Qwen3_5Tokenizer

class transformers.Qwen3_5Tokenizer

< 源代码 >

Qwen3_5VisionModel

class transformers.Qwen3_5VisionModel

< 源代码 >

( config *inputs **kwargs )

forward

< 源代码 >

( hidden_states: Tensor grid_thw: Tensor **kwargs ) → torch.Tensor

参数

hidden_states (torch.Tensor, 形状为 (seq_len, hidden_size)) — 模型的最终隐藏状态。
grid_thw (torch.Tensor, 形状为 (num_images_or_videos, 3)) — LLM 中每张图像特征形状的时序、高度和宽度。

torch.Tensor

hidden_states。

Qwen3_5TextModel

class transformers.Qwen3_5TextModel

< 源代码 >

( config: Qwen3_5TextConfig )

forward

< 源代码 >

( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None use_cache: bool | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → BaseModelOutputWithPast 或 tuple(torch.FloatTensor)

参数

input_ids (torch.LongTensor, 形状为 (batch_size, sequence_length), 可选) — 词汇表中输入序列 token 的索引。默认情况下填充（Padding）将被忽略。

索引可以使用 AutoTokenizer 获取。详情请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.__call__()。

什么是 input IDs？
attention_mask (torch.Tensor, 形状为 (batch_size, sequence_length), 可选) — 用于避免对填充 token 索引执行注意力操作的掩码。掩码值选自 [0, 1]:
- 1 表示 token 未被掩码，
- 0 表示 token 已被掩码。
什么是注意力掩码？
position_ids (torch.LongTensor, 形状为 (batch_size, sequence_length), 可选) — 输入序列中每个 token 在位置嵌入中的位置索引。选自范围 [0, config.n_positions - 1]。

什么是位置 ID？
past_key_values (~cache_utils.Cache, 可选) — 预先计算的隐藏状态（自注意力模块和交叉注意力模块中的键和值），可用于加速顺序解码。当 use_cache=True 或 config.use_cache=True 时，这通常由模型在前一个解码阶段返回的 past_key_values 组成。

仅允许输入 Cache 实例，请参阅我们的 kv 缓存指南。如果不传递 past_key_values，默认将初始化 DynamicCache。

模型将以与输入格式相同的缓存格式输出。

如果使用了 past_key_values，用户应仅输入未经处理的 input_ids（那些尚未将其过去键值状态提供给此模型的 token），其形状为 (batch_size, unprocessed_length)，而不是所有 input_ids（形状为 (batch_size, sequence_length)）。
inputs_embeds (torch.FloatTensor, 形状为 (batch_size, sequence_length, hidden_size), 可选) — 作为传递 input_ids 的替代方案，您可以选择直接传递嵌入表示。如果您希望比模型内部的嵌入查找矩阵更精细地控制如何将 input_ids 索引转换为关联向量，这将非常有用。
use_cache (bool, 可选) — 如果设置为 True，则返回 past_key_values 键值状态，可用于加速解码（请参阅 past_key_values）。

BaseModelOutputWithPast 或 tuple(torch.FloatTensor)

一个 BaseModelOutputWithPast 或一个 torch.FloatTensor 元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置（Qwen3_5Config）和输入而不同的各种元素。

Qwen3_5TextModel 的前向传播方法，覆盖了 __call__ 特殊方法。

虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用 Module 实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。

last_hidden_state (torch.FloatTensor, 形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层输出的隐藏状态序列。

如果使用了 past_key_values，则只输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。
past_key_values (Cache，*可选*，当传入 use_cache=True 或 config.use_cache=True 时返回) — 这是一个 Cache 实例。欲了解更多细节，请参阅我们的 KV 缓存指南。

Contains pre-computed hidden-states (key and values in the self-attention blocks and optionally if config.is_encoder_decoder=True in the cross-attention blocks) that can be used (see past_key_values input) to speed up sequential decoding.
hidden_states (tuple(torch.FloatTensor), optional, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为 (batch_size, sequence_length, hidden_size)。

模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (tuple(torch.FloatTensor), optional, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。

Qwen3_5Model

class transformers.Qwen3_5Model

< 源码 >

( config model_args: ~utils.generic.ModelArgs | None = None adapter_args: ~utils.generic.AdapterArgs | None = None lora_args: ~utils.generic.LoRAArgs | None = None tokenizer_args: ~utils.generic.TokenizerArgs | None = None dataset_args: ~utils.generic.DatasetArgs | None = None data_args: ~utils.generic.DataArgs | None = None training_args: ~utils.generic.TrainingArgs | None = None generation_args: ~utils.generic.GenerationArgs | None = None vision_tower_args: ~utils.generic.VisionTowerArgs | None = None qlora_args: ~utils.generic.QLoRAArgs | None = None vision_tower_template_args: ~utils.generic.VisionTowerTemplateArgs | None = None video_tower_args: ~utils.generic.VideoTowerArgs | None = None vision_config: ~utils.generic.VisionConfig | None = None video_config: ~utils.generic.VideoConfig | None = None load_dataset: bool | None = None load_data_collator: bool | None = None load_processor: bool | None = None load_lora_adapter: bool | None = None load_adapter: bool | None = None load_qlora_adapter: bool | None = None **kwargs: typing_extensions.Unpack[transformers.modeling_utils.PreTrainedModelKwargs] )

参数

config (Qwen3_5Model) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型相关的权重，仅加载配置。请查看 from_pretrained() 方法以加载模型权重。

裸 Qwen3 5 模型，输出原始隐藏状态，顶部没有任何特定的头部（head）。

该模型继承自 PreTrainedModel。请查看超类文档以了解该库为所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝头部等）。

此模型也是一个 PyTorch torch.nn.Module 子类。像普通的 PyTorch Module 一样使用它，并参考 PyTorch 文档了解一般用法和行为的所有相关信息。

forward

< 源码 >

( input_ids: LongTensor = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None pixel_values: torch.Tensor | None = None pixel_values_videos: torch.FloatTensor | None = None image_grid_thw: torch.LongTensor | None = None video_grid_thw: torch.LongTensor | None = None mm_token_type_ids: torch.IntTensor | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → Qwen3_5ModelOutputWithPast 或 tuple(torch.FloatTensor)

参数

input_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 词表中输入序列 token 的索引。默认情况下，填充（padding）将被忽略。

索引可以使用 AutoTokenizer 获取。详细信息请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

什么是 input IDs？
attention_mask (形状为 (batch_size, sequence_length) 的 torch.Tensor，可选) — 用于避免对填充 token 索引执行注意力机制的掩码。掩码值选自 [0, 1]：
- 1 表示 token 未被掩盖，
- 0 表示 token 已被掩盖。
什么是注意力掩码？
position_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 每个输入序列 token 在位置嵌入中的位置索引。范围在 [0, config.n_positions - 1] 内。

什么是位置 ID？
past_key_values (~cache_utils.Cache，可选) — 预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），可用于加速顺序解码。这通常包含模型在之前解码阶段返回的 past_key_values（当 use_cache=True 或 config.use_cache=True 时）。

输入仅允许 Cache 实例，请参阅我们的 kv 缓存指南。如果不传递 past_key_values，默认将初始化 DynamicCache。

模型将输出与输入时相同格式的缓存。

如果使用 past_key_values，用户应仅输入未处理的 input_ids（那些未提供过去键值状态的 token），形状为 (batch_size, unprocessed_length)，而不是所有 input_ids（形状为 (batch_size, sequence_length)）。
inputs_embeds (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor，可选) — 可选，除了传入 input_ids，您也可以选择直接传入嵌入表示。这在您希望比模型内部嵌入查找矩阵更灵活地控制如何将 input_ids 索引转换为关联向量时非常有用。
pixel_values (形状为 (batch_size, num_channels, image_size, image_size) 的 torch.Tensor，可选) — 对应于输入图像的张量。像素值可以使用 image_processor_class 获取。详细信息请参阅 image_processor_class.__call__（processor_class 使用 image_processor_class 处理图像）。
pixel_values_videos (形状为 (batch_size, num_frames, num_channels, frame_size, frame_size) 的 torch.FloatTensor，可选) — 对应于输入视频的张量。视频的像素值可以使用 video_processor_class 获取。详细信息请参阅 video_processor_class.__call__（processor_class 使用 video_processor_class 处理视频）。
image_grid_thw (形状为 (num_images, 3) 的 torch.LongTensor，可选) — LLM 中每张图像特征形状的时间、高度和宽度。
video_grid_thw (形状为 (num_videos, 3) 的 torch.LongTensor，可选) — LLM 中每个视频特征形状的时间、高度和宽度。
mm_token_type_ids (形状为 (batch_size, sequence_length) 的 torch.IntTensor，可选) — 匹配每种模态的输入序列 token 索引。例如：文本 (0)，图像 (1)，视频 (2)。多模态 token 类型 ID 可以使用 AutoProcessor 获取。详细信息请参阅 ProcessorMixin.__call__()。

Qwen3_5ModelOutputWithPast 或 tuple(torch.FloatTensor)

一个 Qwen3_5ModelOutputWithPast 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或者 config.return_dict=False），根据配置（None）和输入包含不同的元素。

Qwen3_5Model 的前向传播方法，覆盖了 __call__ 特殊方法。

虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用 Module 实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。

last_hidden_state (torch.FloatTensor, 形状为 (batch_size, sequence_length, hidden_size)) — 模型最后一层输出的隐藏状态序列。

如果使用了 past_key_values，则只输出形状为 (batch_size, 1, hidden_size) 的序列的最后一个隐藏状态。
past_key_values (Cache，*可选*，当传入 use_cache=True 或 config.use_cache=True 时返回) — 这是一个 Cache 实例。欲了解更多细节，请参阅我们的 KV 缓存指南。

Contains pre-computed hidden-states (key and values in the self-attention blocks and optionally if config.is_encoder_decoder=True in the cross-attention blocks) that can be used (see past_key_values input) to speed up sequential decoding.
hidden_states (tuple(torch.FloatTensor), optional, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为 (batch_size, sequence_length, hidden_size)。

模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (tuple(torch.FloatTensor), optional, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。
rope_deltas (torch.LongTensor，形状为 (batch_size, )，可选) — 序列长度与多模态 rope 之间的 rope 索引差异。该属性已弃用，并将在 v5.20 中移除，请改用 model.base_model.rope_deltas。

Qwen3_5ForCausalLM

class transformers.Qwen3_5ForCausalLM

< 源码 >

参数

config (Qwen3_5ForCausalLM) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型相关的权重，仅加载配置。请查看 from_pretrained() 方法以加载模型权重。

用于因果语言建模的 Qwen3 5 模型。

该模型继承自 PreTrainedModel。请查看超类文档以了解该库为所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝头部等）。

此模型也是一个 PyTorch torch.nn.Module 子类。像普通的 PyTorch Module 一样使用它，并参考 PyTorch 文档了解一般用法和行为的所有相关信息。

forward

< 源码 >

( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None labels: torch.LongTensor | None = None use_cache: bool | None = None logits_to_keep: int | torch.Tensor = 0 **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → CausalLMOutputWithPast or tuple(torch.FloatTensor)

参数

input_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 词表中输入序列 token 的索引。默认情况下，填充（padding）将被忽略。

索引可以使用 AutoTokenizer 获取。详细信息请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

什么是 input IDs？
attention_mask (形状为 (batch_size, sequence_length) 的 torch.Tensor，可选) — 用于避免对填充 token 索引执行注意力机制的掩码。掩码值选自 [0, 1]：
- 1 表示 token 未被掩盖，
- 0 表示 token 已被掩盖。
什么是注意力掩码？
position_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 每个输入序列 token 在位置嵌入中的位置索引。范围在 [0, config.n_positions - 1] 内。

什么是位置 ID？
past_key_values (~cache_utils.Cache，可选) — 预先计算的隐藏状态（自注意力块和交叉注意力块中的键和值），可用于加速顺序解码。这通常包含模型在之前解码阶段返回的 past_key_values（当 use_cache=True 或 config.use_cache=True 时）。

输入仅允许 Cache 实例，请参阅我们的 kv 缓存指南。如果不传递 past_key_values，默认将初始化 DynamicCache。

模型将输出与输入时相同格式的缓存。

如果使用 past_key_values，用户应仅输入未处理的 input_ids（那些未提供过去键值状态的 token），形状为 (batch_size, unprocessed_length)，而不是所有 input_ids（形状为 (batch_size, sequence_length)）。
inputs_embeds (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor，可选) — 可选，除了传入 input_ids，您也可以选择直接传入嵌入表示。这在您希望比模型内部嵌入查找矩阵更灵活地控制如何将 input_ids 索引转换为关联向量时非常有用。
labels (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 用于计算掩码语言模型损失的标签。索引应在 [0, ..., config.vocab_size] 内或为 -100（请参阅 input_ids 的文档字符串）。索引设置为 -100 的 token 将被忽略（掩盖），损失仅针对标签在 [0, ..., config.vocab_size] 内的 token 进行计算。
use_cache (bool，可选) — 如果设置为 True，则返回 past_key_values 键值状态，可用于加速解码（请参阅 past_key_values）。
logits_to_keep (Union[int, torch.Tensor]，可选，默认为 0) — 如果是 int，则计算最后 logits_to_keep 个 token 的 logits。如果为 0，则计算所有 input_ids 的 logits（特殊情况）。生成时仅需要最后一个 token 的 logits，仅为该 token 计算可以节省内存，这对于长序列或大词表大小的情况非常显著。如果为 torch.Tensor，则必须是一维的，对应于要在序列长度维度上保留的索引。这在使用打包张量格式（batch 和序列长度的单一维度）时非常有用。

CausalLMOutputWithPast or tuple(torch.FloatTensor)

一个 CausalLMOutputWithPast 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或者 config.return_dict=False），根据配置（Qwen3_5Config）和输入包含不同的元素。

Qwen3_5ForCausalLM 的 forward 方法，覆盖了 __call__ 特殊方法。

虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用 Module 实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。

loss (torch.FloatTensor 形状为 (1,)，可选，当提供 labels 时返回) — 语言建模损失（用于下一个 token 预测）。
logits (形状为 (batch_size, sequence_length, config.vocab_size) 的 torch.FloatTensor) — 语言建模头部的预测分数（SoftMax 之前的每个词汇标记的分数）。
past_key_values (Cache，*可选*，当传入 use_cache=True 或 config.use_cache=True 时返回) — 这是一个 Cache 实例。欲了解更多细节，请参阅我们的 KV 缓存指南。

包含预计算的隐藏状态（自注意力块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。
hidden_states (tuple(torch.FloatTensor), optional, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为 (batch_size, sequence_length, hidden_size)。

模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (tuple(torch.FloatTensor), optional, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。

示例

>>> from transformers import AutoTokenizer, Qwen3_5ForCausalLM

>>> model = Qwen3_5ForCausalLM.from_pretrained("Qwen/Qwen3_5-8B")
>>> tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3_5-8B")

>>> prompt = "Hey, are you conscious? Can you talk to me?"
>>> inputs = tokenizer(prompt, return_tensors="pt")

>>> # Generate
>>> generate_ids = model.generate(inputs.input_ids, max_length=30)
>>> tokenizer.batch_decode(generate_ids, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
"Hey, are you conscious? Can you talk to me?\nI'm not conscious, but I can talk to you."

Qwen3_5ForConditionalGeneration

class transformers.Qwen3_5ForConditionalGeneration

< 源码 >

( config )

forward

< 源码 >

( input_ids: LongTensor = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None labels: torch.LongTensor | None = None pixel_values: torch.Tensor | None = None pixel_values_videos: torch.FloatTensor | None = None image_grid_thw: torch.LongTensor | None = None video_grid_thw: torch.LongTensor | None = None mm_token_type_ids: torch.IntTensor | None = None logits_to_keep: int | torch.Tensor = 0 **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] )

labels (torch.LongTensor，形状为 (batch_size, sequence_length)，可选)：用于计算掩码语言建模损失的标签。索引应在 [0, ..., config.vocab_size] 范围内或为 -100（请参阅 input_ids 文档字符串）。索引设置为 -100 的标记将被忽略（掩码），损失仅针对标签在 [0, ..., config.vocab_size] 范围内的标记进行计算。 image_grid_thw (torch.LongTensor，形状为 (num_images, 3)，可选)：LLM 中每张图像的特征形状的时间、高度和宽度。 video_grid_thw (torch.LongTensor，形状为 (num_videos, 3)，可选)：LLM 中每个视频的特征形状的时间、高度和宽度。

示例

>>> from transformers import AutoProcessor, Qwen3_5ForConditionalGeneration

>>> model = Qwen3_5ForConditionalGeneration.from_pretrained("Qwen/Qwen3-VL-8B-Instruct")
>>> processor = AutoProcessor.from_pretrained("Qwen/Qwen3-VL-8B-Instruct")

>>> messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "image": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/pipeline-cat-chonk.jpeg",
            },
            {"type": "text", "text": "Describe the image."},
        ],
    }
]

>>> inputs = processor.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
    return_tensors="pt"
)

>>> # Generate
>>> generated_ids = model.generate(**inputs, max_new_tokens=1024)
>>> generated_ids_trimmed = [out_ids[len(in_ids) :] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)]
>>> output_text = processor.batch_decode(generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
>>> print(output_text)

<<<<<<< HEAD

Qwen3_5ForSequenceClassification

class transformers.Qwen3_5ForSequenceClassification

< 源码 >

( config )

forward

< 源码 >

Qwen3_5TextForSequenceClassification

class transformers.Qwen3_5TextForSequenceClassification

< 源码 >

( config )

forward

< 源码 >

( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None labels: torch.LongTensor | None = None use_cache: bool | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → SequenceClassifierOutputWithPast or tuple(torch.FloatTensor)

参数

input_ids (torch.LongTensor，形状为 (batch_size, sequence_length)，可选) — 词汇表中输入序列标记的索引。默认情况下，填充（padding）将被忽略。

索引可以使用 AutoTokenizer 获取。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

什么是输入 ID (input IDs)？
attention_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 用于避免对填充标记索引执行注意力机制的掩码。掩码值在 [0, 1] 中选择：
- 1 表示未被掩码的标记，
- 0 表示被掩码的标记。
什么是注意力掩码 (attention masks)？
position_ids (torch.LongTensor，形状为 (batch_size, sequence_length)，可选) — 位置嵌入中每个输入序列标记的位置索引。在 [0, config.n_positions - 1] 范围内选择。

什么是位置 ID (position IDs)？
past_key_values (~cache_utils.Cache，可选) — 预先计算的隐藏状态（自注意力模块和交叉注意力模块中的键和值），可用于加速顺序解码。这通常包括模型在解码的前一阶段返回的 past_key_values（当 use_cache=True 或 config.use_cache=True 时）。

仅允许输入 Cache 实例，请参阅我们的 kv 缓存指南。如果不传递 past_key_values，默认情况下将初始化 DynamicCache。

模型将输出与输入相同格式的缓存。

如果使用了 past_key_values，用户预期仅输入未处理的 input_ids（即那些没有将其过去键值状态提供给此模型的输入），形状为 (batch_size, unprocessed_length)，而不是形状为 (batch_size, sequence_length) 的所有 input_ids。
inputs_embeds (torch.FloatTensor，形状为 (batch_size, sequence_length, hidden_size)，可选) — 另外，你可以选择直接传入嵌入表示，而不是传入 input_ids。如果你想比模型内部的嵌入查找矩阵更精细地控制如何将 input_ids 索引转换为相关向量，这会很有用。
labels (torch.LongTensor，形状为 (batch_size, sequence_length)，可选) — 用于计算掩码语言建模损失的标签。索引应在 [0, ..., config.vocab_size] 范围内或为 -100（请参阅 input_ids 文档字符串）。索引设置为 -100 的标记将被忽略（掩码），损失仅针对标签在 [0, ..., config.vocab_size] 范围内的标记进行计算。
use_cache (bool，可选) — 如果设置为 True，则返回 past_key_values 键值状态，并可用于加速解码（请参阅 past_key_values）。

SequenceClassifierOutputWithPast 或 tuple(torch.FloatTensor)

一个 SequenceClassifierOutputWithPast 或 torch.FloatTensor 元组（如果传入了 return_dict=False 或当 config.return_dict=False 时），根据配置（None）和输入，其包含不同的元素。

The GenericForSequenceClassification forward method, overrides the __call__ special method.

虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用 Module 实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。

loss (形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回) — 分类损失（如果 config.num_labels==1，则为回归损失）。
logits (形状为 (batch_size, config.num_labels) 的 torch.FloatTensor) — 分类（如果 config.num_labels==1，则为回归）分数（SoftMax 之前）。
past_key_values (Cache，*可选*，当传入 use_cache=True 或 config.use_cache=True 时返回) — 这是一个 Cache 实例。欲了解更多细节，请参阅我们的 KV 缓存指南。

包含预计算的隐藏状态（自注意力块中的键和值），可用于（参见 past_key_values 输入）加速顺序解码。
hidden_states (tuple(torch.FloatTensor), optional, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为 (batch_size, sequence_length, hidden_size)。

模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (tuple(torch.FloatTensor), optional, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。

Qwen3_5ForTokenClassification

class transformers.Qwen3_5ForTokenClassification

< 源码 >

( config )

forward

< 源码 >

( input_ids: torch.LongTensor | None = None attention_mask: torch.Tensor | None = None position_ids: torch.LongTensor | None = None past_key_values: transformers.cache_utils.Cache | None = None inputs_embeds: torch.FloatTensor | None = None labels: torch.LongTensor | None = None use_cache: bool | None = None **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → TokenClassifierOutput 或 tuple(torch.FloatTensor)

参数

input_ids (torch.LongTensor，形状为 (batch_size, sequence_length)，可选) — 词汇表中输入序列标记的索引。默认情况下，填充（padding）将被忽略。

索引可以使用 AutoTokenizer 获取。有关详细信息，请参阅 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

什么是输入 ID (input IDs)？
attention_mask (torch.Tensor，形状为 (batch_size, sequence_length)，可选) — 用于避免对填充标记索引执行注意力机制的掩码。掩码值在 [0, 1] 中选择：
- 1 表示未被掩码的标记，
- 0 表示被掩码的标记。
什么是注意力掩码 (attention masks)？
position_ids (torch.LongTensor，形状为 (batch_size, sequence_length)，可选) — 位置嵌入中每个输入序列标记的位置索引。在 [0, config.n_positions - 1] 范围内选择。

什么是位置 ID (position IDs)？
past_key_values (~cache_utils.Cache, 可选) — 预计算的隐藏状态（自注意力模块和交叉注意力模块中的键和值），可用于加速顺序解码。这通常由模型在前一解码阶段返回的 past_key_values 组成，此时 use_cache=True 或 config.use_cache=True。

输入仅允许使用 Cache 实例，请参阅我们的 kv cache 指南。如果没有传入 past_key_values，默认将初始化 DynamicCache。

模型将输出与输入格式相同的缓存。

如果使用了 past_key_values，用户应仅输入未处理的 input_ids（即那些未将过去的键值状态提供给该模型的输入），形状为 (batch_size, unprocessed_length)，而不是形状为 (batch_size, sequence_length) 的全部 input_ids。
inputs_embeds (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor, 可选) — 作为一个可选项，你可以选择直接传入嵌入表示，而不是传入 input_ids。如果你想比模型内部的嵌入查找矩阵更精确地控制如何将 input_ids 索引转换为对应的向量，这非常有用。
labels (形状为 (batch_size, sequence_length) 的 torch.LongTensor, 可选) — 用于计算掩码语言建模损失的标签。索引应在 [0, ..., config.vocab_size] 之间或为 -100（请参阅 input_ids 文档字符串）。索引设置为 -100 的标记将被忽略（掩码处理），损失仅针对标签在 [0, ..., config.vocab_size] 范围内的标记进行计算。
use_cache (bool, 可选) — 如果设置为 True，则会返回 past_key_values 键值状态，并可用于加速解码（请参阅 past_key_values）。

TokenClassifierOutput 或 tuple(torch.FloatTensor)

一个 TokenClassifierOutput 或 torch.FloatTensor 元组（如果传递了 return_dict=False 或 config.return_dict=False），包含取决于配置 (None) 和输入的各种元素。

The GenericForTokenClassification forward method, overrides the __call__ special method.

虽然 forward pass 的实现需要在此函数中定义，但你应该在之后调用 Module 实例而不是这个，因为前者负责运行预处理和后处理步骤，而后者会静默地忽略它们。

loss (形状为 (1,) 的 torch.FloatTensor，可选，当提供 labels 时返回) — 分类损失。
logits (形状为 (batch_size, sequence_length, config.num_labels) 的 torch.FloatTensor) — 分类分数（SoftMax 之前）。
hidden_states (tuple(torch.FloatTensor), optional, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入层的输出，如果模型有嵌入层；+一个用于每个层的输出），形状为 (batch_size, sequence_length, hidden_size)。

模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
attentions (tuple(torch.FloatTensor), optional, 当传递 output_attentions=True 或当 config.output_attentions=True 时返回) — torch.FloatTensor 的元组（每个层一个），形状为 (batch_size, num_heads, sequence_length, sequence_length)。

注意力 softmax 后的注意力权重，用于计算自注意力头中的加权平均值。

Qwen3_5Tokenizer

class transformers.Qwen3_5Tokenizer

< 源代码 >

=======

52b4732861 (文档)

在 GitHub 上更新

←Qwen3 Qwen3.5 Moe→