Hugging Face 的 LOGO

Transformers 文档

快速入门

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

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

FlashAttention SDPA

Qwen3.5 MoE 是 Qwen3.5 的稀疏专家（sparse-expert）变体。它保留了相同的原生多模态解码器和 3:1 Gated DeltaNet/门控注意力主干架构，但将稠密前馈网络（dense FFNs）替换为 256 个专家的稀疏混合架构——每个 token 激活 8 个路由专家外加 1 个共享专家——因此总参数量远超稠密检查点，而每个 token 的有效计算量保持在极小水平。

值得注意的检查点包括 Qwen/Qwen3.5-35B-A3B（总参数 35B，激活参数 3B）、Qwen/Qwen3.5-122B-A10B、Qwen/Qwen3.5-397B-A17B 和 Qwen/Qwen3.6-35B-A3B。Qwen3.6 检查点与 Qwen3.5 共享相同的架构和 model_type，并使用相同的类加载。文本塔复用了 Qwen3-Next 中的 Qwen3NextSparseMoeBlock 和专家内核；视觉塔则继承自 Qwen3-VL。

您可以在 Qwen 组织下找到所有官方的 Qwen3.5 MoE 检查点。

快速入门

流水线
自动模型
import torch
from transformers import pipeline

pipe = pipeline(
    task="text-generation",
    model="Qwen/Qwen3.5-35B-A3B",
    device_map="auto",
)
print(pipe("The capital of France is", max_new_tokens=20)[0]["generated_text"])

使用提示和注意事项

  • 在训练或微调时，请设置 output_router_logits=True，以便前向传播返回路由逻辑（router logits），并将负载均衡辅助损失添加到总损失中（按 router_aux_loss_coef 缩放，默认 0.001）。否则，专家可能会塌陷到少数几个热门槽位中。
  • Qwen3_5MoeCausalLMOutputWithPast 包含一个 router_logits 字段。按位置解构模型输出的下游代码需要对此进行处理，或者切换到关键字访问方式。
  • 对于 Qwen3.5-35B-A3B，文本配置使用了 40 层、hidden_size=2048、256 个专家（每个 token 8 个路由专家 + 1 个共享专家）以及 moe_intermediate_size=512——这些规格与稠密版 Qwen3.5 检查点大不相同，因此权重不互通。
  • 原生上下文长度为 262,144 个 token。若要达到标称的约 100 万上下文长度，请通过配置的 rope_scaling 字段启用 YaRN rope 缩放——直接加载仅能使用原生窗口大小。
  • 与 Qwen3.5 一样，线性注意力层依赖于可选的 causal_conv1d（来自 Dao-AILab）。若缺少该库，模型将静默回退到速度较慢且更占内存的 PyTorch 算子。

Qwen3_5MoeConfig

class transformers.Qwen3_5MoeConfig

< >

( 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 text_config: dict | transformers.configuration_utils.PreTrainedConfig | None = None vision_config: dict | transformers.configuration_utils.PreTrainedConfig | None = None image_token_id: int = 248056 video_token_id: int = 248057 vision_start_token_id: int = 248053 vision_end_token_id: int = 248054 tie_word_embeddings: bool = False )

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) — 标记多模态输入序列中视觉片段开始的 token ID。
  • vision_end_token_id (int, 可选，默认为 248054) — 标记多模态输入序列中视觉片段结束的 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_5MoeModel 配置的配置类。它根据指定的参数实例化 Qwen3 5 Moe 模型，定义模型架构。使用默认值实例化配置将产生与 Qwen/Qwen3.5-35B-A3B 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_5MoeForConditionalGeneration, Qwen3_5MoeConfig

>>> # Initializing a Qwen3.5-MoE style configuration
>>> configuration = Qwen3_5MoeConfig()

>>> # Initializing a model from the Qwen3.5-35B-A3B style configuration
>>> model = Qwen3_5MoeForConditionalGeneration(configuration)

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

Qwen3_5MoeTextConfig

class transformers.Qwen3_5MoeTextConfig

< >

( 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 = 2048 num_hidden_layers: int = 40 num_attention_heads: int = 16 num_key_value_heads: int = 2 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 moe_intermediate_size: int = 512 shared_expert_intermediate_size: int = 512 num_experts_per_tok: int = 8 num_experts: int = 256 output_router_logits: bool = False router_aux_loss_coef: float = 0.001 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 可表示的不同 token 的数量。
  • hidden_size (int, 可选，默认为 2048) — 隐藏表示的维度。
  • num_hidden_layers (int, 可选，默认为 40) — 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, optional, defaults to 2) — 用于实现分组查询注意力（Grouped Query Attention）的 key_value 头数量。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。当将多头检查点（checkpoint）转换为 GQA 检查点时，应通过对组内所有原始头进行平均池化来构建每个组的 key 和 value 头。有关更多详细信息，请查看此论文。如果未指定，将默认使用 num_attention_heads。
  • hidden_act (str, optional, defaults to 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, optional, defaults to 32768) — 该模型可能使用的最大序列长度。
  • initializer_range (float, optional, defaults to 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。
  • rms_norm_eps (float, optional, defaults to 1e-06) — RMS 归一化层使用的 epsilon 值。
  • use_cache (bool, optional, defaults to True) — 模型是否应返回最后的 key/value 注意力（并非所有模型都使用）。仅在 config.is_decoder=True 或模型为仅解码器的生成式模型时相关。
  • tie_word_embeddings (bool, optional, defaults to 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], optional) — 包含 RoPE 嵌入配置参数的字典。该字典应包含 rope_theta 的值，以及（可选）在希望使用更长的 max_position_embeddings 时用于缩放的参数。
  • attention_bias (bool, optional, defaults to False) — 是否在自注意力机制的查询（query）、键（key）、值（value）和输出投影层中使用偏置（bias）。
  • attention_dropout (Union[float, int], optional, defaults to 0.0) — 注意力权重的 dropout 比率。
  • head_dim (int, optional, defaults to 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, optional, defaults to 4) — 线性注意力层中使用的卷积核大小。
  • linear_key_head_dim (int, optional, defaults to 128) — 线性注意力中每个键（key）头的维度。
  • linear_value_head_dim (int, optional, defaults to 128) — 线性注意力中每个值（value）头的维度。
  • linear_num_key_heads (int, optional, defaults to 16) — 线性注意力层中使用的键（key）头数量。
  • linear_num_value_heads (int, optional, defaults to 32) — 线性注意力层中使用的值（value）头数量。
  • moe_intermediate_size (int, optional, defaults to 512) — 路由专家 MLP 的中间层大小。
  • shared_expert_intermediate_size (int, optional, defaults to 512) — 共享专家 MLP 的中间层大小。
  • num_experts_per_tok (int, optional, defaults to 8) — 每个 token 要路由到的专家数量。这是 token 选择路由的 top-k 值。
  • num_experts (int, optional, defaults to 256) — MoE 层中可路由专家的总数。
  • output_router_logits (bool, optional, defaults to False) — 模型是否应返回路由逻辑（router logits）。启用此项还将允许模型输出辅助损失，包括负载均衡损失和路由 z-loss。
  • router_aux_loss_coef (float, optional, defaults to 0.001) — 辅助负载均衡损失系数。用于惩罚 MoE 模型中不均匀的专家路由。
  • layer_types (list[str], optional) — 一个明确将每个层索引映射到其层类型的列表。如果未提供，将根据配置值自动生成。
  • pad_token_id (int, optional) — 词表中用于填充（padding）的 token ID。
  • bos_token_id (int, optional) — 词表中用于流开始（beginning-of-stream）的 token ID。
  • eos_token_id (Union[int, list[int]], optional) — 词表中用于流结束（end-of-stream）的 token ID。

这是用于存储 Qwen3_5MoeModel 配置的配置类。它根据指定的参数实例化 Qwen3 5 Moe 模型，定义模型架构。使用默认值实例化配置将产生与 Qwen/Qwen3.5-35B-A3B 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。

>>> from transformers import Qwen3_5MoeTextModel, Qwen3_5MoeTextConfig

>>> # Initializing a Qwen3.5-MoE style configuration
>>> configuration =  Qwen3_5MoeTextConfig()

>>> # Initializing a model from the Qwen3.5-35B-A3B style configuration
>>> model = Qwen3_5MoeTextModel(configuration)

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

Qwen3_5MoeVisionConfig

class transformers.Qwen3_5MoeVisionConfig

< >

( 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 depth: int = 27 hidden_size: int = 1152 hidden_act: str = 'gelu_pytorch_tanh' intermediate_size: int = 4304 num_heads: int = 16 in_channels: int = 3 patch_size: int | list[int] | tuple[int, int] = 16 spatial_merge_size: int = 2 temporal_patch_size: int | list[int] | tuple[int, int] = 2 out_hidden_size: int = 3584 num_position_embeddings: int = 2304 initializer_range: float = 0.02 )

参数

  • depth (int, optional, defaults to 27) — 视觉编码器中 Transformer 层的数量。
  • hidden_size (int, optional, defaults to 1152) — 隐藏层表示的维度。
  • hidden_act (str, optional, defaults to 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, optional, defaults to 4304) — MLP 表示的维度。
  • num_heads (int, optional, defaults to 16) — Transformer 解码器中每个注意力层的注意力头数量。
  • in_channels (int, optional, defaults to 3) — 输入通道数。
  • patch_size (Union[int, list[int], tuple[int, int]], optional, defaults to 16) — 每个补丁（patch）的大小（分辨率）。
  • spatial_merge_size (int, optional, defaults to 2) — 用于通过合并相邻补丁来减少视觉 Token 数量的空间合并窗口大小。
  • temporal_patch_size (Union[int, list[int], tuple[int, int]], optional, defaults to 2) — 用于视频输入的 3D 补丁嵌入中的时间补丁大小。
  • out_hidden_size (int, optional, defaults to 3584) — 视觉模型的输出隐藏层大小。
  • num_position_embeddings (int, optional, defaults to 2304) — 此模型可能使用的最大序列长度。
  • initializer_range (float, optional, defaults to 0.02) — 用于初始化所有权重矩阵的 truncated_normal_initializer 的标准差。

这是用于存储 Qwen3_5MoeModel 配置的配置类。它根据指定的参数实例化 Qwen3 5 Moe 模型，定义模型架构。使用默认值实例化配置将产生与 Qwen/Qwen3.5-35B-A3B 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。

Qwen3_5MoeVisionModel

class transformers.Qwen3_5MoeVisionModel

< >

( config *inputs **kwargs )

forward

< >

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

参数

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

返回

torch.Tensor

hidden_states。

Qwen3_5MoeTextModel

class transformers.Qwen3_5MoeTextModel

< >

( config: Qwen3_5MoeTextConfig )

forward

< >

( 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 (形状为 (batch_size, sequence_length) 的 torch.LongTensor，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 索引执行注意力操作的掩码。掩码值选自 [0, 1]：

    • 1 表示未被遮盖的 Token，
    • 0 表示被遮盖的 Token。

    什么是注意力掩码？

  • position_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 位置嵌入中每个输入序列 Token 的位置索引。取值范围为 [0, config.n_positions - 1]。

    什么是位置 IDs？

  • past_key_values (~cache_utils.Cache，可选) — 预计算的隐藏状态（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。这通常由模型在解码的前一个阶段返回，当 use_cache=True 或 config.use_cache=True 时使用。

    仅允许使用 Cache 实例作为输入，请参阅我们的 kv cache 指南。如果没有传入 past_key_values，则默认初始化 DynamicCache。

    模型将输出与输入时相同格式的缓存。

    如果使用了 past_key_values，用户应仅输入形状为 (batch_size, unprocessed_length) 的未处理 input_ids（即那些没有将其过去键值状态提供给该模型的输入），而不是形状为 (batch_size, sequence_length) 的所有 input_ids。

  • inputs_embeds (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor，可选) — 可选地，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 索引转换为关联向量，这很有用。
  • 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（参见 past_key_values）。

返回

BaseModelOutputWithPast 或 tuple(torch.FloatTensor)

一个 BaseModelOutputWithPast 或一个 torch.FloatTensor 元组（如果传入 return_dict=False 或当 config.return_dict=False 时），包含根据配置（Qwen3_5MoeConfig）和输入而定的各种元素。

Qwen3_5MoeTextModel 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。

  • 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_5MoeModel

class transformers.Qwen3_5MoeModel

< >

( 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_5MoeModel) — 模型配置类，包含模型的所有参数。仅使用配置文件初始化不会加载与模型相关的权重，只会加载配置。请查看 from_pretrained() 方法以加载模型权重。

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

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

< >

( 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_5MoeModelOutputWithPast 或 tuple(torch.FloatTensor)

参数

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

    可以使用 AutoTokenizer 获取索引。详情请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

    什么是 input IDs？

  • attention_mask (形状为 (batch_size, sequence_length) 的 torch.Tensor，可选) — 用于避免对填充标记索引执行注意力机制的掩码。掩码值选自 [0, 1]：

    • 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？

  • position_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 每个输入序列标记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。这通常包括当 use_cache=True 或 config.use_cache=True 时，模型在解码的上一阶段返回的 past_key_values。

    仅允许输入 Cache 实例，请参阅我们的 kv 缓存指南。如果未传递 past_key_values，则默认初始化 DynamicCache。

    模型将输出与作为输入馈送的缓存格式相同的缓存。

    如果使用了 past_key_values，用户应仅输入形状为 (batch_size, unprocessed_length) 的未处理 input_ids（即未将其过去键值状态提供给此模型的那些），而不是形状为 (batch_size, sequence_length) 的所有 input_ids。

  • inputs_embeds (形状为 (batch_size, sequence_length, hidden_size) 的 torch.FloatTensor，可选) — 可选地，你可以选择直接传递嵌入表示，而不是传递 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，这非常有用。
  • pixel_values (形状为 (batch_size, num_channels, image_size, image_size) 的 torch.Tensor，可选) — 与输入图像对应的张量。可以使用 image_processor_class 获取像素值。详情请参见 image_processor_class.__call__（processor_class 使用 image_processor_class 来处理图像）。
  • pixel_values_videos (形状为 (batch_size, num_frames, num_channels, frame_size, frame_size) 的 torch.FloatTensor，可选) — 与输入视频对应的张量。视频的像素值可以使用 video_processor_class 获取。详情请参见 video_processor_class.__call__（processor_class 使用 video_processor_class 来处理视频）。
  • 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标记索引。例如文本 (0)、图像 (1)、视频 (2)。多模态标记类型 ID 可以使用 AutoProcessor 获取。详情请参见 ProcessorMixin.__call__。

返回

Qwen3_5MoeModelOutputWithPast 或 tuple(torch.FloatTensor)

Qwen3_5MoeModelOutputWithPast 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），根据配置（None）和输入包含各种元素。

Qwen3_5MoeModel 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。

  • router_logits (tuple[torch.FloatTensor]，可选，当传递 output_router_logits=True 或 config.add_router_probs=True 时返回) — 形状为 (batch_size, sequence_length, num_experts) 的 torch.FloatTensor 元组（每层一个）。

    模型的路由 Logits，有助于为混合专家（MoE）模型计算辅助损失。

Qwen3_5MoeForCausalLM

class transformers.Qwen3_5MoeForCausalLM

< >

( 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_5MoeForCausalLM) — 模型配置类，包含模型的所有参数。仅使用配置文件初始化不会加载与模型相关的权重，只会加载配置。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 Moe 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

< >

( 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 output_router_logits: bool | None = None logits_to_keep: int | torch.Tensor = 0 **kwargs: typing_extensions.Unpack[transformers.utils.generic.TransformersKwargs] ) → MoeCausalLMOutputWithPast 或 tuple(torch.FloatTensor)

参数

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

    可以使用 AutoTokenizer 获取索引。详情请参见 PreTrainedTokenizer.encode() 和 PreTrainedTokenizer.call()。

    什么是 input IDs？

  • attention_mask (形状为 (batch_size, sequence_length) 的 torch.Tensor，可选) — 用于避免对填充标记索引执行注意力机制的掩码。掩码值选自 [0, 1]：

    • 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？

  • position_ids (形状为 (batch_size, sequence_length) 的 torch.LongTensor，可选) — 每个输入序列标记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) — 预计算的隐藏状态（自注意力模块和交叉注意力模块中的键值），可用于加速顺序解码。这通常包含模型在解码的上一阶段返回的 past_key_values（当 use_cache=True 或 config.use_cache=True 时）。

    输入仅接受 Cache 实例，详见我们的 kv cache 指南。如果没有传入 past_key_values，默认将初始化一个 DynamicCache。

    模型将输出与输入格式一致的缓存。

    如果使用了 past_key_values，用户应仅输入未处理的 input_ids（即那些尚未向模型提供过去键值状态的词元），其形状为 (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) — 可选参数，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 索引转换为关联向量，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。索引应位于 [0, ..., config.vocab_size] 范围内，或设为 -100（参见 input_ids 文档字符串）。索引设置为 -100 的词元将被忽略（掩码处理），损失仅针对标签在 [0, ..., config.vocab_size] 范围内的词元进行计算。
  • use_cache (bool，可选) — 如果设为 True，将返回 past_key_values 键值状态，并可用于加速解码（参见 past_key_values）。
  • output_router_logits (bool，可选) — 是否返回所有路由器的 logits。它们对于计算路由器损失（router loss）很有用，不应在推理期间返回。
  • 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 个词元的 logits。如果是 0，则计算所有 input_ids 的 logits（特殊情况）。生成时仅需最后词元的 logits，仅针对该词元计算可节省内存，对于长序列或大词表规模，这一点尤为显著。如果是 torch.Tensor，则必须是一维的，对应于序列长度维度中要保留的索引。当使用打包（packed）张量格式（批次和序列长度合为单一维度）时非常有用。

返回

MoeCausalLMOutputWithPast 或 tuple(torch.FloatTensor)

根据配置（Qwen3_5MoeConfig）和输入，返回一个 MoeCausalLMOutputWithPast 或一个 torch.FloatTensor 元组（若传入了 return_dict=False 或 config.return_dict=False）。

Qwen3_5MoeForCausalLM 的 forward 方法，重写了 __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）。

  • aux_loss (torch.FloatTensor，可选，当提供 labels 时返回) — 稀疏模块的辅助损失。

  • router_logits (tuple(torch.FloatTensor), 可选, 当传递 output_router_probs=True 且 config.add_router_probs=True 时，或 config.output_router_probs=True 时返回) — 形状为 (batch_size, sequence_length, num_experts) 的 torch.FloatTensor 元组（每一层一个）。

    由 MoE 路由器计算的原始路由器对数（softmax 后），这些术语用于计算专家混合模型的辅助损失。

  • 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_5MoeForCausalLM

>>> model = Qwen3_5MoeForCausalLM.from_pretrained("Qwen/Qwen3-Next-80B-A3B-Instruct")
>>> tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-Next-80B-A3B-Instruct")

>>> 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_5MoeForConditionalGeneration

class transformers.Qwen3_5MoeForConditionalGeneration

< >

( config )

forward

< >

( 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_5MoeForConditionalGeneration

>>> model = Qwen3_5MoeForConditionalGeneration.from_pretrained("Qwen/Qwen3.5-35B-A3B-Instruct", dtype="auto", device_map="auto")
>>> processor = AutoProcessor.from_pretrained("Qwen/Qwen3.5-35B-A3B-Instruct")

>>> messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "image": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg",
            },
            {"type": "text", "text": "Describe this image in short."},
        ],
    }
]

>>> # Preparation for inference
>>> inputs = processor.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
    return_tensors="pt"
)
>>> inputs = inputs.to(model.device)

>>> # Generate
>>> generated_ids = model.generate(**inputs, max_new_tokens=128)
>>> generated_ids_trimmed = [
    out_ids[len(in_ids) :] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
]
>>> processor.batch_decode(generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False)[0]
"A woman in a plaid shirt sits on a sandy beach at sunset, smiling as she gives a high-five to a yellow Labrador Retriever wearing a harness. The ocean waves roll in the background."
在 GitHub 上更新

←Qwen3.5 Qwen3MoE→
© . This site is unofficial and not affiliated with Hugging Face, Inc.