qwen

进击切图仔

微调 qwen 时候踩坑记录在把 Qwen2.5 等大模型真正部署到 GPU 服务器的过程中，环境配置、磁盘管理和推理加速的坑远比想象的多。本文将记录一次完整踩坑经历，覆盖系统盘告急、nvcc 消失、FlashAttention 编译慢、LoRA 合并陷阱、TensorRT 构建与推理等环节，并提供可复现的解决脚本。

故事还在继续吗

Mac 本地部署大模型环境信息整套本地 AI 系统分为五层，每层职责明确，可按需替换其中某个组件：本教程重点覆盖 Ollama 推理层和 Open WebUI 界面层的安装与联通，是整个系统的基础骨架。

OpenClaw v2026.3.23-2 更新解析：Qwen 接入、Knot 主题、插件稳定性、升级验证与避坑清单大家好，我是杨利杰YJlio。这篇文章继续整理 OpenClaw 版本更新记录。本文重点看的是 OpenClaw v2026.3.23-2。

OpenClaw v2026.3.28 更新解析：Qwen 认证迁移、xAI Responses API、MiniMax 图像生成、插件审批与升级避坑大家好，我是杨利杰YJlio。这篇文章继续整理 OpenClaw 版本更新记录。本文重点看的是 OpenClaw v2026.3.28。

今夕资源网

Qwen3-TTS官方原功能启动版一键启动包支持3秒克隆情绪控制语音设计在 2026 年 1 月 22 日，Qwen 团队正式发布了 Qwen3-TTS 系列模型。这不仅仅是一次简单的版本更新，而是一次在语音生成技术上的重大突破。作为基于 Qwen3-TTS-Tokenizer-12Hz 开发的强大语音生成工具，它为开发者和用户提供了目前市面上最全面的语音生成功能，彻底改变了人机交互的听觉体验。 🌟 为什么 Qwen3-TTS 如此强大？ Qwen3-TTS 旨在打破传统语音合成的局限，它具备了多项令人瞩目的核心特性：极致的低延迟流式生成这是实时交互场景下的杀手锏。得

基础能力系列 - 如何安全养虾? - 容器化部署龙虾参考: https://juejin.cn/post/7616025751746297862pairing required

Qwen2.5-1.5b 模型部署与LORA训练笔记这两天心血来潮，想了解一下小模型的部署与训练的过程，刚好家里有张3080魔改20g可以试试水于是说干就干~在这里简单记录以下相关的笔记。

搬砖的前端

本地模型+TRAE CN 打造最优模型组合实测：开源主模型+本地辅模型，对标GPT5.2/5.3/Gemini-3-Flash由于Cursor / Trae 国际版等AI编辑器的计费方式改变导致使用成本增加，尤其会员额度一次次用光后（本人就是）。替代使用TRAE CN基本上都会遇到过一个痛点：热门模型（如GLM5.1/Doubao-speed-2.0-code等）排队严重，动辄等待十数分钟，严重拖慢开发效率。

Mac Studio M3 Ultra 运行大模型实测：Qwen3.6 vs 6款主流模型工具调用对比苹果 M3 Ultra 芯片将统一内存容量推升至 512GB，让本地运行千亿参数大模型成为可能。这次测试在 Apple M3 Ultra + 256GB 内存环境下，对比 7 款主流大模型在工具调用、代码生成、推理速度等多个维度的表现。数据全部基于实测，Qwen 系列模型在工具调用方面展现出压倒性优势。

带娃的IT创业者

深度解析 Qwen3.6-35B-A3B：重塑 AI 编程代理的开源新标杆在开源大模型领域，通义千问团队再次投下了一枚重磅炸弹。近日，Qwen3.6-35B-A3B 模型正式发布，并迅速登顶 Hacker News 热榜，获得 634 票的高度关注。这不仅仅是一个参数量的更新，更是一次针对“Agentic Coding（代理编程）”能力的深度优化。

《AI怎么一步步变聪明的？》系列（六）中国大模型崛起之路：从“追赶者”到“解题人”站在2026年4月的春光里，当我们翻开最新的行业简报，一个足以载入史册的数据跃然纸上：中国AI大模型的周Token调用量，已经连续四周碾压美国，甚至在OpenRouter这类全球聚合平台上，中国大模型的消耗占比高达61%。

熊猫钓鱼>_>

私有化AI视频助手搭建实录：当Ollama遇上OpenClawAI视频生成的热度仍在攀升，从HappyHorse-1.0匿名屠榜到各家模型竞相开源，创作者似乎迎来了最好的时代。但一个现实问题始终悬而未决：云端服务固然方便，可谁愿意把未公开的脚本、商业素材甚至客户数据，毫无保留地交给一个黑盒API？

Macbook M4 pro本地部署大模型｜Ollama+Gemma4/Qwen3.524 GB内存安装ollama Ollama负责模型的下载、加载和运行，还自带本地API，不用手动配置，是目前新手最省事的方案，没有之一。

Qwen3-VL-2B vs BLIP-2：轻量视觉模型部署效率对比分析你有没有遇到过这样的场景：想在一台没有显卡的办公电脑上跑一个能看图说话的AI工具，结果发现动辄十几GB的模型根本加载不动？或者在边缘设备上部署图文理解服务时，推理延迟高达几十秒，用户等得不耐烦直接关掉页面？

汀江游非侠

模型下载与使用根据个人电脑配置及使用场景，我选择模型为Qwen-4B-Chat-Q4_K_M模型需要从Huggingface模型库下载，需要使用平台工具来下载

Spring with AI (6): 记忆保持——会话与长期记忆本文代码： https://github.com/JunTeamCom/ai-demo/tree/release-6.0 (JDBC-MySQL版本的会话持久化)

Spring with AI (5): 搜索扩展——向量数据库与RAG(下)本文代码： https://github.com/JunTeamCom/ai-demo/tree/release-5.0 https://github.com/JunTeamCom/ai-demo-tools/tree/release-5.0/data-loader

Spring with AI (4): 搜索扩展——向量数据库与RAG(上)本文代码： https://github.com/JunTeamCom/ai-demo/tree/release-4.0 https://github.com/JunTeamCom/ai-demo-tools/tree/release-4.0/data-loader

Qwen3.5-4B 微调实战：LLaMA-Factory 打造医疗AI助手最近在帮一个医疗创业团队做技术支持，他们想把通用大模型改造成能回答专业医疗问题的智能助手。今天就把整个过程整理出来，希望对有类似需求的朋友有所帮助。