从 0 到 1！Qwen3.5 系列开源大模型本地部署全流程（ModelScope）
【本文作者：Troy】
1.Qwen
Qwen3.5是阿里云通义千问团队发布的新一代开源大模型系列，是提供基础智能能力的“大脑”。主要是作为基础模型，本身具备强大的文本生成、复杂推理、多模态理解（如图像、视频）和工具调用等能力。适用于希望直接使用高性能大模型，或将其作为基座进行二次开发的个人、研究者和企业。
可访问魔搭社区：https://www.modelscope.cn/models?name=qwen3.5&page=1&tabKey=task
Qwen3.5 具备以下增强特性：
- 统一的视觉-语言基础：在多模态 token 上进行早期融合训练，在推理、编码、智能体和视觉理解等基准测试中，跨代际表现与 Qwen3 持平，并优于 Qwen3-VL 模型。
- 高效混合架构：门控 Delta 网络与稀疏混合专家（Mixture-of-Experts）相结合，实现高吞吐推理，同时保持极低延迟和成本开销。
- 可扩展的强化学习泛化能力：在百万级智能体环境中进行强化学习训练，任务分布逐步复杂化，从而获得强大的现实世界适应能力。
- 全球语言覆盖：支持扩展至 201 种语言和方言，实现包容性的全球部署，并具备细致入微的文化与区域理解能力。
- 下一代训练基础设施：相比纯文本训练，多模态训练效率接近 100%，并采用异步强化学习框架，支持大规模智能体脚手架和环境编排。
文件名其中B代表billion，即十亿，指的是模型的参数量，例如：2B=参数量为20亿；一般来说，参数量越大的模型，其“记忆体”和“计算单元”越多，能够学习到的知识更丰富，处理复杂逻辑推理的能力也越强。参数量也直接决定了运行这个模型所需要的内存（显存）和存储空间。
考虑到本地个人电脑（无独显）硬件配置，此处选择【Qwen3.5-0.8B-GGUF】举例子，详情见：https://www.modelscope.cn/models/unsloth/Qwen3.5-0.8B-GGUF/summary
其中【模型介绍】描述基准测试结果关于不同模型间的比较，可自行阅读；
点击【下载模型】，个人觉得【命令行下载】较方便，遂执行命令行，文件默认下载至【C:\Users\Administrator\.cache\modelscope\hub\models\unsloth\Qwen3___5-0___8B-GGUF】
GGUF是一种专为大型语言模型（LLM）设计的二进制文件格式，全称是GPT-Generated Unified Format（GPT生成统一格式）。可以理解为一个经过高度优化和打包的模型“压缩包”，其核心目标就是让庞大的AI模型能在普通电脑上更快地加载和运行。
Qwen3.5-0.8B-Q4_K_M.gguf (推荐)：平衡性最好，质量与大小的黄金比例；适用于日常对话、文本生成，兼顾速度和效果；
Qwen3.5-0.8B-Q3_K_S.gguf (高速)：文件最小，运行最快，但质量略有下降；
Qwen3.5-0.8B-Q5_K_M.gguf (高质量)：质量更好，接近原始模型，但文件稍大，占用内存更多；
不建议使用的文件：
mmproj-*.gguf：这些是多模态投影文件，纯文本模型不需要；
Qwen3.5-0.8B-BF16.gguf：这是未量化的完整模型，约1.4GB，内存占用太大；
Qwen3.5-0.8B-Q8_0.gguf：质量提升有限但体积大很多；
文件名含义：
Q4/Q5/Q8：量化位数，越高质量越好但文件越大；
K_M/K_S：K表示K-quants量化方法，M是中等质量，S是小体积；
IQ：改进型量化，压缩率更高；
2.Ollama
Ollama是一个开源、轻量级的工具，可以让你在个人电脑上轻松运行大型语言模型（如Llama 3、Qwen等）。可以理解为一个本地版的AI模型“应用商店”和“运行平台”，无需联网和复杂的配置，就能拥有一个私人的AI助手。
Ollama的设计初衷是简化AI模型的使用，让技术不再有高门槛。它的核心价值体现在以下几个方面：
极致简化部署：告别繁琐的环境配置和依赖安装。通过一行命令 ollama run <模型名>，Ollama会自动帮你完成模型的下载、加载和启动，真正做到开箱即用。
数据隐私安全：所有模型和数据都在你自己的电脑上运行，无需将任何信息上传到云端。这对于处理敏感信息的企业或个人来说，是一个至关重要的优势。
硬件资源友好：Ollama采用了模型量化等技术，能显著降低模型对内存的需求。这使得很多原本需要昂贵服务器的模型，也能在普通的个人电脑甚至笔记本上流畅运行。
通过官方下载PC端，详情见：https://ollama.com/download
可以选择对应的模型，若要引入本地离线模型，此处使用上文中的Qwen3.5举例：
1.首先进入模型目录：cd "C:\Users\Administrator\.cache\modelscope\hub\models\unsloth\Qwen3___5-0___8B-GGUF"
2.创建【Modelfile】此文件无后缀：echo FROM Qwen3.5-0.8B-Q4_K_M.gguf > Modelfile
3.创建模型-文件中写的是相对路径所以需要在当前目录下：ollama create qwen3.5-0.8b-4km -f ./Modelfile
4.重启ollama即可选择该模型，或者执行命令：ollama run qwen3.5-0.8b-4km
3.LLaMaFactory
LLaMaFactory安装详情见：https://llamafactory.readthedocs.io/zh-cn/latest/getting_started/installation.html
安装完成后命令行：nvcc -V 出现如下，表示安装成功；
使用git下载项目：git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git
cd LLaMA-Factory
pip install -e .
pip install -r requirements/metrics.txt
通过使用 llamafactory-cli version 校验安装成功；
LLaMa Factory 支持通过WebUI微调大语言模型，使用指令：llamafactory-cli webui
访问：http://localhost:7860/ 可以进入页面；
4.llama.cpp
由于个人电脑缺少独显GPU，无法运行LLaMa Factory，故后续改用llama.cpp；
llama.cpp是免费的开源工具，对CPU运行做了优化，同时可直接使用GGUF格式。
访问官方发布页：https://github.com/ggml-org/llama.cpp/releases 下载对应Windows版本压缩包文件；
在Assets中找到 bin-win 的zip包；Vulkan表示通用版，覆盖面广；SYCL表示专业版，主要是配合独显设计的；
解压后进入目录，例如：D:\Program Files\llama-b8254-bin-win-vulkan-x64
使用命令行：llama-server.exe -m "C:\Users\Administrator\.cache\modelscope\hub\models\unsloth\Qwen3___5-0___8B-GGUF\Qwen3.5-0.8B-Q4_K_M.gguf"
这次基于 ModelScope 平台的 Qwen3.5 系列开源大模型本地部署实践，尽管最后通过引入 llama.cpp 成功在 CPU 环境下启动了模型服务，验证了其在资源受限环境下本地化部署的可行性。
但是 LLaMaFactory 的 WebUI 微调功能及其具体参数配置，由于涉及更复杂的依赖环境和硬件要求，本次暂未展开实践，相关内容将在后续的技术分享中进行实践和讲解。
