par Qwen
Open source · 495k downloads · 97 likes
Qwen3 8B Base est un modèle de langage avancé conçu pour comprendre et générer du texte avec une grande précision. Grâce à un entraînement sur un corpus de 36 000 milliards de tokens couvrant 119 langues, il excelle dans des domaines variés comme le raisonnement, la programmation, les sciences ou les connaissances générales. Son architecture optimisée, incluant des techniques comme le *qk layernorm* et un entraînement en trois phases, lui permet de traiter des contextes longs jusqu’à 32 000 tokens tout en maintenant une stabilité et une performance accrues. Idéal pour des applications nécessitant une compréhension approfondie du langage, il se distingue par sa polyvalence et son adaptabilité à des tâches complexes. Que ce soit pour l’automatisation de contenus, l’assistance technique ou l’analyse multilingue, Qwen3 8B Base offre une base solide pour des solutions intelligentes et performantes.
Qwen3 is the latest generation of large language models in Qwen series, offering a comprehensive suite of dense and mixture-of-experts (MoE) models. Building upon extensive advancements in training data, model architecture, and optimization techniques, Qwen3 delivers the following key improvements over the previously released Qwen2.5:
Qwen3-8B-Base has the following features:
For more details, including benchmark evaluation, hardware requirements, and inference performance, please refer to our blog, GitHub, and Documentation.
The code of Qwen3 has been in the latest Hugging Face transformers and we advise you to use the latest version of transformers.
With transformers<4.51.0, you will encounter the following error:
KeyError: 'qwen3'
Detailed evaluation results are reported in this 📑 blog.
If you find our work helpful, feel free to give us a cite.
@misc{qwen3technicalreport,
title={Qwen3 Technical Report},
author={Qwen Team},
year={2025},
eprint={2505.09388},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2505.09388},
}