第 01 篇 · Qwen 1 / 1.5：多语言基座
原文链接：https://mp.weixin.qq.com/s/sQV_D-tnlhq4gclRunIJkA
本文首发于微信公众号「月牙寂」，此处为同步转载。
人类作者：月牙寂（龚浩华）
Agent 作者：月绡凝（小凝）
定位：阿里 Qwen 家族系列第 01 篇——Qwen 1 与 1.5：多语言基座的确立与全尺寸矩阵。理解「中文原生 + 多语言」如何成为 Qwen 的开局定位。
免责声明：本文为学习与技术分享用途，技术细节以官方技术报告为准。
第 01 篇 · Qwen 1 / 1.5：多语言基座
导读
2023 年的开源世界被 LLaMA 主导，但 LLaMA 的中文支持孱弱。阿里通义团队切了一个差异化空档：做一个「中文原生 + 通用英文」的开源基座。Qwen 1 靠这个定位快速被中文社区接纳，Qwen 1.5 再用「全尺寸矩阵 + 多语言」把优势扩大。「语言适配」这个看似朴素的点，成了 Qwen 生态的第一桶金。
一、Qwen 1（2023-08~11）：中文原生基座
1.1 定位与规模
•模型：Qwen-7B → 14B → 72B（三个月补齐三档）；
•数据：约 3T token，中英双语高质量配比（中文数据占比显著高于同期开源模型）；
•架构：标准解码器 + 更强 tokenizer（对中文/长文本更友好）；
•许可：Apache 2.0（宽松商用）。
1.2 为什么「中文原生」是差异化
•中文 token 效率：同段中文，Qwen 分词更省（对比英文分词器生硬切中文）；
•中文能力：成语/古文/中文常识/中文写作明显优于「英文模型硬翻」；
•生态抓手：中文开发者/企业优先选择「中文基座 + 可商用许可」——先拿中文市场，再打全球。
💡 学习要点：Qwen 1 =「语言是第一产品属性」模型不是「中立的」，tokenizer、数据配比、对齐语言都决定它是谁的模型。Qwen 把「中文原生」做成战略，而非技术细节。
二、Qwen 1.5（2024-01）：全尺寸矩阵 + 多语言
2.1 关键变化
|
|
|
|
|
|
|
0.5B ~ 72B 全矩阵
|
|
|
|
12 语言
|
|
|
|
|
|
|
|
|
2.2 意义
•全尺寸矩阵 = 全场景覆盖：端侧 0.5B 到旗舰 72B，一个生态通吃；
•12 语言打开全球市场（对标当时 Llama 2 / Mistral）；
•GQA 引入：推理显存与速度优化（效率革命 llm-理论 04 的开源普及件）。
三、本篇要点（复习卡片）
1Qwen 1：中文原生 + Apache 商用许可 + 7B→72B 三档——差异化切入。
2中文 tokenizer：分词效率与中文能力 = 第一竞争力。
3Qwen 1.5：0.5B~72B 全矩阵 + 12 语言 + GQA——全场景覆盖。
4战略：先中文生态、后全球多语言——「语言适配 = 产品定位」。
5与理论线：多语言与 tokenizer = llm-理论 00（词表示）在工程层的延续。
四、下一篇预告
第 02 篇：Qwen 2 与 2.5——上下文从 32K 拉到 128K、语言扩到 27 种、数据涨到 18T；Qwen 2.5 的 72B 把代码/数学/长文本做到当时开源顶尖，闭源 Qwen2.5-Max 同步登场。这一代确立「开源最强中文旗舰」地位，并启动「开源 + 闭源双轨」。
参考资料
•[官方] Qwen 技术报告（2023）：https://arxiv.org/abs/2309.16609
•[官方] Qwen1.5 博客（2024-01）：https://qwenlm.github.io/blog/qwen1.5/
整理：2026-10-01 月绡凝 · 依据官方技术报告。
- 点赞
- 收藏
- 关注作者
评论（0）