1 简介

阿里开源的Qwen3系列大模型全线发布：

 

其模型能力，按照官方的介绍，直接对标DeepSeek-R1、o1、o3-mini、Grok-3、Gemini-2.5-Pro等顶级大模型，在代码、数学、通用能力等基准测试中表现十分优异，成为开源大模型领域新的翘楚：

 

今天的文章中，我们就来介绍如何快速完成对Qwen3系列模型的本地部署，并通过Python快捷调用模型进行推理。

2 Qwen3系列模型的本地部署

Qwen3系列模型支持常见的各种主流部署工具，如SGLang、vLLM、Ollama、LMStudio、llama.cpp等，我们以其中使用起来最为方便的Ollama为例（注意Ollama版本需要大于等于0.6.6）：

 

访问Ollama官网中的Qwen3模型主页（ https://ollama.com/library/qwen3 ），可以看到众多参数类型的可用模型：

 

根据你的硬件算力，选择合适参数量的模型及量化版本，我的显卡是4090，显存达到24G，因此最大可运行32B参数量的模型，以Qwen3系列模型中官方着重介绍的MOE模型qwen3:30b-a3b为例：

• 拉取模型文件

ollama run qwen3:30b-a3b

 

• ollama终端中临时运行模型

ollama run qwen3:30b-a3b --verbose

加载qwen3:30b-a3b模型对应的显存占用情况：

 

模型推理速度参考：

 

• 非思考模式

值得一提的是，Qwen3系列模型支持关闭思考模式，我们可以在实际任务中，针对较简单场景省去思考的过程，直接输出内容，降低推理耗时（在输入的问题末尾添加/no_think即可）：

 

3 通过Python调用本地部署的Qwen3模型

在上文基础上，接下来我们进一步展示如何在Python中高效调用已部署的本地Qwen3模型：

3.1 常规内容生成及对话任务

最直接的方式，我们可以使用Ollama官方的Python库来快捷实现常规对话：

• 安装ollama库

pip install ollama

• 列出可用模型

 

• 文本生成任务

 

• 文本生成任务（关闭思考）

 

• 对话任务

 

• 对话任务（流式）

 

3.2 Agent任务

Qwen3系列模型支持函数调用，我们可以基于它快速开发各种智能体功能，以我常用的pydantic-ai为例：

• 安装pydantic-ai相关最小依赖库

pip install "pydantic-ai-slim[openai]"

• 基于pydantic-ai快速构建智能体

在pydantic-ai中，我们可以直接使用兼容openai模型的形式，对接已通过Ollama部署的模型，非常的高效方便😉，：

 

更多参考资料：

• https://ollama.com/library/qwen3

• https://github.com/ollama/ollama-python

• https://ai.pydantic.dev/

• https://github.com/pydantic/pydantic-ai

---

以上就是本文的全部内容，欢迎在评论区与我们进行讨论~