昇思MindSpore同步首发Qwen3-30B-A3B-Instruct-2507并上线开源社区

经验分享 Tech Blogs 前沿分享-Frontier Insights
1

今天，通义千问更新了旗舰版Qwen3模型，推出 Qwen3-235B-A22B 非思考模式（Non-thinking）的更新版本，命名为Qwen3-235B-A22B-Instruct-2507。

新的Qwen3模型，通用能力显著提升，包括指令遵循、逻辑推理、文本理解、数学、科学、编程及工具使用等方面，在GPQA（知识）、AIME25（数学）、LiveCodeBench（编程）、Arena-Hard（人类偏好对齐）、BFCL（Agent能力）等众多测评中表现出色。

目前，Qwen3新模型MindSpore版本已上线开源社区，欢迎开发者体验。

昇思开源社区MindSpore Transformers代码仓：

https://gitee.com/mindspore/mindformers/tree/r1.6.0/

魔乐社区vLLM-MindSpore推理版地址：

# 01

下载链接

魔乐社区：

# 02

模型下载

执行以下命令为自定义下载路径 /mnt/data/Qwen3-30B-A3B-Instruct-2507 添加白名单：

export HUB_WHITE_LIST_PATHS=/mnt/data/Qwen3-30B-A3B-Instruct-2507

执行以下命令从魔乐社区下载Qwen3-30B-A3B-Instruct-2507 权重文件至指定路径 /mnt/data/Qwen3-30B-A3B-Instruct-2507 。下载的文件包含模型代码、权重、分词模型和示例代码，占用约 60GB 的磁盘空间：

pip install openmind_hub

from openmind_hub import snapshot_download

snapshot_download(
    repo_id="MindSpore-Lab/Qwen3-30B-A3B-Instruct-2507",
    local_dir="/mnt/data/Qwen3-30B-A3B-Instruct-2507",
    local_dir_use_symlinks=False
)
exit()

注意事项：

  • /mnt/data/Qwen3-30B-A3B-Instruct-2507 可修改为自定义路径，确保该路径有足够的磁盘空间（约 60GB）。

  • 下载时间可能因网络环境而异，建议在稳定的网络环境下操作。

# 03

快速开始

/mnt/data/Qwen3-30B-A3B-Instruct-2507推理需要1台（4卡）Atlas 800T/800I A2（64G）服务器服务器（基于BF16权重）。昇思MindSpore提供了Qwen3-30B-A3B-Instruct-2507推理可用的Docker容器镜像，供开发者快速体验。

3.1 停止其他进程，避免服务器中其他进程影响

pkill -9 python
pkill -9 mindie
pkill -9 ray

3.2 下载昇思 MindSpore 推理容器镜像

执行以下 Shell 命令，拉取昇思 MindSpore Qwen3 推理容器镜像：

docker pull swr.cn-central-221.ovaijisuan.com/mindformers/qwen3-30b-2507:20250731

3.3 启动容器

执行以下命令创建并启动容器（/mnt/data/Qwen3-30B-A3B-Instruct-2507用于存放权重路径，若没有/mnt盘则要修改）：

docker run -it \
--privileged \
--name=qwen3_30b_2507 \
--net=host \
--cap-add=SYS_PTRACE \
--security-opt seccomp=unconfined \
--device=/dev/davinci0 \
--device=/dev/davinci1 \
--device=/dev/davinci2 \
--device=/dev/davinci3 \
--device=/dev/davinci_manager \
--device=/dev/hisi_hdc \
--device=/dev/devmm_svm \
--device=/dev/davinci_manager \
-v /usr/local/Ascend/add-ons/:/usr/local/Ascend/add-ons/ \
-v /usr/local/Ascend/driver/:/usr/local/Ascend/driver/ \
-v /usr/local/sbin:/usr/local/sbin \
-v /etc/hccn.conf:/etc/hccn.conf \
-v /mnt/data/Qwen3-30B-A3B-Instruct-2507/:/mnt/data/Qwen3-30B-A3B-Instruct-2507/ \
swr.cn-central-221.ovaijisuan.com/mindformers/qwen3-30b-2507:20250731 \
/bin/bash

注意事项：

  • 后续操作，除了发起推理请求可以在容器外进行，其余操作均在容器内进行。

# 04

服务化部署

4.1 添加环境变量

在服务器中都添加如下环境变量：

export vLLM_MODEL_BACKEND=MindFormers

4.2 拉起服务

执行以下命令拉起服务：

python3 -m vllm_mindspore.entrypoints vllm.entrypoints.openai.api_server --model "/mnt/data/Qwen3-30B-A3B-Instruct-2507" --trust_remote_code --tensor_parallel_size=4 --max-num-seqs=192 --max_model_len=32768 --max-num-batched-tokens=16384 --block-size=32 --gpu-memory-utilization=0.9

4.3 执行推理请求测试

打开新的窗口，执行以下命令发送推理请求。

curl http://localhost:8000/v1/chat/completions -H "Content-Type: application/json" -d '{
  "model": "/mnt/data/Qwen3-30B-A3B-Instruct-2507",
  "messages": [
    {"role": "user", "content": "介绍一下上海"}
  ],
  "temperature": 0.6,
  "top_p": 0.95,
  "top_k": 20,
  "min_p": 0,
  "max_tokens": 4096,
  "presence_penalty": 1.05
}'

昇思MindSpore AI框架将持续支持更多业界主流模型，欢迎大家试用并在昇思论坛提供宝贵的反馈意见。（https://discuss.mindspore.cn/）