Qwen · 2024-09 · 稠密
Qwen2.5 72B
Qwen2.5 72B 是 Qwen 于 2024-09 发布的 分组查询注意力（GQA） Transformer，共 80 层，隐藏维度 8192，上下文窗口 32,768 个 token。
层堆栈
注意力 ×80 · 层数 80
关键参数
| 实验室 | Qwen |
|---|---|
| 发布时间 | 2024-09 |
| 总参数 | 71.4 B |
| 上下文 | 32,768 tokens |
| 注意力 | GQA (64:8) |
| 层数 | 80 |
| 隐藏维度 | 8,192 |
| 注意力头 | 64 |
| 词表 | 152,064 |
| 位置编码 | RoPE |
| 归一化 | RMSNorm |
| 激活函数 | silu |
| 训练精度 | bf16 |
| 架构类名 | Qwen2ForCausalLM |
架构概览
注意力
分组查询注意力（GQA） — 64 q-heads / 8 kv-heads. RoPE θ=1,000,000.
前馈 / MoE
它是稠密模型：全部 71.4B 参数都参与每个 token 的计算。
字段级对比
对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。
与前代 Qwen2 72B 的全字段对比
| 模型 | Qwen2.5 72B | Qwen2 72B | 倍数 |
|---|---|---|---|
| model_type | qwen2 | qwen2 | ＝ |
| architectures | Qwen2ForCausalLM | Qwen2ForCausalLM | ＝ |
| hidden_size | 8192 | 8192 | ≈1 |
| num_hidden_layers | 80 | 80 | ≈1 |
| num_attention_heads | 64 | 64 | ≈1 |
| num_key_value_heads | 8 | 8 | ≈1 |
| intermediate_size | 29568 | 29568 | ≈1 |
| hidden_act | silu | silu | ＝ |
| rope_theta | 1000000 | 1000000 | ≈1 |
| max_position_embeddings | 32768 | 32768 | ≈1 |
| sliding_window | 131072 | 131072 | ≈1 |
| rms_norm_eps | 0.000001 | 0.000001 | ≈1 |
| vocab_size | 152064 | 152064 | ≈1 |
| torch_dtype | bfloat16 | bfloat16 | ＝ |
| attention_dropout | 0 | 0 | ＝ |
| bos_token_id | 151643 | 151643 | ≈1 |
| eos_token_id | 151645 | 151645 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| max_window_layers | 70 | 80 | ×0.875 |
| tie_word_embeddings | false | false | ＝ |
| transformers_version | 4.43.1 | 4.40.1 | ≠ |
| use_cache | true | true | ＝ |
| use_sliding_window | false | false | ＝ |
结构最相似的模型
- Qwen2 72B (Qwen, 2024-06) 1.000
- Llama 3.1 70B (Meta, 2024-07) 0.999
- Qwen3 32B (Qwen, 2025-04) 0.995
- Qwen3.6 27B (Qwen, 2026-04) 0.992
- Qwen3.8 27B (Qwen, 2026-08) 0.992
- Qwen3 8B (Qwen, 2025-04) 0.977
相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。
原始 config 字段
23 个字段
| architectures | Qwen2ForCausalLM |
|---|---|
| attention_dropout | 0 |
| bos_token_id | 151643 |
| eos_token_id | 151645 |
| hidden_act | silu |
| hidden_size | 8192 |
| initializer_range | 0.02 |
| intermediate_size | 29568 |
| max_position_embeddings | 32768 |
| max_window_layers | 70 |
| model_type | qwen2 |
| num_attention_heads | 64 |
| num_hidden_layers | 80 |
| num_key_value_heads | 8 |
| rms_norm_eps | 0.000001 |
| rope_theta | 1000000 |
| sliding_window | 131072 |
| tie_word_embeddings | false |
| torch_dtype | bfloat16 |
| transformers_version | 4.43.1 |
| use_cache | true |
| use_sliding_window | false |
| vocab_size | 152064 |