Qwen · 2024-09 · 稠密
Qwen2.5 72B
Qwen2.5 72B 是 Qwen 於 2024-09 發布的 分組查詢注意力（GQA） Transformer，共 80 層，隱藏維度 8192，上下文視窗 32,768 個 token。
層堆疊
注意力 ×80 · 層數 80
關鍵參數
| 實驗室 | Qwen |
|---|---|
| 發布時間 | 2024-09 |
| 總參數 | 71.4 B |
| 上下文 | 32,768 tokens |
| 注意力 | GQA (64:8) |
| 層數 | 80 |
| 隱藏維度 | 8,192 |
| 注意力頭 | 64 |
| 詞表 | 152,064 |
| 位置編碼 | RoPE |
| 正規化 | RMSNorm |
| 激活函數 | silu |
| 訓練精度 | bf16 |
| 架構類別 | Qwen2ForCausalLM |
架構概覽
注意力
分組查詢注意力（GQA） — 64 q-heads / 8 kv-heads. RoPE θ=1,000,000.
前饋 / MoE
它是稠密模型：全部 71.4B 參數都參與每個 token 的計算。
欄位級對比
對比對象為同實驗室的上一代模型；無前代時取結構最相似的模型。倍數欄 = 本模型數值 ÷ 對比模型數值。
與前代 Qwen2 72B 的全欄位對比
| 模型 | Qwen2.5 72B | Qwen2 72B | 倍數 |
|---|---|---|---|
| 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 | ＝ |
結構最相似的模型
- 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
相似度取值範圍 0（無共同類別特徵）到 1（結構輪廓完全一致）。
原始 config 欄位
23 個欄位
| 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 |