Qwen3.5 是開源社區(qū)的香餑餑，Unsloth 第一時(shí)間跟進(jìn)了完整的微調(diào)支持

我花了兩天研究了他們的文檔和 Colab 筆記本，整理出這份從零到一的微調(diào)教程

0.8B 到 122B 全尺寸覆蓋，文本、視覺、強(qiáng)化學(xué)習(xí)三條路線全打通

Qwen3.5 微調(diào)概覽

先說(shuō)結(jié)論：Qwen3.5 + Unsloth 是目前性價(jià)比最高的開源模型微調(diào)方案。

核心優(yōu)勢(shì)：

• 訓(xùn)練速度比標(biāo)準(zhǔn) FA2快 1.5 倍

• 顯存占用減少 50%

• 支持 0.8B、2B、4B、9B、27B、35B-A3B、122B-A10B全系列

• 支持文本 SFT、視覺微調(diào)、強(qiáng)化學(xué)習(xí)（GRPO）三條路線

• 導(dǎo)出格式豐富：GGUF（Ollama）、vLLM、LoRA 適配器

• 支持201 種語(yǔ)言的多語(yǔ)言微調(diào)

各模型 bf16 LoRA 顯存需求：

模型

顯存

0.8B

3GB

2B

5GB

4B

10GB

9B

22GB

27B

56GB

35B-A3B（MoE）

74GB

Qwen3.5 bf16 LoRA 顯存需求

重要提醒：

• ??必須用 transformers v5，舊版不行

• ??不建議對(duì) Qwen3.5 使用 QLoRA（4-bit）訓(xùn)練——量化差異高于正常水平

• ?? MoE 模型（35B-A3B / 122B-A10B）推薦用 bf16 LoRA，不要用 QLoRA

如果你不想寫一行代碼，Unsloth 新推出的開源 Web UI ——Unsloth Studio是最佳選擇。

安裝（MacOS / Linux / WSL）：

curl -fsSL https://unsloth.ai/install.sh | sh

Windows PowerShell：

irm https://unsloth.ai/install.ps1 | iex

安裝很快，大約 1-2 分鐘。然后啟動(dòng)：

unsloth studio -H 0.0.0.0 -p 8888

瀏覽器打開http://localhost:8888，首次登錄設(shè)置密碼后就能開始了。

Unsloth Studio 界面

在搜索欄搜索 Qwen3.5，選模型、選數(shù)據(jù)集、調(diào)參數(shù)、點(diǎn)開始訓(xùn)練——全程鼠標(biāo)操作：

配置訓(xùn)練參數(shù)

訓(xùn)練過(guò)程中可以實(shí)時(shí)監(jiān)控?fù)p失曲線：

訓(xùn)練過(guò)程監(jiān)控

訓(xùn)練完成后可以直接導(dǎo)出為 GGUF、safetensor 等格式：

導(dǎo)出模型 方式二：代碼微調(diào)（SFT 文本微調(diào)）

對(duì)于想精細(xì)控制的同學(xué)，下面是一個(gè)最小可運(yùn)行的 SFT 代碼：

from unsloth import FastLanguageModel
import torch
from datasets import load_dataset
from trl import SFTTrainer, SFTConfig

 max_seq_length = 2048# 先從小開始

 # 加載數(shù)據(jù)集（替換成你自己的）
url = "https://huggingface.co/datasets/laion/OIG/resolve/main/unified_chip2.jsonl"
dataset = load_dataset("json", data_files={"train": url}, split="train")

 # 加載模型
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "Qwen/Qwen3.5-27B",
    max_seq_length = max_seq_length,
    load_in_4bit = False,     # 不建議用 QLoRA
    load_in_16bit = True,     # bf16 LoRA
    full_finetuning = False,
)

 # 添加 LoRA 適配器
model = FastLanguageModel.get_peft_model(
    model,
    r = 16,
    target_modules = [
        "q_proj", "k_proj", "v_proj", "o_proj",
        "gate_proj", "up_proj", "down_proj",
    ],
    lora_alpha = 16,
    lora_dropout = 0,
    bias = "none",
    use_gradient_checkpointing = "unsloth",  # 長(zhǎng)上下文 + 更低顯存
    random_state = 3407,
    max_seq_length = max_seq_length,
)

 # 訓(xùn)練
trainer = SFTTrainer(
    model = model,
    train_dataset = dataset,
    tokenizer = tokenizer,
    args = SFTConfig(
        max_seq_length = max_seq_length,
        per_device_train_batch_size = 1,
        gradient_accumulation_steps = 4,
        warmup_steps = 10,
        max_steps = 100,
        logging_steps = 1,
        output_dir = "outputs_qwen35",
        optim = "adamw_8bit",
        seed = 3407,
        dataset_num_proc = 1,
    ),
)

 trainer.train()

關(guān)鍵參數(shù)說(shuō)明：

• load_in_16bit = True：使用 bf16 LoRA，穩(wěn)定性最好

• use_gradient_checkpointing = "unsloth"：Unsloth 專屬的檢查點(diǎn)機(jī)制，顯存占用更低

• r = 16：LoRA 秩，越大精度越高但越容易過(guò)擬合

• lora_alpha = 16：建議 alpha >= r

如果遇到 OOM，把per_device_train_batch_size降到 1，或者降低max_seq_length。

MoE 模型微調(diào)（35B / 122B）

對(duì)于Qwen3.5-35B-A3B或122B-A10B這樣的 MoE 模型：

from unsloth import FastModel


 model, tokenizer = FastModel.from_pretrained(
    model_name = "unsloth/Qwen3.5-35B-A3B",
    max_seq_length = 2048,
    load_in_4bit = False,
    load_in_16bit = True,
    full_finetuning = False,
)

Unsloth 的 MoE 訓(xùn)練內(nèi)核默認(rèn)啟用，號(hào)稱比標(biāo)準(zhǔn)方案快 12 倍、顯存減少 35%、上下文長(zhǎng)度提升 6 倍。默認(rèn)禁用路由層微調(diào)以保證穩(wěn)定性。

122B-A10B 的 bf16 LoRA 需要 256GB 顯存，多卡用戶加device_map = "balanced"。

視覺微調(diào)（Qwen3.5 VLM）

Qwen3.5 本身就是一個(gè)統(tǒng)一的視覺語(yǔ)言模型，所以視覺微調(diào)非常自然：

from unsloth import FastVisionModel

 model, tokenizer = FastVisionModel.from_pretrained(
    "unsloth/Qwen3.5-4B",
    load_in_4bit = False,
    use_gradient_checkpointing = "unsloth",
)

 model = FastVisionModel.get_peft_model(
    model,
    finetune_vision_layers     = True,   # 微調(diào)視覺層
    finetune_language_layers   = True,   # 微調(diào)語(yǔ)言層
    finetune_attention_modules = True,   # 微調(diào)注意力層
    finetune_mlp_modules       = True,   # 微調(diào) MLP 層
    r = 16,
    lora_alpha = 16,
    lora_dropout = 0,
    bias = "none",
    random_state = 3407,
    target_modules = "all-linear",
    modules_to_save = ["lm_head", "embed_tokens"],
)

亮點(diǎn)在于可以精細(xì)控制微調(diào)哪些部分——你可以選擇只微調(diào)視覺層、只微調(diào)語(yǔ)言層，或者只微調(diào)注意力 / MLP 層，組合隨意。

想在免費(fèi) T4 GPU 上跑？用官方 Colab 筆記本：

• 視覺微調(diào)：https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Qwen3_5_(4B)_Vision.ipynb

即使 vLLM 暫時(shí)還不支持 Qwen3.5，你仍然可以通過(guò)禁用 fast inference 來(lái)做 GRPO：

from unsloth import FastLanguageModel


 model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "unsloth/Qwen3.5-4B",
    fast_inference = False,  # 關(guān)鍵：禁用 fast vLLM 推理
)

如果你想保留模型的推理能力，建議訓(xùn)練數(shù)據(jù)中至少保留 75% 的推理風(fēng)格示例，其余可以用直接答案。

GGUF 量化基準(zhǔn)測(cè)試——選什么量化最靠譜？

Unsloth 做了超過(guò)150 次 KL 散度基準(zhǔn)測(cè)試，總計(jì) 9TB 的 GGUF，得出了幾條關(guān)鍵結(jié)論，這里幫你劃重點(diǎn)：

KLD 基準(zhǔn)測(cè)試結(jié)果

量化選擇建議：

1. 別碰 MXFP4——在很多張量上表現(xiàn)都很差，已從 Q2_K_XL、Q3_K_XL、Q4_K_XL 中退役。Q4_K 在幾乎所有場(chǎng)景下都比 MXFP4 好

2. ssm_out 層別量化——Mamba 層（ssm_out）量化后 KLD 飆升，磁盤空間卻省不了多少

3. 3-bit 是甜點(diǎn)區(qū)——ffn_up_exps 和 ffn_gate_exps 通?？梢粤炕?3 位（iq3_xxs 附近），2 位就開始明顯降級(jí)了

4. Imatrix 確實(shí)有效——能降低 KLD 和 PPL，但推理速度慢 5-10%。對(duì)低位數(shù)量化幫助更大

5. attn_ 層高度敏感 *——對(duì)于混合架構(gòu)，注意力層保持高精度很重要

另外一個(gè)很重要的發(fā)現(xiàn)：困惑度（PPL）和 KL 散度可能具有誤導(dǎo)性。Unsloth Dynamic IQ2_XXS 在真實(shí)評(píng)估（LiveCodeBench v6、MMLU Pro）上表現(xiàn)優(yōu)于 AesSedai 的 IQ3_S，盡管體積小 11GB，但后者的 PPL 和 KLD 指標(biāo)反而更好看。所以千萬(wàn)不要只看 PPL 就下結(jié)論。

GGUF 量化選擇五大關(guān)鍵原則 導(dǎo)出與部署

微調(diào)完成后，導(dǎo)出到各種格式都很方便：

導(dǎo)出為 GGUF（給 Ollama / llama.cpp 用）：

model.save_pretrained_gguf("directory", tokenizer, quantization_method="q4_k_m")
model.save_pretrained_gguf("directory", tokenizer, quantization_method="q8_0")

導(dǎo)出為 16-bit（給 vLLM 用）：

model.save_pretrained_merged("finetuned_model", tokenizer, save_method="merged_16bit")

只保存 LoRA 適配器：

model.save_pretrained("finetuned_lora")
tokenizer.save_pretrained("finetuned_lora")

推到 HuggingFace：

model.push_to_hub_gguf("hf_username/model", tokenizer, quantization_method="q4_k_m")

??注意：vLLM 0.16.0 不支持 Qwen3.5，需要等 0.170 或用 Nightly 版本。如果導(dǎo)出模型在其他運(yùn)行時(shí)效果變差，大概率是聊天模板 / EOS 令牌用錯(cuò)了——必須和訓(xùn)練時(shí)保持一致。

總結(jié)

整理一下整個(gè)微調(diào)路徑：

路線

適合誰(shuí)

顯存門檻

Unsloth Studio

不想寫代碼

取決于模型

?????

SFT 代碼微調(diào)

需要精細(xì)控制

3GB（0.8B）起

?????

視覺微調(diào)

做多模態(tài)應(yīng)用

10GB（4B）起

????

GRPO 強(qiáng)化學(xué)習(xí)

提升推理能力

10GB 起

????

MoE 微調(diào)

要大模型能力

74GB 起

???

Qwen3.5 微調(diào)路徑一覽

Unsloth 在 Qwen3.5 上的支持可以說(shuō)是教科書級(jí)別的——從 Studio 無(wú)代碼方案到 Colab 免費(fèi)筆記本，再到 GGUF 量化基準(zhǔn)的深度研究，生態(tài)做得相當(dāng)完整。唯一的坑是 MoE 模型對(duì)硬件要求較高，以及 transformers v5 的硬依賴。

• Unsloth 微調(diào)文檔：https://unsloth.ai/docs/zh/mo-xing/qwen3.5/fine-tune

• GGUF 基準(zhǔn)測(cè)試：https://unsloth.ai/docs/zh/mo-xing/qwen3.5/gguf-benchmarks

• Colab 視覺微調(diào)筆記本：https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Qwen3_5_(4B)_Vision.ipynb

• Unsloth GitHub：https://github.com/unslothai/unsloth

.5

制作不易，如果這篇文章覺得對(duì)你有用，可否點(diǎn)個(gè)關(guān)注。給我個(gè)三連擊：點(diǎn)贊、轉(zhuǎn)發(fā)和在看。若可以再給我加個(gè)，謝謝你看我的文章，我們下篇再見！