> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/language-models/qwen25.md).

# Qwen2.5

Clore.ai GPUs पर Alibaba के Qwen2.5 मल्टीलिंगुअल LLMs चलाएँ

CLORE.AI GPUs पर उत्कृष्ट कोड और गणित क्षमताओं वाले शक्तिशाली बहुभाषी LLMs - Alibaba के Qwen2.5 परिवार के मॉडल चलाएँ।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं, जिन्हें किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## Qwen2.5 क्यों?

* **बहुमुखी आकार** - 0.5B से 72B पैरामीटर
* **बहुभाषी** - चीनी सहित 29 भाषाएँ
* **लंबा संदर्भ** - 128K टोकन तक
* **विशेषीकृत संस्करण** - कोडर, गणित संस्करण
* **ओपन सोर्स** - Apache 2.0 लाइसेंस

## CLORE.AI पर त्वरित परिनियोजन

**Docker इमेज:**

```
vllm/vllm-openai:latest
```

**पोर्ट:**

```
22/tcp
8000/http
```

**कमांड:**

```bash
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-7B-Instruct \
    --host 0.0.0.0 \\
    --port 8000
```

## अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना `http_pub` URL यहाँ **मेरे ऑर्डर**:

1. पर जाएँ **मेरे ऑर्डर** पेज
2. अपने ऑर्डर पर क्लिक करें
3. खोजें `http_pub` URL (उदा., `abc123.clorecloud.net`)

उपयोग करें `https://YOUR_HTTP_PUB_URL` की बजाय `localhost` नीचे दिए गए उदाहरणों में।

### सत्यापित करें कि यह काम कर रहा है

```bash
# जाँचें कि सेवा तैयार है या नहीं
curl https://your-http-pub.clorecloud.net/health

# उपलब्ध मॉडल सूचीबद्ध करें
curl https://your-http-pub.clorecloud.net/v1/models
```

{% hint style="warning" %}
यदि आपको HTTP 502 मिलता है, तो 5-15 मिनट प्रतीक्षा करें - मॉडल अभी भी HuggingFace से डाउनलोड हो रहा है।
{% endhint %}

## Qwen3 रीजनिंग मोड

{% hint style="info" %}
**Qwen3 में नया:** कुछ Qwen3 मॉडल एक रीजनिंग मोड का समर्थन करते हैं जो अंतिम उत्तर से पहले मॉडल की विचार प्रक्रिया को `<think>` टैग्स में दिखाता है।
{% endhint %}

vLLM के माध्यम से Qwen3 मॉडल का उपयोग करते समय, प्रतिक्रियाओं में रीजनिंग शामिल हो सकती है:

```json
{
  "content": "<think>\nआइए इस बारे में चरण-दर-चरण सोचते हैं...\n</think>\n\nउत्तर है..."
}
```

रीजनिंग के साथ Qwen3 का उपयोग करने के लिए:

```bash
vllm serve Qwen/Qwen3-0.6B --host 0.0.0.0 --port 8000
```

## मॉडल वेरिएंट

### बेस मॉडल

| मॉडल                 | पैरामीटर | VRAM (FP16) | संदर्भ | नोट्स                       |
| -------------------- | -------- | ----------- | ------ | --------------------------- |
| Qwen2.5-0.5B         | 0.5B     | 2GB         | 32K    | एज/परीक्षण                  |
| Qwen2.5-1.5B         | 1.5B     | 4GB         | 32K    | बहुत हल्का                  |
| Qwen2.5-3B           | 3B       | 8GB         | 32K    | बजट                         |
| Qwen2.5-7B           | 7B       | 16GB        | 128K   | संतुलित                     |
| Qwen2.5-14B          | 14B      | 32GB        | 128K   | उच्च गुणवत्ता               |
| Qwen2.5-32B          | 32B      | 70GB        | 128K   | बहुत उच्च गुणवत्ता          |
| Qwen2.5-72B          | 72B      | 150GB       | 128K   | **सर्वोत्तम गुणवत्ता**      |
| Qwen2.5-72B-Instruct | 72B      | 150GB       | 128K   | चैट/निर्देश के लिए समायोजित |

### विशेषीकृत संस्करण

| मॉडल                       | फोकस | किसके लिए सर्वोत्तम      | VRAM (FP16) |
| -------------------------- | ---- | ------------------------ | ----------- |
| Qwen2.5-Coder-7B-Instruct  | कोड  | प्रोग्रामिंग, डिबगिंग    | 16GB        |
| Qwen2.5-Coder-14B-Instruct | कोड  | जटिल कोड कार्य           | 32GB        |
| Qwen2.5-Coder-32B-Instruct | कोड  | **सर्वश्रेष्ठ कोड मॉडल** | 70GB        |
| Qwen2.5-Math-7B-Instruct   | गणित | गणनाएँ, प्रमाण           | 16GB        |
| Qwen2.5-Math-72B-Instruct  | गणित | शोध-स्तरीय गणित          | 150GB       |
| Qwen2.5-Instruct           | चैट  | सामान्य सहायक            | भिन्न       |

## हार्डवेयर आवश्यकताएँ

{% hint style="warning" %}
**Clore.ai marketplace पर multi-GPU 80GB-class rigs सूचीबद्ध नहीं हैं।** आज सूचीबद्ध सबसे बड़े boxes 4× RTX PRO 6000 Blackwell (प्रत्येक 96GB, कुल 380GB) और 8–11× RTX 5090 (प्रत्येक 32GB) हैं। A100 / H200 / B200 क्षमता [bare metal](https://clore.ai/bare-metal) के रूप में अनुरोध पर बेची जाती है। देखें [GPU मूल्य और उपलब्धता](/guides/guides_v2-hi/getting-started/pricing.md) किसी deployment का आकार तय करने से पहले।
{% endhint %}

| मॉडल      | न्यूनतम GPU   | अनुशंसित     | VRAM (Q4) |
| --------- | ------------- | ------------ | --------- |
| 0.5B-3B   | RTX 3060 12GB | RTX 3080     | 2-6GB     |
| 7B        | RTX 3090 24GB | RTX 4090     | 6GB       |
| 14B       | A100 40GB     | A100 80GB    | 12GB      |
| 32B       | A100 80GB     | 2x A100 40GB | 22GB      |
| 72B       | 2x A100 80GB  | 4x A100 80GB | 48GB      |
| Coder-32B | A100 80GB     | 2x A100 40GB | 22GB      |

## इंस्टॉलेशन

### vLLM का उपयोग (अनुशंसित)

```bash
pip install vllm==0.7.3

python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-7B-Instruct \
    --host 0.0.0.0 \\
    --port 8000
```

### Ollama का उपयोग

```bash
# मानक मॉडल
ollama pull qwen2.5:7b
ollama pull qwen2.5:14b
ollama pull qwen2.5:32b
ollama pull qwen2.5:72b       # नया: सबसे बड़ा Qwen2.5

# विशेषीकृत
ollama pull qwen2.5-coder:7b
ollama pull qwen2.5-coder:32b  # नया: सर्वश्रेष्ठ कोड मॉडल

# चैट चलाएँ
ollama run qwen2.5:7b
```

### Transformers का उपयोग

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "Qwen/Qwen2.5-7B-Instruct"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.float16,
    device_map="auto"
)

messages = [{"role": "user", "content": "Hello!"}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)

outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```

## API उपयोग

### OpenAI-संगत API

```python
from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="not-needed"
)

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-7B-Instruct",
    messages=[
        {"role": "system", "content": "आप एक सहायक सहायक हैं."},
        {"role": "user", "content": "Explain machine learning in simple terms."}
    ],
    temperature=0.7,
    max_tokens=500
)

print(response.choices[0].message.content)
```

### स्ट्रीमिंग

```python
stream = client.chat.completions.create(
    model="Qwen/Qwen2.5-7B-Instruct",
    messages=[{"role": "user", "content": "Write a poem about AI"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
```

### cURL

```bash
curl http://localhost:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "Qwen/Qwen2.5-7B-Instruct",
        "messages": [
            {"role": "user", "content": "Python क्या है?"}
        ]
    }'
```

## Qwen2.5-72B-Instruct

फ्लैगशिप Qwen2.5 मॉडल — परिवार में सबसे बड़ा और सबसे सक्षम। यह कई बेंचमार्क पर GPT-4 के बराबर या उससे बेहतर प्रदर्शन करता है और Apache 2.0 के तहत पूरी तरह ओपन-सोर्स है।

### vLLM के माध्यम से चलाना (मल्टी-GPU)

```bash
# 4x A100 80GB सेटअप
vllm serve Qwen/Qwen2.5-72B-Instruct \
    --host 0.0.0.0 \\
    --port 8000 \
    --tensor-parallel-size 4 \
    --max-model-len 32768 \\
    --gpu-memory-utilization 0.9

# AWQ क्वांटाइज़्ड — 2x A100 80GB पर चलता है
vllm serve Qwen/Qwen2.5-72B-Instruct-AWQ \
    --host 0.0.0.0 \\
    --port 8000 \
    --tensor-parallel-size 2 \\
    --quantization awq \\
    --max-model-len 32768
```

### Ollama के माध्यम से चलाना

```bash
# 72B मॉडल डाउनलोड करें (Q4 के लिए 48GB+ VRAM आवश्यक)
ollama pull qwen2.5:72b

# इंटरैक्टिव सत्र चलाएँ
ollama run qwen2.5:72b

# API एक्सेस
curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5:72b",
  "messages": [{"role": "user", "content": "Analyze this complex scenario..."}],
  "stream": false
}'
```

### Python उदाहरण

```python
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="not-needed")

# 72B मॉडल जटिल विश्लेषणात्मक कार्यों में उत्कृष्ट है
response = client.chat.completions.create(
    model="Qwen/Qwen2.5-72B-Instruct",
    messages=[
        {
            "role": "system",
            "content": "आप एक विशेषज्ञ विश्लेषक हैं। विस्तृत, सूक्ष्म प्रतिक्रियाएँ प्रदान करें."
        },
        {
            "role": "user",
            "content": """ट्रांसफॉर्मर और 
            सीक्वेंस मॉडलिंग के लिए state space models (SSMs) के बीच वास्तुशिल्प अंतर की तुलना करें। दक्षता से जुड़े समझौते शामिल करें."""
        }
    ],
    temperature=0.7,
    max_tokens=2000
)

print(response.choices[0].message.content)
```

## Qwen2.5-Coder-32B-Instruct

उपलब्ध सर्वश्रेष्ठ ओपन-सोर्स कोड मॉडल। Qwen2.5-Coder-32B-Instruct कई कोडिंग बेंचमार्क पर GPT-4o के बराबर या उससे बेहतर है, और 40+ प्रोग्रामिंग भाषाओं का समर्थन करता है।

### vLLM के माध्यम से चलाना

```bash
# एकल A100 80GB
vllm serve Qwen/Qwen2.5-Coder-32B-Instruct \
    --host 0.0.0.0 \\
    --port 8000 \
    --max-model-len 16384 \
    --gpu-memory-utilization 0.9

# डुअल RTX 4090 (प्रत्येक 24GB = कुल 48GB, Q4 क्वांटाइज़ेशन का उपयोग करके)
vllm serve Qwen/Qwen2.5-Coder-32B-Instruct-AWQ \
    --host 0.0.0.0 \\
    --port 8000 \
    --tensor-parallel-size 2 \\
    --quantization awq
```

### Ollama के माध्यम से चलाना

```bash
# Coder-32B डाउनलोड करें (Q4 के लिए ~22GB VRAM आवश्यक)
ollama pull qwen2.5-coder:32b

# चलाएँ
ollama run qwen2.5-coder:32b

# कोडिंग प्रॉम्प्ट के साथ परीक्षण करें
ollama run qwen2.5-coder:32b "Write a Python async web scraper using aiohttp"
```

### कोड जनरेशन उदाहरण

```python
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="not-needed")

# फुल-स्टैक कोड जनरेशन
response = client.chat.completions.create(
    model="Qwen/Qwen2.5-Coder-32B-Instruct",
    messages=[
        {
            "role": "system",
            "content": "आप एक विशेषज्ञ सॉफ्टवेयर इंजीनियर हैं। उचित त्रुटि प्रबंधन और दस्तावेज़ीकरण के साथ साफ़, प्रोडक्शन-रेडी कोड लिखें."
        },
        {
            "role": "user",
            "content": """एक Python FastAPI सेवा लिखें जो:
1. JSON बॉडी {"text": "...", "max_length": 150} के साथ POST /summarize स्वीकार करे
2. पाठ का सारांश बनाने के लिए स्थानीय Ollama इंस्टेंस का उपयोग करे
3. {"summary": "...", "original_length": N, "summary_length": N} लौटाए
4. उचित त्रुटि प्रबंधन, Pydantic के साथ इनपुट वैलिडेशन, और async समर्थन शामिल करे"""
        }
    ],
    temperature=0.1,  # कोड के लिए कम temperature
    max_tokens=3000
)

print(response.choices[0].message.content)
```

````python
# कोड समीक्षा और डिबगिंग
code_to_review = """
def find_duplicates(lst):
    seen = []
    duplicates = []
    for item in lst:
        if item in seen:
            duplicates.append(item)
        seen.append(item)
    return duplicates
"""

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-Coder-32B-Instruct",
    messages=[
        {
            "role": "user",
            "content": f"प्रदर्शन समस्याओं के लिए इस Python कोड की समीक्षा करें और सुधार सुझाएँ:\n\n```python\n{code_to_review}\n```"
        }
    ],
    temperature=0.3
)

print(response.choices[0].message.content)
````

## Qwen2.5-Coder

कोड जनरेशन के लिए अनुकूलित:

```bash
# vLLM का उपयोग
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-Coder-7B-Instruct \
    --host 0.0.0.0

# Ollama का उपयोग
ollama run qwen2.5-coder:7b
```

```python
prompt = """एक Python फ़ंक्शन लिखें जो:
1. संख्याओं की एक सूची ले
2. मध्यिका मान लौटाए
3. खाली सूचियों को सहजता से संभाले
टाइप हिंट्स और docstrings शामिल करें."""

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-Coder-7B-Instruct",
    messages=[{"role": "user", "content": prompt}],
    temperature=0.2
)

print(response.choices[0].message.content)
```

## Qwen2.5-Math

गणितीय तर्क के लिए विशेषीकृत:

```bash
# vLLM का उपयोग
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-Math-7B-Instruct \
    --host 0.0.0.0
```

```python
prompt = """चरण-दर-चरण हल करें:
x के वे सभी मान ज्ञात करें जहाँ: x^3 - 6x^2 + 11x - 6 = 0"""

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-Math-7B-Instruct",
    messages=[{"role": "user", "content": prompt}],
    temperature=0.1
)

print(response.choices[0].message.content)
```

## बहुभाषी समर्थन

Qwen2.5 29 भाषाओं का समर्थन करता है:

```python
# चीनी
response = client.chat.completions.create(
    model="Qwen/Qwen2.5-7B-Instruct",
    messages=[{"role": "user", "content": "用中文解释什么是人工智能"}]
)

# जापानी
response = client.chat.completions.create(
    model="Qwen/Qwen2.5-7B-Instruct",
    messages=[{"role": "user", "content": "人工知能について日本語で説明してください"}]
)

# कोरियाई
response = client.chat.completions.create(
    model="Qwen/Qwen2.5-7B-Instruct",
    messages=[{"role": "user", "content": "인공지능에 대해 한국어로 설명해주세요"}]
)
```

## लंबा संदर्भ (128K)

```python
# एक लंबा दस्तावेज़ पढ़ें
with open("long_document.txt", "r") as f:
    document = f.read()

response = client.chat.completions.create(
    model="Qwen/Qwen2.5-7B-Instruct",
    messages=[
        {"role": "user", "content": f"इस दस्तावेज़ का सारांश दें:\n\n{document}"}
    ],
    max_tokens=2000
)
```

## क्वांटाइज़ेशन

### Ollama के साथ GGUF

```bash
# 4-बिट क्वांटाइज़्ड
ollama pull qwen2.5:7b-instruct-q4_K_M
ollama pull qwen2.5:72b-instruct-q4_K_M   # 4-बिट में 72B (~48GB)

# 8-बिट क्वांटाइज़्ड
ollama pull qwen2.5:7b-instruct-q8_0

# Coder संस्करण
ollama pull qwen2.5-coder:32b-instruct-q4_K_M
```

### vLLM के साथ AWQ

```bash
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-72B-Instruct-AWQ \
    --quantization awq \\
    --tensor-parallel-size 2
```

### llama.cpp के साथ GGUF

```bash
# GGUF डाउनलोड करें
wget https://huggingface.co/Qwen/Qwen2.5-7B-Instruct-GGUF/resolve/main/qwen2.5-7b-instruct-q4_k_m.gguf

# सर्वर चलाएँ
./llama-server -m qwen2.5-7b-instruct-q4_k_m.gguf \
    --host 0.0.0.0 \\
    --port 8080 \\
    -ngl 35
```

## मल्टी-GPU सेटअप

### टेंसर पैरललिज़्म

```bash
# 4 GPUs पर 72B
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-72B-Instruct \
    --tensor-parallel-size 4 \
    --max-model-len 32768

# 2 GPUs पर 32B
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-32B-Instruct \
    --tensor-parallel-size 2

# 2 GPUs पर Coder-32B
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-Coder-32B-Instruct \
    --tensor-parallel-size 2 \\
    --max-model-len 16384
```

## प्रदर्शन

### थ्रूपुट (टोकन/सेकंड)

| मॉडल              | RTX 3090 | RTX 4090 | A100 40GB | A100 80GB |
| ----------------- | -------- | -------- | --------- | --------- |
| Qwen2.5-0.5B      | 250      | 320      | 380       | 400       |
| Qwen2.5-3B        | 150      | 200      | 250       | 280       |
| Qwen2.5-7B        | 75       | 100      | 130       | 150       |
| Qwen2.5-7B Q4     | 110      | 140      | 180       | 200       |
| Qwen2.5-14B       | -        | 55       | 70        | 85        |
| Qwen2.5-32B       | -        | -        | 35        | 50        |
| Qwen2.5-72B       | -        | -        | 20 (2x)   | 40 (2x)   |
| Qwen2.5-72B Q4    | -        | -        | -         | 55 (2x)   |
| Qwen2.5-Coder-32B | -        | -        | 32        | 48        |

### पहले टोकन तक का समय (TTFT)

| मॉडल | RTX 4090 | A100 40GB  | A100 80GB  |
| ---- | -------- | ---------- | ---------- |
| 7B   | 60ms     | 40ms       | 35ms       |
| 14B  | 120ms    | 80ms       | 60ms       |
| 32B  | -        | 200ms      | 140ms      |
| 72B  | -        | 400ms (2x) | 280ms (2x) |

### संदर्भ लंबाई बनाम VRAM (7B)

| संदर्भ | FP16 | Q8   | Q4   |
| ------ | ---- | ---- | ---- |
| 8K     | 16GB | 10GB | 6GB  |
| 32K    | 24GB | 16GB | 10GB |
| 64K    | 40GB | 26GB | 16GB |
| 128K   | 72GB | 48GB | 28GB |

## बेंचमार्क

| मॉडल              | MMLU  | HumanEval | GSM8K | MATH  | LiveCodeBench |
| ----------------- | ----- | --------- | ----- | ----- | ------------- |
| Qwen2.5-7B        | 74.2% | 75.6%     | 85.4% | 55.2% | 42.1%         |
| Qwen2.5-14B       | 79.7% | 81.1%     | 89.5% | 65.8% | 51.3%         |
| Qwen2.5-32B       | 83.3% | 84.2%     | 91.2% | 72.1% | 60.7%         |
| Qwen2.5-72B       | 86.1% | 86.2%     | 93.2% | 79.5% | 67.4%         |
| Qwen2.5-Coder-7B  | 72.8% | 88.4%     | 86.1% | 58.4% | 64.2%         |
| Qwen2.5-Coder-32B | 83.1% | **92.7%** | 92.3% | 76.8% | **78.5%**     |

## Docker Compose

```yaml
version: '3.8'

services:
  qwen:
    image: vllm/vllm-openai:latest
    ports:
      - "8000:8000"
    volumes:
      - ~/.cache/huggingface:/root/.cache/huggingface
    command: >
      --model Qwen/Qwen2.5-7B-Instruct
      --host 0.0.0.0
      --port 8000
      --gpu-memory-utilization 0.9
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
```

## लागत का अनुमान

CLORE.AI मार्केटप्लेस की सामान्य दरें:

| GPU           | प्रति घंटा दर | किसके लिए सर्वोत्तम |
| ------------- | ------------- | ------------------- |
| RTX 3090 24GB | \~$0.06       | 7B मॉडल             |
| RTX 4090 24GB | \~$0.10       | 7B-14B मॉडल         |
| A100 40GB     | \~$0.17       | 14B-32B मॉडल        |
| A100 80GB     | \~$0.25       | 32B मॉडल, Coder-32B |
| 2x A100 80GB  | \~$0.50       | 72B मॉडल            |
| 4x A100 80GB  | \~$1.00       | 72B अधिकतम संदर्भ   |

*कीमतें प्रदाता के अनुसार बदलती हैं। देखें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

**पैसे बचाएँ:**

* उपयोग करें **स्पॉट** लचीले कार्यभार के लिए बाज़ार
* से भुगतान करें **CLORE** टोकन
* परीक्षण के लिए छोटे मॉडल (7B) से शुरू करें

## समस्या निवारण

### मेमोरी समाप्त

```bash
# संदर्भ घटाएँ
--max-model-len 8192

# मेमोरी अनुकूलन सक्षम करें
--gpu-memory-utilization 0.85

# क्वांटाइज़्ड मॉडल का उपयोग करें
ollama pull qwen2.5:7b-instruct-q4_K_M
```

### धीमी जनरेशन

```bash
# फ्लैश अटेंशन सक्षम करें
pip install flash-attn

# बेहतर थ्रूपुट के लिए vLLM का उपयोग करें
python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-7B-Instruct \
    --enable-prefix-caching
```

### चीनी अक्षरों का प्रदर्शन

```python
# UTF-8 एन्कोडिंग सुनिश्चित करें
import sys
sys.stdout.reconfigure(encoding='utf-8')
```

### मॉडल नहीं मिला

```bash
# मॉडल नाम जाँचें
huggingface-cli search Qwen/Qwen2.5

# सामान्य नाम:
# Qwen/Qwen2.5-7B-Instruct
# Qwen/Qwen2.5-72B-Instruct       ← नया
# Qwen/Qwen2.5-Coder-7B-Instruct
# Qwen/Qwen2.5-Coder-32B-Instruct ← नया
# Qwen/Qwen2.5-Math-7B-Instruct
```

## Qwen2.5 बनाम अन्य

| विशेषता | Qwen2.5-7B | Qwen2.5-72B | Llama 3.1 70B | GPT-4o        |
| ------- | ---------- | ----------- | ------------- | ------------- |
| संदर्भ  | 128K       | 128K        | 128K          | 128K          |
| बहुभाषी | उत्कृष्ट   | उत्कृष्ट    | अच्छा         | उत्कृष्ट      |
| कोड     | उत्कृष्ट   | उत्कृष्ट    | अच्छा         | उत्कृष्ट      |
| गणित    | उत्कृष्ट   | उत्कृष्ट    | अच्छा         | उत्कृष्ट      |
| चीनी    | उत्कृष्ट   | उत्कृष्ट    | खराब          | अच्छा         |
| लाइसेंस | Apache 2.0 | Apache 2.0  | Llama 3.1     | स्वामित्वाधीन |
| लागत    | मुफ़्त     | मुफ़्त      | मुफ़्त        | भुगतानित API  |

**Qwen2.5 का उपयोग करें जब:**

* चीनी भाषा समर्थन की आवश्यकता हो
* गणित/कोड कार्य प्राथमिकता हों
* लंबा संदर्भ आवश्यक हो
* Apache 2.0 लाइसेंस चाहिए
* सर्वश्रेष्ठ ओपन-सोर्स कोड मॉडल (Coder-32B) चाहिए

## अगले चरण

* [vLLM](/guides/guides_v2-hi/language-models/vllm.md) - प्रोडक्शन परिनियोजन
* [Ollama](/guides/guides_v2-hi/language-models/ollama.md) - आसान स्थानीय सेटअप
* [DeepSeek-V3](/guides/guides_v2-hi/language-models/deepseek-v3.md) - बड़ा रीजनिंग मॉडल
* [DeepSeek-R1](/guides/guides_v2-hi/language-models/deepseek-r1.md) - ओपन-सोर्स रीजनिंग मॉडल
* [LLM को फाइन-ट्यून करें](/guides/guides_v2-hi/training/finetune-llm.md) - कस्टम प्रशिक्षण


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/language-models/qwen25.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.