> 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 GPU पर Alibaba के Qwen2.5 मॉडल परिवार चलाएँ - शक्तिशाली बहुभाषी LLMs जिनमें उत्कृष्ट कोड और गणित क्षमताएँ हैं।

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

## क्यों Qwen2.5?

* **विविध आकार** - 0.5B से 72B पैरामीटर
* **बहुभाषी** - चीनी सहित 29 भाषाएँ
* **लंबा संदर्भ** - 128K टोकन तक
* **विशेषीकृत वेरिएंट** - Coder, Math संस्करण
* **ओपन सोर्स** - Apache 2.0 लाइसेंस

## CLORE.AI पर त्वरित डिप्लॉय

**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 खोजें `http_pub` URL में **मेरे ऑर्डर**:

1. जाएँ **मेरे ऑर्डर** पृष्ठ
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 उदाहरणों में।

### जांचें 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 सोचने की प्रक्रिया को `<think>` टैग में दिखाता है।
{% endhint %}

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

```json
{
  "content": "<think>\nLet me think about this step by step...\n</think>\n\nThe answer is..."
}
```

रीजनिंग के साथ Qwen3 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/इन्स्ट्रक्ट ट्यून किया गया |

### विशेषीकृत वेरिएंट्स

| मॉडल                       | फोकस | उत्तम हेतु               | VRAM (FP16) |
| -------------------------- | ---- | ------------------------ | ----------- |
| Qwen2.5-Coder-7B-Instruct  | कोड  | प्रोग्रामिंग, डीबगिंग    | 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, प्रमेय           | 16GB        |
| Qwen2.5-Math-72B-Instruct  | गणित | रिसर्च-ग्रेड गणित        | 150GB       |
| Qwen2.5-Instruct           | चैट  | सामान्य सहायक            | भिन्नता     |

## हार्डवेयर आवश्यकताएँ

| 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 करना

```bash
# स्टैंडर्ड 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 करना

```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-समकक्ष 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": "You are a helpful assistant."},
        {"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": "AI के बारे में एक कविता लिखो"}],
    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": "What is Python?"}
        ]
    }'
```

## Qwen2.5-72B-Instruct

फ्लैगशिप Qwen2.5 मॉडल — परिवार में सबसे बड़ा और सबसे सक्षम। यह कई बेंचमार्क पर GPT-4 से प्रतिस्पर्धा करता है और Apache 2.0 के अंतर्गत पूर्ण रूप से ओपन-सोर्स है।

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

```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 पुल करें (Q4 के लिए 48GB+ VRAM चाहिए)
ollama pull qwen2.5:72b

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

# API पहुँच
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 प्रदर्शन करता है
response = client.chat.completions.create(
    model="Qwen/Qwen2.5-72B-Instruct",
    messages=[
        {
            "role": "system",
            "content": "आप एक विशेषज्ञ विश्लेषक हैं। विस्तृत, सूक्ष्म उत्तर प्रदान करें।"
        },
        {
            "role": "user",
            "content": """Compare the architectural differences between transformer and 
            state space models (SSMs) for sequence modeling. Include efficiency tradeoffs."""
        }
    ],
    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 से मेल खाता है या उससे बेहतर है, और 40+ प्रोग्रामिंग भाषाओं का समर्थन करता है।

### vLLM के माध्यम से चलाना

```bash
# सिंगल 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)
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 पुल करें (Q4 के लिए ~22GB VRAM चाहिए)
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 हैंडलिंग और दस्तावेज़ीकरण के साथ साफ और प्रोडक्शन-रेडी कोड लिखें।"
        },
        {
            "role": "user",
            "content": """Write a Python FastAPI service that:
1. Accepts POST /summarize with JSON body {"text": "...", "max_length": 150}
2. Uses a local Ollama instance to summarize the text
3. Returns {"summary": "...", "original_length": N, "summary_length": N}
4. Includes proper error handling, input validation with Pydantic, and async support"""
        }
    ],
    temperature=0.1,  # कोड के लिए कम तापमान
    max_tokens=3000
)

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

````python
# कोड समीक्षा और डीबगिंग
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"Review this Python code for performance issues and suggest improvements:\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 = """Write a Python function that:
1. संख्या की सूची लेता है
2. Returns the median value
3. Handles empty lists gracefully
Include type hints and docstrings."""

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 = """Solve step by step:
Find all values of x where: 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"}]
)

# कोरियन
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"Summarize this document:\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   # 72B इन 4-बिट (~48GB)

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

# Coder वेरिएंट्स
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
```

### GGUF के साथ llama.cpp

```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 पैरालेलिज़्म

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

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

# Coder-32B 2 GPUs पर
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 |

## बेंचमार्क्स

| मॉडल              | MMLU  | HumanEval | GSM8K | गणित  | 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 अनुमान

सामान्य CLORE.AI मार्केटप्लेस दरें:

| GPU           | घंटात्मक दर | उत्तम हेतु          |
| ------------- | ----------- | ------------------- |
| RTX 3090 24GB | \~$0.06     | 7B मॉडल्स           |
| 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 विभिन्न होती हैं। जाँच करें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

**पैसे बचाएँ:**

* उपयोग करें **स्पॉट** लचीले वर्कलोड के लिए बाजार
* भुगतान करें **CLORE** टोकन के साथ
* परीक्षण के लिए छोटे मॉडलों (7B) से शुरू करें

## समस्याओं का निवारण

### आउट ऑफ़ मेमोरी

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

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

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

### धीमा 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 अक्षर प्रदर्शन

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

### मॉडल नहीं मिला

```bash
# मॉडल नाम जांचें
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

| फ़ीचर   | 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     | प्रोप्रायटरी |
| लागत    | मुफ्त      | मुफ्त       | मुफ्त         | पेड API      |

**Qwen2.5 का उपयोग तब करें जब:**

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

## अगले कदम

* [vLLM](/guides/guides_v2-hi/language-models/vllm.md) - प्रोडक्शन परिनियोजन
* [Ollama](/guides/guides_v2-hi/language-models/ollama.md) - आसान लोकल 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.