部署大模型太慢太贵？那是你没试过vLLM！Qwen从零部署实战，速度提升太明显！

环境准备：基于某云的云主机配置（RTX 4090），测试基本上够用了，而且比较实惠，可以按小时、天、月租用硬件；安装vLLM：在安装vLLM时有个坑，就是基于默认的配置，在启动大模型时报一个错，一直启动失败，后来版本降到0.7.3时才解决；下载大模型：根据实际需要下载不同公司不同的尺寸的大模型，在些为了快速测试，我选用了阿里的千问3大模型 0.6b，不过，大概也要30分钟左右，要看具体网络环境了；

Python_金钱豹

544人浏览 · 2025-12-30 16:09:46

Python_金钱豹 · 2025-12-30 16:09:46 发布

在人工智能技术飞速发展的今天，大型语言模型(LLM)已成为技术创新的核心驱动力。

本文将手把手教你使用高性能推理引擎vLLM部署Qwen大模型，并提供Python和Java两种语言的实现代码，帮助不同技术背景的开发者快速上手。

一、环境准备：硬件与软件配置

1.1 推荐硬件配置

我们使用的云主机配置如下（可根据预算调整）：

配置项	参数	最低要求
GPU类型	RTX 4090 [24G]	RTX 3090 [24G]
GPU数量	1	1
CPU核数	8核	4核
内存	15GB	8GB
系统盘	200GB	100GB
带宽	32Mbps	10Mbps

二、搭建vLLM推理环境

2.1 创建Python虚拟环境

conda create -n vllm python=3.12.7 conda activate vllm
```![](http://cdn.zhipoai.cn/835f4366.jpg)

### 2.2 安装vLLM引擎

```plaintext
pip install --upgrade pip pip install vllm==0.7.3 # 约20分钟

验证安装：

pip show vllm

三、模型部署实战

3.1 下载Qwen模型

mkdir -p /data/models/Qwen/Qwen3 && cd /data/models/Qwen/Qwen3modelscope download --model Qwen/Qwen3-0.6B --local_dir /data/models/Qwen/Qwen3

3.2 启动API服务

CUDA_VISIBLE_DEVICES=0 nohup python3 -m vllm.entrypoints.openai.api_server --model /data/models/Qwen/Qwen3 --served-model-name=Qwen3-0.6B --dtype=bfloat16 --trust-remote-code --device=cuda --max-model-len=1024 --tensor-parallel-size=1 --gpu-memory-utilization=0.85 --enable-reasoning --reasoning-parser deepseek_r1 --port 8801 --api-key token-123456 &

3.3 服务验证

curl 调用：

curl http://js2.blockelite.cn:8801/v1/models -H "Authorization: Bearer token-123456"

Python调用：

import requests url = "http://js2.blockelite.cn:13789/v1/models" headers = {"Authorization": "Bearer token-123456"} response = requests.get(url, headers=headers) print(response.json())

Java调用：

@Bean  public RestTemplate restTemplate() {      RestTemplate template = new RestTemplate();      template.getInterceptors().add((request, body, execution) -> {          request.getHeaders().add("Authorization", "Bearer token-123456");          return execution.execute(request, body);      });      return template;  }@GetMapping(path = "/qwen/chat", produces = "application/json;charset=UTF-8")  public Map<String, Object> qwenChat() {      returnthis.restTemplate.postForObject("http://js2.blockelite.cn:13789/v1/models", Map.class);  }

四、模型交互实现

4.1 基础对话功能

PostMan 调用：

Python调用：

from openai import OpenAI client = OpenAI( base_url="http://js2.blockelite.cn:8801/v1",  api_key="token-123456" ) response = client.chat.completions.create(  model="Qwen3-0.6B",  messages=[  { "role": "system", "content": "你出身在一个中医世家，你也是一位德高望重的老中医"},  { "role": "user", "content": "我最近睡眠不好，你能给我一些建议吗?"} ] ) print(response.choices[0].message.content)

Java调用：

@Bean  public RestTemplate restTemplate() {      RestTemplate template = new RestTemplate();      template.getInterceptors().add((request, body, execution) -> {          request.getHeaders().add("Authorization", "Bearer token-123456");          return execution.execute(request, body);      });      return template;  }@PostMapping(path = "/qwen/chat", produces = "application/json;charset=UTF-8")  public Map<String, Object> qwenChat(@RequestBody UserMessageDTO dto) {      ModelChatEntity modelEntity = new ModelChatEntity().setModel("Qwen3-0.6B");      modelEntity.getMessages().add(new ModelChatEntity.Message().setRole("system").setContent("你出身在一个中医世家，你也是一位德高望重的老中医"));      modelEntity.getMessages().add(new ModelChatEntity.Message().setRole("user").setContent("我最近睡眠不好，你能给我一些建议吗?"));      returnthis.restTemplate.postForObject("http://js2.blockelite.cn:13789/v1/chat/completions", modelEntity, Map.class);  }

五、总结

环境准备：基于某云的云主机配置（RTX 4090），测试基本上够用了，而且比较实惠，可以按小时、天、月租用硬件；
安装 vLLM：在安装vLLM时有个坑，就是基于默认的配置，在启动大模型时报一个错，一直启动失败，后来版本降到0.7.3时才解决；
下载大模型：根据实际需要下载不同公司不同的尺寸的大模型，在些为了快速测试，我选用了阿里的千问3大模型 0.6b，不过，大概也要30分钟左右，要看具体网络环境了；
调用大模型：主要使用了Java写了调用示例，为了测试简单选用了Spring MVC的RestTemplate，当然，Spring也顺应形势，快速添加了Spring AI子项目，生产环境建议采用。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述