【小白教程】手把手教你从零部署Qwen大模型：vLLM实战指南，看到就是赚到！！

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。

【小白教程】手把手教你从零部署Qwen大模型：vLLM实战指南，看到就是赚到！！

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

conda create -n vllm python=3.12.7 conda activate vllm

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

验证安装：

pip show vllm

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

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- &

curl 调用：

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

Python调用：

import requests  url = "http://js2.blockelite.cn:13789/v1/models" headers = {"Authorization": "Bearer token-"} 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-"); 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); }

PostMan 调用：

Python调用：

from openai import OpenAI client = OpenAI( base_url="http://js2.blockelite.cn:8801/v1", api_key="token-" ) 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-"); 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); }

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。

感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。

为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。

这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。

这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。

yyds！全网独一份的AI大模型学习教程资源！！

为了成为更好的 AI大模型开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。