• 大模型
• 人工智能
• 基础模型

Qwen3-1.7B_rai_1.8.0_medusa_1.0_npu 是一个面向 NPU 部署优化的轻量级大语言模型权重仓库。本文将手把手教你用Git Clone和ModelScope SDK两种下载方式，5 分钟获取完整的模型权重文件，适合刚接触大模型下载的新手。

先认识这个模型：名字里藏着什么信息？

在开始下载前，花 30 秒看懂仓库名 Qwen3-1.7B_rai_1.8.0_medusa_1.0_npu 的含义，有助于判断它是否适合你的场景：

💡 1.7B 级别的模型对硬件要求不高，配合 Medusa 加速机制，非常适合端侧、边缘设备及 NPU 平台做本地化部署测试。模型卡片说明详见 README.md。

方式一：Git Clone 一行命令下载模型权重

这是最省心的方式，适合所有熟悉git基本操作的用户。

第 1 步：安装 git-lfs（重要）

模型权重属于大文件，通常通过 Git LFS 存储。如果本机没装 git-lfs，clone 下来只会得到一堆小文件指针，务必先安装：

# Ubuntu / Debian sudo apt-get install git-lfs # macOS brew install git-lfs # 初始化 git lfs install

第 2 步：克隆模型仓库

git clone https://gitcode.com/hf_mirrors/amd/Qwen3-1.7B_rai_1.8.0_medusa_1.0_npu

第 3 步：确认权重已落地

ls -lh Qwen3-1.7B_rai_1.8.0_medusa_1.0_npu

进入目录后，应能看到config.json、*.safetensors等模型配置文件与权重文件，即表示下载成功 ✅

⚠️ 小贴士：如果 clone 后发现文件只有几百字节，说明没走 LFS，执行git lfs pull补齐即可。

方式二：ModelScope SDK 下载模型权重

SDK 方式自带断点续传和自动校验，网络不稳定或权重较大时更可靠。

第 1 步：安装 ModelScope

pip install modelscope

第 2 步：用 snapshot_download 拉取模型

from modelscope import snapshot_download model_dir = snapshot_download('amd/Qwen3-1.7B_rai_1.8.0_medusa_1.0_npu') print(model_dir) # 打印模型在本地的保存路径

snapshot_download常用参数说明：

• cache_dir：自定义缓存目录，磁盘紧张时建议指到大容量盘
• local_dir：直接下载到指定目录，跳过缓存结构

下载完成后，model_dir指向的路径里就是可直接加载的完整模型权重。

两种方式怎么选？一张表看懂

📌 新手建议：先用 Git Clone 快速跑通；正式部署前改用 ModelScope SDK 保证可靠性。

常见问题排查

1. 磁盘要预留多大空间？

1.7B 参数模型权重（BF16 精度）约 3.5GB，加上 Medusa 额外解码头，建议预留8GB 以上可用空间。

2. 下载速度慢怎么办？

• Git 方式可加浅克隆参数减少历史数据：git clone --depth 1 <仓库地址>
• SDK 方式中断后重新执行snapshot_download会自动续传已下载的文件

3. 下载后如何验证权重可用？

加载配置即可快速自检：

from transformers import AutoConfig config = AutoConfig.from_pretrained(model_dir) print(config.model_type)

能正常打印配置信息，说明权重文件完整、路径正确。

总结

本文介绍了 Qwen3-1.7B_rai_1.8.0_medusa_1.0_npu 模型权重的两种主流下载方式：

• Git Clone：一行命令，最快上手，记得先装 git-lfs
• ModelScope SDK：snapshot_download稳定可靠，支持断点续传

掌握这两种方法后，无论是本地实验还是 NPU 部署，都能在半小时内完成从"拿到权重"到"成功加载"的全流程。

• 大模型
• 人工智能
• 基础模型