10分钟私有部署QwQ-32B模型，像购买Ecs实例一样快捷_qwen3-32b在4卡4090上运行每秒能出多少token,支持多少并发-优快云博客

本文链接：https://blog.youkuaiyun.com/AliCloudROS/article/details/146977982

背景

随着大模型技术的快速发展，开源大模型在自然语言处理、代码生成等领域的应用日益广泛。QwQ-32B作为全球领先的开源大模型，以卓越的性能和广泛的应用场景吸引了众多开发者和企业的关注。
在这里插入图片描述

然而，企业用户部署私有QwQ-32B模型服务是比较繁琐的。虽然阿里云提供了基于 IaaS 部署 QwQ-32B 模型的方式，但传统的基于IaaS的部署方式需要用户自行配置环境、安装依赖、优化硬件资源，并解决复杂的网络与存储问题，整个流程不仅耗时耗力，还容易因操作失误导致各种不可预见的问题。

因此，阿里云计算巢提供了基于ECS镜像与VLLM的大模型一键部署方案，通过ECS镜像打包标准环境，通过Ros模版实现云资源与大模型的一键部署，用户无需关心模型部署运行的标准环境与底层云资源编排，10分钟即可部署使用QwQ-32B模型，15分钟即可部署使用Deepseek-R1-70B模型。

部署说明

本服务通过ECS镜像打包标准环境，通过Ros模版实现云资源与大模型的一键部署，开发者无需关心模型部署运行的标准环境与底层云资源编排，仅需添加几个参数即可享受主流LLM（如Qwen、DeepSeek等）的推理体验。
本服务提供的方案下，以平均每次请求的token为10kb计算，采用4张A10卡的服务实例规格，QwQ-32B理论可支持的每秒并发请求数(QPS)约为13.1；采用8张A10卡的服务实例规格，QwQ-32B理论可支持的每秒并发请求数约为24.1，Deepseek-R1-70B约为9.5。

整体架构

部署流程

单击部署链接。根据界面提示填写参数，可根据需求选择是否开启公网，可以看到对应询价明细，确认参数后点击下一步：确认订单。
点击下一步：确认订单后可以看到价格预览，随后可点击立即部署，等待部署完成。(提示RAM权限不足时需要为子账号添加RAM权限)
等待部署完成后，就可以开始使用服务了。点击服务实例名称，进入服务实例详情，使用Api调用示例即可访问服务。如果是内网访问，需保证ECS实例在同一个VPC下。
ssh访问ECS实例后，执行 docker logs vllm 即可查询模型服务部署日志。当您看到下图所示结果时，表示模型服务部署成功。模型所在路径为/root/llm_model/${ModelName}。