InternLM中文书生浦语推理开源模型

InternLM3 Thinking 3 Thinking

InternLM3 Thinking系列 · 上海人工智能实验室 · 2025-10发布

开源支持本地部署国内可直连有免费额度长上下文代码专用

🔗 官方体验地址 → 📄 API文档地址 → 📥 模型下载地址 →

模型介绍

书生浦语 InternLM3 思考版，原生思维链推理，1M 长上下文，工具调用强，中文开源模型的代表性新作之一。

模型基础信息

模型系列InternLM3 Thinking系列

开发机构上海人工智能实验室

发布时间2025-10

参数规模8B / 20B

上下文窗口1M

模型类型文本

中文能力优秀

使用方式网页体验 / API调用 / 本地部署

免费额度与收费政策

开源免费

免费规则详情

Apache-2.0 自由商用。

收费标准简介

本地零成本。

模型能力介绍

✅ 核心优势

深度推理
1M 上下文
中文
工具调用

⚠️ 短板与局限

显存需求随模型增大

🎯 适用场景

gent
长文档
数学
中文

模型使用教程

本章节整理 InternLM3 Thinking 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。

本地体验：ollama run internlm3-thinking 或 Transformers / vLLM 加载。
云端：HF 托管模型可在线体验。

ollama run internlm3-thinking "用中文介绍一下InternLM3 Thinking"

HF_ENDPOINT=https://hf-mirror.com huggingface-cli download 上海人工智能实验室/InternLM3 Thinking --local-dir ./internlm3-thinking

或 ModelScope 国内直连下载。

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained('上海人工智能实验室/InternLM3 Thinking')
tok = AutoTokenizer.from_pretrained('上海人工智能实验室/InternLM3 Thinking')
code = tok.apply_chat_template([{'role':'user','content':'你好'}], tokenize=False)
print(model.generate(**tok(code, return_tensors='pt')))

InternLM3 Thinking 是书生浦语原生推理版（8B/20B），1M 长上下文，工具调用强，国产中文开源首选之一。

LMDeploy 部署（官方推荐）：

pip install lmdeploy && lmdeploy serve internlm/internlm3-thinking-8b-instruct

vLLM：

pip install vllm && vllm serve internlm/internlm3-thinking-8b-instruct --port 8000

transformers 加载：

python -c "from transformers import AutoModelForCausalLM; AutoModelForCausalLM.from_pretrained('internlm/internlm3-thinking-8b-instruct', device_map='auto')"

Tips：8B 量化后 8GB 可跑；配 Lagent 做 Agent 效果更好。

💡 使用小技巧

配 Lagent 生态更佳。

❓ 常见问题 FAQ

Q1：Thinking 版特点？\nA1：原生推理链路。

访问备注与注意事项

hf-mirror 可下