加速卡: K100-AI
dtk: 25.04
驱动版本:rock rock-6.3.8-1.9.2-1.x86_64
容器名称: vllm0.8.4-ubuntu22.04-dtk25.04-rc7-das1.5-py3.10-20250429-dev-qwen3-only
vllm启动参数: # 启动
python3 -m vllm.entrypoints.openai.api_server
--host 0.0.0.0
--port 9000
--served-model-name Qwen3-32B
--model /models/Qwen/Qwen3-32B
--tensor-parallel-size 4
--max_model_len 32768
--enforce-eager
问题:
vllm server参数并没有--enable_reasoning, 但是总是有推理过程,如何关掉推理过程?, 只有promt中加 /no_think吗, 如何实现模型启动默认是非推理模式呢.

暂无数据
#要完全禁用思考,您可以在启动模型时使用自定义聊天模板:
--chat-template ./qwen3_nonthinking.jinja可以通过环境变量控制流式输出,
创建一个test.py脚本,内容如下
import os
import subprocess
# 设置环境变量禁用流式输出
os.environ["VLLM_DISABLE_STREAMING"] = "1"
# 启动vLLM服务器
subprocess.run([
"python3",
"-m",
"vllm.entrypoints.openai.api_server",
"--served-model-name", "Qwen3-32B",
"--model", "/models/Qwen/Qwen3-32B",
"--host", "0.0.0.0",
"--port", "8000",
"--tensor-parallel-size", "4",
"--max_model_len", "32768",
"--enforce-eager",
])
然后运行python3 test.py