---
title: Qingnang-72B
canonical_url: "https://www.modelscope.cn/models/MedFlow/Qingnang-72B"
md_url: "https://www.modelscope.cn/models/MedFlow/Qingnang-72B.md"
repository: MedFlow/Qingnang-72B
last_updated: 2025-03-31
license: "Apache License 2.0"
pipeline_tag: text-generation
tasks:
  - text-generation
model_type:
  - qwen2
architectures:
  - Qwen2ForCausalLM
parameters: 72.7B
tensor_type:
  - BF16
library_name:
  - safetensors
  - pytorch
frameworks:
  - Pytorch
inference_backends:
  - "deploy_task text/emb"
  - "lmdeploy 0.9.1"
  - "lmdeploy_turbomind 0.9.1"
  - "sglang 0.5.2"
  - "vllm 0.9.2"
downloads: 73
stars: 0
---

# Qingnang-72B

> Qingnang-72B - MedFlow 在 ModelScope 开源的模型。以qwen2.5-72b-instruct为基座模型，通过sft微调得到Qingnang-72B。

MedFlow/Qingnang-72B 是 ModelScope 魔搭社区上的 72.7B 参数text-generation模型，采用 Apache License 2.0 许可，可用 deploy_task text/emb、lmdeploy 0.9.1、lmdeploy_turbomind 0.9.1 部署。

- **Repository**: MedFlow/Qingnang-72B
- **License**: Apache License 2.0
- **Tasks**: text-generation
- **Parameters**: 72.7B
- **Inference backends**: deploy_task text/emb, lmdeploy 0.9.1, lmdeploy_turbomind 0.9.1, sglang 0.5.2, vllm 0.9.2
- **Downloads**: 73
- **Stars**: 0
- **Last updated**: 2025-03-31

Source: https://www.modelscope.cn/models/MedFlow/Qingnang-72B

---

# Qingnang-72B

## Introduction

以qwen2.5-72b-instruct为基座模型，通过sft微调得到Qingnang-72B。

经我们测试，Qingnang-72B在医疗问答、医学诊断等方面优于glm4-9b-chat、llama3.1-8b-instruct等模型

推荐使用配套青囊慧诊全流程AI医疗框架 https://github.com/MedFlow2025/medflow

训练过程中，我们收集了800多万条中文医疗QA类数据，另外经过清洗、标注，并由GPT4o、Deepseek生成和过滤，形成了预问诊、诊断、开药任务特定数据10万条。数据生成及筛选过程流程如图1所示。

![数据生成及筛选](dataprocess.png)

图1

## Notice

1.我们的模型是基于qwen2.5-72b-instruct构建的，请遵守相关许可

2.使用本模型需遵循 [Apache 2.0] 开源协议(./LICENSE)，支持商用，不需要申请授权，请您了解并遵循，勿将开源模型及衍生物用于任何可能给国家和社会带来危害的用途以及用于任何未经过安全评估和备案的服务。

3.尽管模型在训练时我们已采取措施尽力确保数据的合规性和准确性，但模型参数量巨大且受概率随机性因素影响，我们无法保证输出内容的准确性，且模型易被输入指令所误导，本项目不承担开源模型和代码导致的数据安全、舆情风险或发生任何模型被误导、滥用、传播、不当利用而产生的风险和责任。**您将对通过使用、复制、分发和修改模型等方式利用该开源项目所产生的风险与后果，独自承担全部责任。**