---
title: OpticsGPT-v0
canonical_url: "https://www.modelscope.cn/models/ckdckd/OpticsGPT-v0"
md_url: "https://www.modelscope.cn/models/ckdckd/OpticsGPT-v0.md"
repository: ckdckd/OpticsGPT-v0
last_updated: 2026-03-23
license: "MIT License"
model_type:
  - qwen3
architectures:
  - Qwen3ForCausalLM
parameters: 8.2B
tensor_type:
  - F16
library_name:
  - pytorch
  - transformer
  - safetensors
inference_backends:
  - "deploy_task text/emb"
  - "lmdeploy_turbomind 0.9.1"
  - "sglang 0.5.2"
  - "vllm 0.9.2"
downloads: 1924
stars: 10
---

# OpticsGPT-v0

> OpticsGPT-v0 - ckdckd 在 ModelScope 开源的模型。OpticsGPT 是一个基于 Qwen3 架构训练的文本生成模型。该模型在光学领域的语料上进行了继续预训练。此模型为基座模型便于后续开发者进行二次微调，如需使用对话功能请在官网访问通过API调用对话模型

ckdckd/OpticsGPT-v0 是 ModelScope 魔搭社区上的 8.2B 参数机器学习模型，采用 MIT License 许可，可用 deploy_task text/emb、lmdeploy_turbomind 0.9.1、sglang 0.5.2 部署。

- **Repository**: ckdckd/OpticsGPT-v0
- **License**: MIT License
- **Parameters**: 8.2B
- **Inference backends**: deploy_task text/emb, lmdeploy_turbomind 0.9.1, sglang 0.5.2, vllm 0.9.2
- **Downloads**: 1924
- **Stars**: 10
- **Last updated**: 2026-03-23

Source: https://www.modelscope.cn/models/ckdckd/OpticsGPT-v0

---

## 介绍 (Introduction)

**OpticsGPT** 是一个基于 Qwen3 架构训练的文本生成模型。该模型在光学领域的语料上进行了继续预训练。此模型为基座模型便于后续开发者进行二次微调，如需使用对话功能请在官网访问通过API调用对话模型


## 环境要求 (Requirements)

请确保您已安装 `modelscope` 和 `transformers` 等基础库：

```bash
pip install modelscope transformers torch accelerate
```

## 快速开始 (Quick Start)

### 1. 下载模型

您可以通过 ModelScope SDK 或 Git 命令下载模型权重。

#### SDK下载
```python
from modelscope import snapshot_download
model_dir = snapshot_download('ckdckd/OpticsGPT-v0')
print(f"模型已下载至: {model_dir}")
```

#### Git下载
```bash
git clone https://www.modelscope.cn/ckdckd/OpticsGPT-v0.git
```

### 2. 代码推理 (Inference)

下载完成后，您可以使用 Hugging Face `transformers` 库加载模型并进行推理。

```python
import torch
from modelscope import snapshot_download
from transformers import AutoModelForCausalLM, AutoTokenizer

# 1. 下载或指定模型路径
model_dir = snapshot_download('ckdckd/OpticsGPT-v0')

# 2. 加载 Tokenizer 和 模型
tokenizer = AutoTokenizer.from_pretrained(model_dir, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_dir, 
    device_map="auto",  # 自动分配显卡
    torch_dtype=torch.float16, # 建议使用 fp16 或 bf16
    trust_remote_code=True
)

# 3. 准备输入文本
prompt = "什么是几何光学？"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

# 4. 生成文本
with torch.no_grad():
    outputs = model.generate(
        **inputs, 
        max_new_tokens=512,
        do_sample=True,
        temperature=0.7,
        top_p=0.9
    )

# 5. 解码输出
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print("------ Output ------")
print(response)
```