🚀进阶云计算部署InternLM / 书生·浦语

InternLM 腾讯云本地部署指南:Ollama 到 LMDeploy 双路径

InternLM 书生·浦语是上海人工智能实验室开源的国产大模型,长文本能力是它最突出的卖点——早期版本就以 200K 上下文闻名,适合处理长文档、长对话与代码库级理解。本文手把手教你在腾讯云服务器上部署 InternLM:Ollama 快速起步的省心路径,以及 LMDeploy 高并发生产路径,涵盖机型选型、模型获取(ModelScope 国内加速)、OpenAI 兼容接口、长上下文实践、与 Dify 和知识库对接,以及 20 条从模型拉不动、长文本截断到显存不足的真实故障排查。跟着做即可完成。

教程团队
2026-10-19
1 个步骤

前置条件

  • 1已注册腾讯云账号
  • 2一台腾讯云轻量应用服务器或 CVM(2C4G 起步,推荐 4C8G 及以上)
  • 3服务器已安装 Docker 与 docker compose 插件
  • 4熟悉基础 Linux 命令

读完想动手?新用户首单 8 折上云

服务器 + 大模型 API + 对象存储,新用户首购享 20% 补贴

领取

InternLM 书生·浦语腾讯云本地部署完整指南

InternLM(书生·浦语)是上海人工智能实验室开源的国产大模型系列。它最鲜明的标签是长文本——很早就把上下文做到 200K 级别,在长文档理解、长对话记忆、整库代码分析这类场景里,比同尺寸的通用模型强一截。

这篇给你两条路:

  • 省心路径:Ollama 一条命令跑起来,适合先验证效果
  • 生产路径:LMDeploy 部署,官方工具对自家模型的长上下文优化最完整

为什么选 InternLM

先说清楚它的强项和弱项,避免选错。

维度表现说明
长文本理解突出这是它的核心卖点,200K 级上下文
中文对话良好表达自然
工具调用支持可用,但不如 GLM 稳定
代码能力中等偏上长上下文让它在整库理解上有优势
生态与教程中等社区规模小于 Qwen / GLM

最适合的场景:长文档问答(合同、论文、技术手册)、需要长记忆的对话助手、整库代码分析、知识库的长上下文召回。

不太适合:纯工具调用型 Agent(GLM 更稳)、纯代码生成(有更专门的模型)。

第一步:机型选型(长文本很吃内存)

这是部署 InternLM 最容易低估的地方:长上下文不是免费的。

模型权重只是基础占用,真正的内存大头是 KV Cache——上下文越长、并发越高,它涨得越快。

配置对照表

场景推荐配置模型选择可用上下文
快速验证2C4Ginternlm2 7B 量化短上下文(4K 内)
常规对话4C8Ginternlm2 7B q4/q58K-16K
长文档问答8C16Ginternlm2 7B32K+
生产 / 高并发GPU 机型 24G 显存起internlm2 7B/20B + LMDeploy长上下文 + 高并发

警告

⚠️ CPU 机器上跑长上下文会很慢。不是跑不了,是慢到影响体验。真要长文本生产用,上 GPU。

内存估算

粗算公式(够用):

总占用 ≈ 权重体积 + (并发数 × 上下文长度 × 单 token KV 大小)

所以并发翻倍或上下文翻倍,内存都要相应加。别按"权重 6GB 所以 8GB 内存够"来买机器,那是没算 KV Cache。

前往 腾讯云轻量应用服务器 选购页,建议直接上 8C16G,长文本场景性价比最高。

需要 GPU 的话,在 腾讯云 GPU 机型与库存 查看各档机型。

第二步:环境准备

2.1 安装 Docker

bash
1sudo apt-get update
2sudo apt-get install -y ca-certificates curl gnupg lsb-release
3
4sudo install -m 0755 -d /etc/apt/keyrings
5curl -fsSL https://mirrors.cloud.tencent.com/docker-ce/linux/ubuntu/gpg \
6  | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
7sudo chmod a+r /etc/apt/keyrings/docker.gpg
8
9echo \
10  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] \
11  https://mirrors.cloud.tencent.com/docker-ce/linux/ubuntu \
12  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
13
14sudo apt-get update
15sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin
16
17sudo usermod -aG docker $USER
18newgrp docker

2.2 配置镜像加速

腾讯云给每台机器分配了专属加速地址,在控制台「容器镜像服务 → 镜像加速器」查看,形如 https://xxxxxx.mirror.swr.myqcloud.com:

bash
1sudo mkdir -p /etc/docker
2sudo tee /etc/docker/daemon.json <<'EOF'
3{
4  "registry-mirrors": [
5    "https://你的专属地址.mirror.swr.myqcloud.com"
6  ]
7}
8EOF
9sudo systemctl daemon-reload
10sudo systemctl restart docker

2.3 磁盘与内存检查

bash
1df -h /
2free -h

7B 模型权重(fp16)约 15GB,量化版约 4-6GB。预留至少 30GB 可用空间。

第三步:省心路径 —— Ollama 起步

3.1 启动 Ollama

bash
1docker run -d \
2  --name ollama \
3  --restart unless-stopped \
4  -p 11434:11434 \
5  -v /data/ollama:/root/.ollama \
6  ollama/ollama:latest
7
8curl http://127.0.0.1:11434/api/tags

返回 {"models":[]} 即正常。

3.2 拉取 InternLM

bash
1docker exec -it ollama ollama pull internlm2:7b

警告

⚠️ 标签以 Ollama 官方库为准。Ollama 的模型标签会随官方更新变化,如果提示 not found,先执行 docker exec -it ollama ollama search internlm 看当前可用的标签列表,再挑一个 7B 或更小的版本。

拉取时间取决于带宽,可以另开终端看进度:

bash
1docker logs -f ollama

3.3 第一次对话

bash
1docker exec -it ollama ollama run internlm2:7b "用三句话介绍上海人工智能实验室"

3.4 OpenAI 兼容接口

bash
1curl http://127.0.0.1:11434/v1/chat/completions \
2  -H "Content-Type: application/json" \
3  -d '{
4    "model": "internlm2:7b",
5    "messages": [{"role": "user", "content": "总结一下长文本模型的应用场景"}],
6    "temperature": 0.7
7  }'

3.5 长上下文怎么设

这是 InternLM 的关键用法。Ollama 里通过 Modelfile 或请求参数控制上下文长度:

bash
1# 方式一:启动时用环境变量指定
2docker run -d \
3  --name ollama \
4  --restart unless-stopped \
5  -p 11434:11434 \
6  -v /data/ollama:/root/.ollama \
7  -e OLLAMA_CONTEXT_LENGTH=32768 \
8  ollama/ollama:latest
jsonc
1// 方式二:请求里带 num_ctx(部分版本支持)
2{
3  "model": "internlm2:7b",
4  "messages": [...],
5  "options": { "num_ctx": 32768 }
6}

警告

⚠️ 上下文拉满不一定好。设得越大,KV Cache 占的内存越多,机器扛不住就会 OOM 或者慢到没法用。建议从 8192 起步,实测稳定了再往上加。

第四步:生产路径 —— LMDeploy 部署

LMDeploy 是 InternLM 官方团队出的部署工具,对自家模型的长上下文优化最完整。

4.1 前提条件

  • 推荐 GPU 机型(显存 24GB 起,长上下文很吃显存)
  • 内存 ≥ 32GB
  • 磁盘 ≥ 100GB

查看 腾讯云 GPU 机型与库存。

4.2 获取模型权重(国内走 ModelScope)

bash
1pip install modelscope
2
3python -c "
4from modelscope import snapshot_download
5snapshot_download('Shanghai_AI_Laboratory/internlm2-chat-7b', cache_dir='/data/models')
6"

或者走 HuggingFace 镜像:

bash
1export HF_ENDPOINT=https://hf-mirror.com
2huggingface-cli download internlm/internlm2-chat-7b \
3  --local-dir /data/models/internlm2-chat-7b

警告

⚠️ 权重约 15GB,下载中断可重跑(支持断点续传)。先 df -h 确认磁盘够。

4.3 用 Docker 启动 LMDeploy

bash
1docker run -d \
2  --name lmdeploy \
3  --restart unless-stopped \
4  --gpus all \
5  -p 23333:23333 \
6  -v /data/models:/models \
7  --ipc=host \
8  openmmlab/lmdeploy:latest \
9  lmdeploy serve api_server /models/internlm2-chat-7b \
10    --server-port 23333 \
11    --model-name internlm2 \
12    --session-len 32768

关键参数:

  • --gpus all:透传 GPU,少了会退到 CPU
  • --session-len:会话长度(上下文上限),长文本场景的核心参数
  • --ipc=host:多进程共享内存,必需

4.4 验证

bash
1curl http://127.0.0.1:23333/v1/models
2
3curl http://127.0.0.1:23333/v1/chat/completions \
4  -H "Content-Type: application/json" \
5  -d '{
6    "model": "internlm2",
7    "messages": [{"role": "user", "content": "你好,做个自我介绍"}]
8  }'

4.5 长文本实测(这一步别省)

部署完一定要用真实长文档测一次,别只看短问答正常就上线:

bash
1python - <<'PY'
2import requests
3# 造一个长文本:重复拼接,模拟长文档
4doc = ("本公司年假制度规定:入职满一年可享 5 天年假,每满一年增加 1 天,上限 15 天。" * 400)
5r = requests.post("http://127.0.0.1:23333/v1/chat/completions", json={
6    "model": "internlm2",
7    "messages": [
8        {"role": "system", "content": "你是制度问答助手,只依据给定文档回答。"},
9        {"role": "user", "content": f"文档内容:\n{doc}\n\n问题:年假上限是多少天?"}
10    ],
11    "max_tokens": 200
12}, timeout=300)
13print(r.json()["choices"][0]["message"]["content"])
14PY

能答出「15 天」说明长上下文真的生效了。答不出来或者报错,回头调 --session-len 和显存。

第五步:对接业务系统

5.1 Open WebUI(聊天界面)

bash
1docker run -d \
2  --name open-webui \
3  --restart unless-stopped \
4  -p 3000:8080 \
5  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
6  --add-host=host.docker.internal:host-gateway \
7  -v /data/open-webui:/app/backend/data \
8  ghcr.io/open-webui/open-webui:main

访问 http://服务器IP:3000,首次注册即管理员。

5.2 接 Dify

在 Dify 本地部署教程 那套部署里,「设置 → 模型供应商 → OpenAI-API-compatible」:

字段OllamaLMDeploy
模型名称internlm2:7binternlm2
API Basehttp://host.docker.internal:11434/v1http://host.docker.internal:23333/v1
API Key任意填写任意填写

警告

⚠️ Dify 在 Docker 里,localhost 指容器自己,必须用 host.docker.internal。

5.3 接知识库做长文档问答

把 InternLM 接到 RAGFlow 腾讯云部署教程 搭的知识库上,长文档场景才算真正发挥价值——它能在很长的上下文里精确定位答案,而不是只靠切分召回。

第六步:安全

6.1 别把端口直接暴露公网

bash
1# 只监听本机
2docker run -d ... -p 127.0.0.1:11434:11434 ollama/ollama:latest

6.2 防火墙

腾讯云控制台「防火墙」只放行 22 / 80 / 443,模型服务端口一律不放。

20 条故障排查

#现象原因解决
1ollama pull 卡住网络或镜像源问题配 Docker 镜像加速;或走 ModelScope 下载权重
2提示 model not found标签名已变更ollama search internlm 查当前可用标签
3容器启动后立刻退出内存不足 OOM执行 dmesg -T 看内核日志确认;换量化版或升配
4长文本请求报超长错误上下文超出设置调大 --session-len 或 num_ctx
5长文本一跑就 OOMKV Cache 吃满内存降上下文长度;降并发;升配
6长文本回答质量差上下文太大导致注意力稀释不必一味拉满,8192-32768 实测选最优
7LMDeploy 报 CUDA OOM--session-len 太大调小;或降 --cache-max-entry-count
8LMDeploy 报共享内存错误缺 --ipc=host加上参数
9容器看不到 GPU没装 nvidia-container-toolkit装工具包并重启 docker
10Dify 连不上用了 localhost改 host.docker.internal
11Open WebUI 无模型OLLAMA_BASE_URL 不对用 host.docker.internal:11434
12推理极慢CPU 推理上 GPU;或换更小量化版
13中文输出乱码编码问题确认请求响应均为 UTF-8;换 curl 排除客户端问题
14磁盘满权重 + 日志堆积docker system prune -a;清旧模型
15重启后服务没了没设 restart 策略--restart unless-stopped
16权重下载中断网络波动重跑命令,支持断点续传
17端口被占用端口冲突sudo lsof -i :11434 查占用;或换端口
18并发一高就超时单实例扛不住加实例做负载均衡;或限流排队
19模型加载报 safetensors 错误权重不完整重新下载并校验文件大小
20账单意外高GPU 实例没销毁⚠️ 控制台销毁实例,关机仍计费

落地建议

  1. 长文本是它唯一的护城河 —— 如果你的场景用不上长上下文,InternLM 相对 GLM/Qwen 没有明显优势,别为了用而用。
  2. 上下文别一上来拉满 —— 从 8192 起步实测,能答对再往上加。拉满只会 OOM 和变慢。
  3. 务必用真实长文档验收 —— 短问答正常不代表长上下文生效,第四步 4.5 那个测试别省。
  4. GPU 实例按量计费、用完销毁 —— 关机不等于停费,这是最容易烧钱的地方。

常见问题

QInternLM 相比 GLM、Qwen 有什么独特优势?

长文本。InternLM 系列从早期就以超长上下文(200K 级别)著称,处理长文档、长对话、整库代码理解时优势明显。如果你要做的是长文档问答或需要保留大量历史对话的场景,它比同尺寸的通用模型更合适。如果你的场景是普通对话与工具调用,可以看看 GLM-4 腾讯云部署教程;偏代码与推理则看 Qwen3 腾讯云部署教程。三者可以在同一台机器上共存。

Q2C4G 能跑起来吗?

能跑量化版,但长文本优势发挥不出来——长上下文非常吃内存,上下文越长,KV Cache 占的内存越大。想真正用上长文本能力,建议 8C16G 起步;如果要跑 20B 版本或高并发,就得上 GPU 机型。选型时把「上下文长度 × 并发数」一起算进去,别只看模型权重大小。

Q为什么推荐用 LMDeploy 而不是 vLLM?

LMDeploy 是 InternLM 官方团队(上海 AI Lab)推出的部署工具,对自家模型的适配最完整,尤其是长上下文场景下的显存优化与量化支持。vLLM 也能跑 InternLM,但部分长文本特性不一定完全对齐。如果你的模型是 InternLM,优先用 LMDeploy;如果是多模型混合部署,vLLM 的通用性更好。

阿里云推广

读完想动手?新用户首单 8 折上云

服务器 + 大模型 API + 对象存储,新用户首购享 20% 补贴

首单 8 折云服务器大模型 API对象存储

新用户首购享 20% 补贴(8 折)· 本次推广支持本站持续运营

腾讯云推广

腾讯智能体开发平台 ADP

新客首月专属价,最高直降 880 元,构建/分发/治理企业级 Agent

智能体Agent首月直降 880一站式

腾讯云新用户专享 · 本次推广支持本站持续运营

订阅每日 AI 日报

每天早上 8:00(GMT+8)把当天 AI 行业要闻投递到你的邮箱,随时一键退订。

每天早上 8:00(GMT+8)投递当天日报;若当天日报未生成则不发送,也不会补发往期。

更多订阅方式(RSS / 微信推送)仅发送日报,不做任何其他用途

相关推荐

查看更多 →
教程云计算部署

GLM-4 智谱清言腾讯云本地部署完整指南

智谱 AI 的 GLM 系列是国内最早开源、生态最成熟的国产大模型之一,中文能力与工具调用表现稳定。本文手把手教你在腾讯云服务器上部署 GLM-4:一条命令用 Ollama 跑起来的快速路径,以及用 vLLM 支撑多并发的生产路径,涵盖 2C4G 到 8C16G 三档机型选型、Ollama 与 vLLM 的显存/内存对照、OpenAI 兼容接口对接、Dify 与 MaxKB 知识库接入、国产镜像加速下载,以及 20 条从模型拉不动到中文乱码到并发崩的真实故障排查。跟着做即可完成。

2026-10-16
#GLM-4#ChatGLM
教程云计算部署

Qwen3 通义千问腾讯云本地部署完整指南

Qwen3 是阿里开源的国产大模型系列,Apache 2.0 协议可商用、原生支持思考模式开关、密集模型与 MoE 版本齐全,国内镜像下载无需代理。本文手把手教你在腾讯云轻量应用服务器与 GPU 实例上部署 Qwen3:Ollama 一条命令起步 + vLLM 高并发生产级部署两条完整路径,含 8B/14B/30B 三档显存与内存选型的实测数据、ModelScope 镜像下载加速、thinking 模式与上下文长度调优、Open WebUI 与 Dify 对接、Nginx HTTPS 反代,以及 20 条从显存不足到并发超时的故障排查。跟着做即可完成从零到生产可用。

2026-10-15
#Qwen3#通义千问
教程云计算部署

DeepSeek V4.1 Flash 腾讯云本地部署:Ollama 双路径实测

DeepSeek V4.1 Flash 是 552B 总参数仅 8B 激活的 MoE 国产模型,Apache 2.0 协议可商用、1M tokens 上下文、国内直连无需代理。本文手把手教你在腾讯云轻量应用服务器与 GPU 实例上用 Ollama + Open WebUI 从零部署 V4.1 Flash:含 4C8G 到 8C16G 到 GPU 三档选型的真实内存与速度数据(含 CPU 推理 2.5 到 5 tokens 每秒实测)、腾讯云内网 Docker 源与 ModelScope 镜像下载双加速方案、Modelfile 配置、Open WebUI 知识库 RAG、Nginx 反向代理与 HTTPS、以及 22 条从镜像拉取失败到宿主机 OOM 到 API release 的故障排查表。跟着做即可完成从零到生产可用。

2026-10-14
#DeepSeek#V4.1 Flash
教程云计算部署

企业微信 AI 助理腾讯云搭建完整指南

用第三方协议登录个人微信做机器人有封号风险,企业微信自建应用才是官方合规方案。本文手把手教你在腾讯云服务器上搭建一个企业级 AI 助理:企业微信自建应用的创建与回调配置、CorpID/AgentID/Secret 的获取与用途、消息接收与回复的完整链路、接入本地部署的国产大模型(Ollama)、对接内部知识库实现「群里问制度」、消息加解密处理,以及 18 条从回调验证失败、access_token 失效到消息发不出去的真实故障排查。全程走官方接口,不碰第三方协议,合规可落地。

2026-10-19
#企业微信#AI助理

好物推荐 · 广告合作