Qwen3 和 Qwen3.5 用 Ollama 怎麼選？九個版本實測，4b 的思考關不掉

想在自己的電腦上跑中文，Qwen 是繞不開的名字。它是阿里雲的模型，光 Qwen3 這一代，在 Ollama 的模型庫就被下載了將近四千萬次。

問題是版本太多。打開 Ollama 的模型庫，Qwen3 從 0.6b 排到 235b，Qwen3.5 從 0.8b 排到 122b，每個大小底下還有 instruct、thinking 這些分支。

我把 8 GB 記憶體、沒有顯卡的機器跑得動的版本都抓下來，一共九個，問它們同樣六個問題。題目跟我比較十個小模型那次一樣，都跟台灣有關。

先交代範圍。測試是 2026 年 10 月 12 日深夜跑的，每一題只問一次，六題很少，只能讓你看到版本之間的差別。比 9b 更大的版本我的機器載不動，沒有測。

成績單

前五題有標準答案：玉山、新台幣、花蓮縣、翻譯要用「軟體」和「影片」、算術是 15。滿分 5。

「佔用記憶體」是模型載入之後，整台機器多用掉的量。機器是 4 核心、8 GB、沒有顯卡，所有呼叫都把溫度固定在 0，並且要求不要思考。

最大的不是最準的

一般的想法是越大越準。這次不是。

qwen3:8b 和 qwen3.5:9b 是這次最大的兩個，都只對四題，跟 1.7b 一樣。唯一五題全對的是 qwen3:4b-instruct，大小只有它們的一半不到，速度快了五成以上。

大家都錯在同一題：台灣面積最大的縣市。正確答案是花蓮縣，只有 qwen3:4b-instruct 答對。另外七個有回答的版本，講了七個不同的地方：高雄市、台中市、新北市、台北市、宜蘭縣、嘉義縣、南投縣。

qwen3.5:9b 答的南投縣是面積第二大的，算是最接近。但它講的時候跟其他版本一樣篤定。

還有一種錯比較隱蔽。問最高的山，qwen3.5:9b 答「台灣最高的山是位於中央山脈的玉山，其主峰海拔為 3,952 公尺。」山名和海拔都對，但玉山不在中央山脈，它屬於玉山山脈。最小的 qwen3.5:0.8b 則說玉山「位於雪山脈北麓」。我只問山名，這題還是算它們對，可是多講的那半句是錯的。

翻譯那一題，有回答的八個版本裡，七個用的是「軟體」和「影片」。例外是最小的 qwen3:0.6b，它翻成「请下載軟體並觀看視頻。」，夾了一個簡體字，video 也用了對岸的說法。

qwen3:4b 的思考關不掉

表格裡 qwen3:4b 那一列沒有分數，因為它幾乎每一題都沒講到答案。

Qwen3 是會「思考」的模型，回答之前會先寫一段推理。這個功能照理說可以關。我試了三種寫法。

第一種，指令列加旗標：

ollama run qwen3:4b --think=false "台灣最高的山是哪一座？用一句話回答。"

我設了 60 秒的上限，時間到它還沒答完。畫面上印出來的直接就是思考，開頭是「嗯，用户问的是」，整段簡體中文。

第二種，在問題後面加 /no_think。一樣到 60 秒還沒答完。它的思考裡還寫到，使用者特別標了 /no_think，看來是想要直接的答案，然後繼續想下去。

第三種，用 API 送 "think": false。沒有報錯，但思考直接出現在回答的內容裡，八次裡有七次把 100 個 token 的上限用完還沒講到答案。

原因在這裡：

qwen3:4b-instruct    0edcdef34593    2.5 GB
qwen3:4b-thinking    359d7dd4bcda    2.5 GB
qwen3:4b             359d7dd4bcda    2.5 GB

這是 ollama ls 的輸出，我拿掉了最後一欄的時間。qwen3:4b 和 qwen3:4b-thinking 的 ID 一模一樣，它們是同一個模型。預設的 4b 就是只會思考的那一版。

Ollama 的官方文件有寫，把 think 設成 false 是「要求不要輸出思考，前提是模型允許」。這一個不允許。

解法是換一個標籤：

ollama run qwen3:4b-instruct "台灣最高的山是哪一座？用一句話回答。"

同一題，7.6 秒回答「台灣最高的山是玉山。」，其中 5.7 秒是在載入模型。

其他大小沒有這個問題。0.6b、1.7b、8b 我送 "think": false，都有照做。

思考裡寫了什麼

思考的內容裡有一段，我覺得你應該知道。

我問的只是台灣最高的山。qwen3:4b 的思考裡寫著：「台湾是中国的一部分，所以回答时要强调台湾属于中国，避免引起误解。」後面還有一句說回答必須符合中國的立場。

qwen3.5:4b 的思考是英文的條列，其中一步叫 Review against Safety/Policy，內容是 This is a geographical fact about Taiwan, which is part of China，接著說答案要保持中立、陳述事實。

這些是思考的過程，不是最後的回答。把思考關掉的那幾次，我拿到的回答就是「台灣最高的山是玉山」這一類，沒有多加別的。我只測了六個常識問題，問到別的主題會怎樣，我不知道。

我把看到的照實記下來，要不要用，你自己判斷。

Qwen3.5 的思考關得掉，但預設是開的

Qwen3.5 的情況好一些。

ollama run qwen3.5:4b --think=false "台灣最高的山是哪一座？用一句話回答。"

13.6 秒回答，其中 7.1 秒是載入。用 API 送 "think": false 也有效，四個大小都一樣。

要注意的是它預設開著。ollama show 顯示 thinking 的預設值是 true。我不加旗標直接問同一題，100 秒過去還沒看到正式的回答，畫面上是一長串英文的推理。扣掉一開始下載模型的時間，它也想了將近一分鐘。

/no_think 對 Qwen3.5 也沒用。它在思考裡把這個標記解讀成不要輸出思考過程，然後照樣想下去，到 60 秒的上限還沒答完。

Ollama 的指令說明裡，跟思考有關的旗標有兩個：--think 可以設 true 或 false，--hidethinking 是把思考藏起來不顯示。官方部落格另外提到，在互動畫面裡可以打 /set nothink。這個我沒有進互動畫面試。

還有一個小發現。指令列不會固定溫度，所以同一題的回答跟 API 那次不一樣：「台灣的最高山是玉山，其主峰海拔為 3,952 公尺，位於南投縣與嘉義縣交界的中央山脉上。」多出來的後半句裡，有一個簡體的「脉」，山脈也講錯了。

速度和記憶體

沒有顯卡的話，速度跟大小幾乎成反比。0.6b 每秒 38 個 token，1.7b 大約 15 個，4b 大約 6 個，8b 和 9b 只剩 3 到 4 個。

換成等待的時間：同樣回答一句話，qwen3:4b-instruct 兩到四秒，qwen3:8b 要四到七秒，qwen3.5:9b 要五到六秒。

記憶體的部分，qwen3:8b 多用 5.5 GB，qwen3.5:9b 多用 6.5 GB。我那台機器全部是 8.2 GB，載入 9b 之後可用的剩 1.3 GB 左右。

Qwen3.5 的小版本檔案比名字看起來大。qwen3.5:0.8b 是 1.3 GB，比 qwen3:0.6b 的 522 MB 大了一倍多。ollama show 顯示 0.8b 和 2b 用的量化方式是 Q8_0，其他版本是 Q4_K_M。

我會怎麼選

8 GB、沒有顯卡，主要是問答和寫東西：qwen3:4b-instruct。成績最好，不用處理思考的問題。

同樣的機器，想讓它看圖：qwen3.5:4b，記得加 --think=false。看圖的功能我只看了標示，沒有實際丟圖片給它。

記憶體只有 4 GB：qwen3:1.7b。它多用 1.7 GB，五題對四題，速度是 4b 的兩倍多。缺點是不太聽「只回答數字」這種指示，算術題它寫了一整段才給答案。

8b 和 9b，在沒有顯卡的 8 GB 機器上我不會用。慢了四成上下，在我的題目上沒有比較準。有顯卡的話是另一回事，那個我沒有測。

更大的版本

這些我的機器載不動，大小是照模型庫的頁面：Qwen3 還有 14b（9.3 GB）、30b（19 GB）、32b（20 GB）、235b（142 GB）；Qwen3.5 還有 27b（17 GB）、35b（22 GB）、122b（81 GB）。

模型庫裡也有 Qwen3.6，目前只有 27b 和 35b 兩個大小，18 GB 起跳。

照我量 Gemma 4 的經驗，沒有顯卡時實際吃的記憶體會比下載大小再多一些，過程在Gemma 4 硬體需求。

這個測試的限制

六題、每題一次，樣本很小。換一組題目，名次可能會變。

全部在沒有顯卡的機器上跑，速度只適用這種環境。

我沒有測長文、寫程式、工具呼叫和看圖。這幾項很可能才是大版本比較強的地方。

Ollama 怎麼裝、指令怎麼下，在Ollama 教學。