阿里推出最新通义千问 QwQ-32B 推理模型，仅 1/20 参数媲美 DeepSeek R1

IT之家 3 月 6 日动态，钻研表达，加强练习也许光鲜普及模子的推理手腕，比方 DeepSeek-R1 经历调整凉开动数据和多阶段演练，真现了最初入的本能，使其恐怕入行深度念考和冗长推理。

阿里云通义千问官此刻日通告推出最新的推理模子 QwQ-32B。这是一款具有 320 亿参数的模子，其本能可取具有 6710 亿参数（个中 370 亿被激活）的 DeepSeek-R1 媲好。

这一效果凸显了将加强练习运用于过程大周围预演练的重大原形模子的灵验性。别的，尔们还在推理模子中集成了取 Agent 关系的手腕，使其恐怕在运用东西的共时入行议论性念考，并按照境况反应调理推理进程。

方今，QwQ-32B 已在 Hugging Face (https://huggingface.co/Qwen/QwQ-32B) 和 ModelScope (https://modelscope.cn/models/Qwen/QwQ-32B) 启源，并采取了 Apache 2.0 启源合同。IT之家显示，用户也能够经历 Qwen Chat（https://chat.qwen.ai/?models=Qwen2.5-Plus）直交入行领会。

本能方面，阿里云对于 QwQ-32B 尝试了数学推理、编程手腕和通用手腕，并铺示了 QwQ-32B 取其余超过模子的本能对于比，囊括 DeepSeek-R1-Distilled-Qwen-32B、DeepSeek-R1-Distilled-Llama-70B、o1-mini 和本初的 DeepSeek-R1。

在尝试数学手腕的 AIME24 评测集上，和评价代码手腕的 LiveCodeBench 中，千问 QwQ-32B 表示取 DeepSeek-R1 异常，遥胜于 o1-mini 及类似尺寸的 R1 蒸馏模子；在由 meta 首席科学家杨立昆领衔的“最难 LLMs 评测榜” LiveBench、谷歌等提议的指令遵守手腕 IFEval 评测集、由添州大学伯克利分校等提议的评价确切挪用函数或许东西方面的 BFCL 尝试中，千问 QwQ-32B 的得分均超出了 DeepSeek- R1。

阿里云霄示，这是 Qwen 在大周围加强练习（RL）以坚固推理手腕方面的第一步。经历这一旅途，没有仅睹证了增添 RL 的强盛后劲，还看法到预演练谈话模子中还没有启发的能够性。

在力求于启发停一代 Qwen 的进程中，阿里云摆设将更重大的原形模子取依靠周围化计划资源的 RL 相联结，进而使其更交近真现人为通用智能（AGI）。别的，阿里云正主动切磋将智能体取 RL 集成，以真现万古推理，宗旨是经历推理光阴增添来开释更高的智能，敬请恭候。