3月6日消息，阿里云開源推理模型QwQ-32B，性能媲美6710 億參數(shù)的DeepSeek-R1。據介紹，QwQ-32B是基于Qwen2.5-32B+強化學習煉成，開發(fā)者和企業(yè)可以在消費級硬件上輕松將其部署到本地設備中。
用戶可以通過Qwen Chat（https://chat.qwen.ai）在線體驗訪問。
用戶也可通過通義APP免費體驗最新的千問QwQ-32B模型。
目前，QwQ-32B 已在Hugging Face和ModelScope魔搭社區(qū)開源，采用了 Apache 2.0 開源協(xié)議。
所有人都可免費下載模型進行本地部署，或者通過阿里云百煉平臺直接調用模型API服務。
對于云端部署需求，用戶可通過阿里云PAI平臺完成快速部署，并進行模型微調、評測和應用搭建；或是選擇容器服務ACK搭配阿里云GPU算力（如GPU云服務器、容器計算服務ACS等），實現(xiàn)模型容器化部署和高效推理。
QwQ-32B團隊指出，大規(guī)模強化學習（RL）有潛力超越傳統(tǒng)的預訓練和后訓練方法來提升模型性能。近期的研究表明，強化學習可以顯著提高模型的推理能力。例如，DeepSeek R1 通過整合冷啟動數(shù)據和多階段訓練，實現(xiàn)了最先進的性能，使其能夠進行深度思考和復雜推理。
最新的推理模型 QwQ-32B，是一款擁有320億參數(shù)的模型，其性能可與具備 6710 億參數(shù)（其中 370 億被激活）的 DeepSeek-R1 媲美。
QwQ-32B 在一系列基準測試中進行了評估，測試了數(shù)學推理、編程能力和通用能力。以下結果展示了 QwQ-32B 與其他領先模型的性能對比，包括 DeepSeek-R1-Distilled-Qwen-32B、DeepSeek-R1-Distilled-Llama-70B、o1-mini 以及原始的 DeepSeek-R1。
QwQ-32B 模型表現(xiàn)出色，幾乎完全超越了OpenAI-o1-mini，比肩最強開源推理模型DeepSeek-R1：在測試數(shù)學能力的AIME24評測集上，以及評估代碼能力的LiveCodeBench中，千問QwQ-32B表現(xiàn)與DeepSeek-R1相當，遠勝于o1-mini及相同尺寸的R1蒸餾模型；在由Meta首席科學家楊立昆領銜的“最難LLMs評測榜”LiveBench、谷歌等提出的指令遵循能力IFEval評測集、由加州大學伯克利分校等提出的評估準確調用函數(shù)或工具方面的BFCL測試中，千問QwQ-32B的得分均超越了DeepSeek-R1。
QwQ-32B團隊表示，這一成果突顯了將強化學習應用于經過大規(guī)模預訓練的強大基礎模型的有效性。此外，研發(fā)團隊還在QwQ-32B推理模型中集成了與 Agent 相關的能力，使其能夠在使用工具的同時進行批判性思考，并根據環(huán)境反饋調整推理過程。
據介紹，在初始階段，QwQ-32B模型特別針對數(shù)學和編程任務進行了 RL 訓練。與依賴傳統(tǒng)的獎勵模型（reward model）不同，通過校驗生成答案的正確性來為數(shù)學問題提供反饋，并通過代碼執(zhí)行服務器評估生成的代碼是否成功通過測試用例來提供代碼的反饋。隨著訓練輪次的推進，這兩個領域中的性能均表現(xiàn)出持續(xù)的提升。在第一階段的 RL 過后，增加了另一個針對通用能力的 RL。此階段使用通用獎勵模型和一些基于規(guī)則的驗證器進行訓練。最后發(fā)現(xiàn)，通過少量步驟的通用 RL，可以提升其他通用能力，同時在數(shù)學和編程任務上的性能沒有顯著下降。（果青）
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
