阿里雲開源更小尺寸推理模型QwQ-32B 性能表現全球領先
阿里雲發佈並開源其最新自研推理模型QwQ-32B，這款擁有320億參數的模型，其性能可媲美參數大於其數十倍的大型頂尖模型。
QwQ-32B是阿里雲探索推理模型的最新成果。基於阿里雲最新大語言模型Qwen2.5-32B，QwQ-32B在多項權威基準測試中表現出色，包括AIME 24（數學推理）、Live CodeBench（代碼能力）、LiveBench（測試集污染和客觀評估）、IFEval（指令跟隨能力）和 BFCL（工具與函數調用能力）。
QwQ-32B與其它領先模型的對比表現，包括DeepSeek-R1-Distilled-Qwen-32B、DeepSeek-R1-Distilled-Llama-70B、o1-mini 和 DeepSeek-R1。
大規模強化學習提升推理能力
QwQ-32B的卓越性能突顯了強化學習 (Reinforcement Learning, RL) 的強大威力，當應用於像 Qwen2.5-32B 這種強大基礎模型時，強化學習的威力就會顯現出來。Qwen2.5-32B是根據廣泛的世界知識進行預先訓練的，通過大規模強化學習（RL scaling），QwQ-32B在數學推理和編碼能力上都有持續的提升。
此外，該模型使用通用獎勵模型和一些基於規則的驗證器進行訓練，增強了其通用能力的表現，例如指令跟隨、與人類偏好對齊，以及智能體性能。
集成智能體相關能力
研究團隊還將智能體（agent）相關的能力集成到了QwQ-32B中，使其在能夠使用工具的同時進行批判性思考，並根據環境反饋調整推理過程。研究團隊也在探索將智能體與強化學習集成，以實現長時推理，目標是透過推理時間擴展來釋放更高的智能。
QwQ-32B已在Hugging Face和ModelScope開源，採用了Apache 2.0開源協議，供免費下載。用戶也可以透過Qwen Chat直接體驗。
QwQ-32B憑藉其強大的推理能力和更低的資源消耗需求，可以在消費級硬件上進行有效部署，服務全球開發者和企業用戶。
立即訂閱阿里足跡，緊貼阿里巴巴集團最新發展動向，通過新聞故事及專題文章了解創新科技、電子商務及智能物流等新興議題的嶄新趨勢
分享