阿里云開源推理模型QwQ-32B，性能比肩滿血版DeepSeek-R1，通義APP可用

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(jù)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(diào)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(diào)、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(jù)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(jié)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(diào)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(jīng)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(jù)環(huán)境反饋調(diào)整推理過程。

據(jù)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）

生成海報

免責聲明：本網(wǎng)站內(nèi)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)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(wǎng)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(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)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(wǎng)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(nèi)容或斷開相關鏈接。