阿里云開源推理模型QwQ-32B，性能比肩滿血版DeepSeek-R1，通義APP可用快訊
QwQ-32B模型特別針對數(shù)學(xué)和編程任務(wù)進行了 RL 訓(xùn)練，阿里云開源推理模型QwQ-32B，大規(guī)模強化學(xué)習(xí)（RL）有潛力超越傳統(tǒng)的預(yù)訓(xùn)練和后訓(xùn)練方法來提升模型性能。
【TechWeb】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(xué)習(xí)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(shè)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(wù)。
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(yīng)用搭建；或是選擇容器服務(wù)ACK搭配阿里云GPU算力（如GPU云服務(wù)器、容器計算服務(wù)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(xué)習(xí)（RL）有潛力超越傳統(tǒng)的預(yù)訓(xùn)練和后訓(xùn)練方法來提升模型性能。近期的研究表明，強化學(xué)習(xí)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(xùn)練，實現(xiàn)了最先進的性能，使其能夠進行深度思考和復(fù)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(xué)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(lǐng)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(xué)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(dāng)，遠勝于o1-mini及相同尺寸的R1蒸餾模型；在由Meta首席科學(xué)家楊立昆領(lǐng)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(xué)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(xué)習(xí)應(yīng)用于經(jīng)過大規(guī)模預(yù)訓(xùn)練的強大基礎(chǔ)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(guān)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(xué)和編程任務(wù)進行了 RL 訓(xùn)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(xué)問題提供反饋，并通過代碼執(zhí)行服務(wù)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(xùn)練輪次的推進，這兩個領(lǐng)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(xùn)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(xué)和編程任務(wù)上的性能沒有顯著下降。（果青）
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會明確標注作者和來源；
2.TMT觀察網(wǎng)的原創(chuàng)文章，請轉(zhuǎn)載時務(wù)必注明文章作者和"來源：TMT觀察網(wǎng)"，不尊重原創(chuàng)的行為TMT觀察網(wǎng)或?qū)⒆肪控?zé)任；
3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補充。
