阿里云推出320億參數(shù)推理模型QwQ-32B 性能媲美DeepSeek-R1

　　阿里云今日宣布推出全新的推理模型QwQ-32B，該模型擁有320億參數(shù)，其性能可與具備6710億參數(shù)的DeepSeek-R1相媲美。研究表明，強化學習能夠顯著提升模型的推理能力，QwQ-32B通過整合冷啟動數(shù)據(jù)和多階段訓練，實現(xiàn)了深度思考和復雜推理。

　　這款新模型不僅在數(shù)學推理、編程能力和通用能力測試中表現(xiàn)出色，還在多個評測集中超越了其他領先模型。特別是在AIME24數(shù)學評測集和LiveCodeBench代碼評估中，QwQ-32B的表現(xiàn)與DeepSeek-R1相當，遠超o1-mini及相同尺寸的R1蒸餾模型。

　　此外，QwQ-32B集成了與智能體(Agent)相關的功能，使其能夠在使用工具時進行批判性思考，并根據(jù)環(huán)境反饋調整推理過程。目前，QwQ-32B已在Hugging Face和ModelScope平臺開源，并采用Apache 2.0開源協(xié)議。用戶也可通過Qwen Chat直接體驗這一先進模型。阿里云表示，這標志著他們在大規(guī)模強化學習以增強推理能力方面邁出了重要一步。