阿里Qwen团队发布首个开源推理模型QwQ32Bpreview

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“ 外挂 ”，所以创建了“AI信息Gap”这个公众号，专注于分享AI全维度知识，包括但不限于 AI科普 ， AI工具测评 ， AI效率提升 ， AI行业洞察 。关注我，AI之路不迷路，2024我们一起变强。

昨天（北京时间11月28日）， 全球首个开源的推理模型 诞生了：来自 阿里Qwen团队 的 QwQ-32B-preview 模型！

最近这段时间，国内AI领域中，“推理模型”卷的厉害。先是DeepSeek（深度求索）发布了国内首个对标 o1 的推理模型 DeepSeek-R1-Lite ，接着是月之暗面正式发布了Kimi数学版，对应的模型为 k0-math 。紧接着昆仑万维开启了天工大模型 4.0 o1版的邀请测试，该模型英文名 Skywork o1 ，从命名也能看出它是个什么模型了吧。

接下来就是阿里的通义团队（Qwen团队），出手即王炸，直接发布了开源的推理模型 QwQ-32B-preview 。

该模型的名字有点意思，QWQ看起来像是一个颜文字，Qwen团队官方表示发音为/kwju:/，与单词“quill”的读音近似。

QwQ-32B-preview 在各项基准测试中的表现如下。

老规矩，先解释一下这些基准测试。

GPQA : 测试模型在常识问答和通用知识理解上的能力。

AIME : 检验模型对高难度数学竞赛题目的解题能力。

MATH-500 : 测评模型在广泛数学领域中解决复杂问题的表现。

LiveCodeBench : 测试模型生成、调试和实现代码的编程能力。

可以看到， QwQ-32B-preview 综合表现优异，并且各项能力比较均衡，没有“偏科”情况。在MATH-500测评中甚至超过了OpenAI的2个 o1 模型。作为一个推理模型， QwQ-32B-preview 的综合表现已全面超越常规模型，如 GPT-4o 和 Claude 3.5 Sonnet 。

另外，值得注意的是， QwQ-32B-preview 是一个模型参数仅有32B的小模型！ 更轻量化的模型意味着更高的计算资源效率、更快的推理速度，以及更低的硬件需求 。这种高性能的小模型能够有更大的使用场景，值得关注。

在此，附上Kimi- k0-math 和DeepSeek- DeepSeek-R1-Lite 的测评结果。毕竟大家都是以 o1 作为对标模型，还是有一定的对比和参考意义的。

QwQ-32B-preview项目地址

QwQ模型地址 ：https://huggingface.co/Qwen/QwQ-32B-Preview

QwQ体验地址 ：https://huggingface.co/spaces/Qwen/QwQ-32B-preview

QwQ-32B-preview初体验

目前Qwen团队提供了 QwQ-32B-preview 免费的在线体验方式。感兴趣的小伙伴可以通过上面那个Hugging Face Spaces（中文俗称：抱抱脸）平台的链接进行体验。

还是先来测试一个草莓测试。

Strawberry一词中有多少个字母“r”？

和Kimi一样， QwQ-32B-preview 也会把完整的推理过程打印出来。从下面的回答可以看出， QwQ-32B-preview 回答正确无误，用了数数的方式来解答。

但细看推理过程可以发现， QwQ-32B-preview 是出现了一定幻觉的，比如它提到“ 但是，我觉得可能数错了，因为草莓这个词里好像有两个r ”。

接着来测试一道官方推荐的逻辑推理问题。

S先生、P先生、Q先生他们知道桌子的抽屉里有16张扑克牌：红桃A、Q、4 黑桃J、8、4、2、7、3 草花K、Q、5、4、6 方块A、5。约翰教授从这16张牌中挑出一张牌来，并把这张牌的点数告诉 P先生，把这张牌的花色告诉Q先生。这时，约翰教授问P先生和Q 先生：你们能从已知的点数或花色中推知这张牌是什么牌吗？于是，S先生听到如下的对话：

P先生：我不知道这张牌。

Q先生：我知道你不知道这张牌。

P先生：现在我知道这张牌了。

Q先生：我也知道了。

请问：这张牌是什么牌？