岩猫星空网
11 月 28 日，阿里云通义团队发布全新 AI 推理模型 QwQ-32B-Preview，并同步开源。评测数据显示，预览版本的 QwQ，已展现出研究生水平的科学推理能力，在数学和编程方面表现尤为出色，整体推理水平比肩 OpenAI o1。
QwQ（Qwen with Questions）是通义千问 Qwen 大模型最新推出的实验性研究模型，也是阿里云首个开源的 AI 推理模型。阿里云通义千问团队研究发现，当模型有足够的时间思考、质疑和反思时，其对数学和编程的理解就会深化。基于此，QwQ 取得了解决复杂问题的突破性进展。
在考察科学问题解决能力的 GPQA 评测集上，QwQ 获得 65.2% 的准确率，具备研究生水平的科学推理能力；在涵盖综合数学主题的 AIME 评测中，QwQ 以 50% 的胜率证明其拥有解决数学问题的丰富技能；在全面考察数学解题能力的 MATH-500 评测中，QwQ 斩获 90.6% 的高分，一举超越 o1-preview 和 o1-mini；在评估高难度代码生成的 LiveCodeBench 评测中，QwQ 答对一半的题，在编程竞赛题场景中也有出色表现。
面对复杂问题，QwQ 展现了深度自省的能力，会质疑自身假设，进行深思熟虑的自我对话，并仔细审视其推理过程的每一步。比如，在经典智力题「猜牌问题」中，QwQ 通过梳理各方对话并推演现实情况，像个擅长思考的人一样，揣摩「这句话有点 tricky」，反思「等一下，也许我需要更仔细地思考」，最终分析得出正确答案，让人惊艳。
目前，QwQ-32B-Preview 已在魔搭社区和 HuggingFace 等平台上开源。发布短短几小时，引起全球开发者热情体验。有开发者认为该模型「是完全没有预料到的疯狂的跃进」、「今年开源领域最重大的突破」、「让中国在开源大模型和 AI 推理上占据先机」。
通义团队透露，尽管 QwQ 展现了强大的分析能力，但该模型仍是个供研究的实验型模型，存在不同语言的混合使用、偶有不恰当偏见、对专业领域问题不了解等局限。随着研究深入模型迭代，这些问题将逐步得到解决。
附：
未经允许不得转载：岩猫星空网 » 通义开源推理大模型 QwQ，推理水平比肩 OpenAI o1
