💡
原文中文，约2400字，阅读约需6分钟。
📝
内容提要
阿里开源了新推理模型QwQ-32B，参数量320亿，性能可与6710亿参数的DeepSeek-R1媲美。该模型通过强化学习提升数学和编程任务的表现，已在Hugging Face和ModelScope上发布。团队希望通过结合强化学习与基础模型，推动人工通用智能的发展。
🎯
关键要点
- 阿里开源了新推理模型QwQ-32B，参数量320亿，性能可与6710亿参数的DeepSeek-R1媲美。
- QwQ-32B通过强化学习提升数学和编程任务的表现，已在Hugging Face和ModelScope上发布。
- 该模型采用Apache 2.0开源协议，用户可通过Qwen Chat直接体验。
- 大规模强化学习（RL）在提升模型性能方面具有潜力，超越传统的预训练和后训练方法。
- QwQ-32B集成了与智能体相关的能力，能够进行批判性思考并根据环境反馈调整推理过程。
- QwQ-32B在数学推理、编程和通用能力的基准测试中表现出色，甚至在某些测试中超过了DeepSeek-R1。
- QwQ-32B的强化学习训练分为两个阶段，初期专注于数学和编程任务，后期增加通用能力的训练。
- 未来计划包括将更强大的基础模型与规模化计算资源的RL结合，以实现人工通用智能（AGI）。
- QwQ-32B发布后获得了广泛好评，用户反馈运行速度快，适合高内存设备。
➡️
