<div id="readability-page-1">阿里 AI 又有新动作！最新推理模型 QwQ-32B 证明了小参数也能实现大模型级别的性能。 3 月 6 日，阿里通义千问 Qwen 团队推出推理模型——QwQ-32B 大语言模型。据官方介绍，这款仅有 320 亿参数的模型在性能上不仅能够媲美拥有 6710 亿参数的 DeepSeek-R1（其中 370 亿被激活），更在某些测试中超越了对方。 阿里 Qwen 团队表示，这一成果突显了将强化学习应用于经过大规模预训练的强大基础模型的有效性，希望以此证明强大的基础模型叠加大规模强化学习也许是一条通往通用人工智能的可行之路。 除了基础推理能力外，QwQ-32B 还集成了与 Agent 相关的能力，使其能够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。 <h2>参数精简，性能不减，成本仅 1/10</h2> 根据官方披露的测试结果，QwQ-32B 在多项关键评测中表现卓越： <blockquote> 在测试数学能力的 AIME24 评测集上，QwQ-32B 与 DeepSeek-R1 表现相当，远超 o1-mini 及同尺寸的 R1 蒸馏模型 在评估代码能力的 LiveCodeBench 中，表现同样与 DeepSeek-R1 相当 在 Meta 首席科学家杨立昆领衔的&#34;最难 LLMs 评测榜&#34;LiveBench 上，QwQ-32B 得分超越 DeepSeek-R1 在谷歌等提出的指令遵循能力 IFEval 评测集中，成绩优于 DeepSeek-R1 在加州大学伯克利分校等提出的评估准确调用函数或工具的 BFCL 测试中，同样超越 DeepSeek-R1 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/37f17b3b-6e15-491d-8900-a3e70e0ee7e2.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="665" height="382" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/37f17b3b-6e15-491d-8900-a3e70e0ee7e2.png"/> </blockquote> 有海外网友展示了不同推理模型在 LiveBench 评分中的表现，以及它们的输出令牌成本。QwQ 32B 模型的评分位于 R1 和 o3-mini 之间，但其成本仅为它们的十分之一。这表明 QwQ 32B 在性能和成本之间取得了很好的平衡： <blockquote> <ul> <li> QwQ 32B 的 LiveBench 评分约为 72.5 分，成本约为$0.25。 </li> <li> R1 的评分约为 70 分，成本约为$2.50。 </li> <li> o3-mini 的评分约为 75 分，成本约为$5.00。 </li> </ul> <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/9ac8a609-e722-4aa4-b130-da429a8bdb51.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="592" height="643" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/9ac8a609-e722-4aa4-b130-da429a8bdb51.png"/> </blockquote> <h2>强化学习：QwQ-32B 的 “秘密武器”</h2> QwQ-32B 的卓越性能主要归功于其采用的大规模强化学习方法。阿里团队在冷启动基础上开展了分阶段强化学习训练策略： <blockquote> 初始阶段：重点针对数学和编程任务进行 RL 训练。团队摒弃了传统的奖励模型 (reward model)，转而采用更直接的验证方式，通过校验生成答案的正确性来为数学问题提供反馈，并通过代码执行服务器评估生成的代码是否成功通过测试用例来提供代码的反馈。 扩扩展阶段：增加了针对通用能力的 RL 训练。这一阶段使用通用奖励模型和基于规则的验证器，帮助模型在保持数学和编程能力的同时，提升其他通用能力。 </blockquote> 研究表明，随着 RL 训练轮次的增加，模型在数学和编程领域的性能均呈现持续提升趋势，印证了这种方法的有效性。 <h2>QwQ-32B 已开源，推动大模型从&#34;大力出奇迹&#34;向&#34;精巧出智慧&#34;的范式转变</h2> 目前，QwQ-32B 已在 Hugging Face 和 ModelScope 平台开源，采用 Apache 2.0 开源协议。同时，用户也可以通过 Qwen Chat 直接体验这款强大的推理模型。 阿里 Qwen 团队表示，QwQ-32B 只是他们在大规模强化学习增强推理能力方面的第一步。未来，他们将致力于将更强大的基础模型与依托规模化计算资源的 RL 相结合，并积极探索将智能体与 RL 集成，以实现长时推理，目标是通过推理时间扩展释放更高的智能。 随着模型参数规模的增长已经进入瓶颈期，如何在现有参数规模下进一步提升模型能力成为业界关注焦点。QwQ-32B 的突破或将引领新一轮 AI 技术发展方向，进一步推动从&#34;大力出奇迹&#34;向&#34;精巧出智慧&#34;的范式转变。 对此，科技自媒体数字生命卡兹克感叹道： <blockquote> 这波 QwQ-32B 开源的意义，还是非常强的。 它用实力证明 RLHF 路线还能玩出花，打破了一些人对 GPT4.5 撞墙后的过度悲观。 用中等规模却拿到高级性能，给开源界注入了强大信心，你也不必搞那种天价设备和超大规模，也有机会跟国际巨头同场竞技。 </blockquote> QwQ-32B 的发布与阿里近期宣布的 AI 战略高度一致。据报道，阿里集团计划在未来三年投入超过 3800 亿元建设云和 AI 硬件基础设施，总投入将超过过去十年总和。 此前，阿里自研的&#34;深度思考&#34;推理模型已在夸克 AI 搜索平台上线，成为国内少数没有接入 DeepSeek 的大体量 C 端 AI 应用。 在基础模型层面，阿里通义大模型家族已跻身全球顶尖开源模型行列。有知情人士透露，&#34;更大规模的模型也将陆续接入夸克&#34;。 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。</div>

阿里巴巴

阿里巴巴-W

阿里推出新推理模型 QwQ-32B，参数仅 320 亿，却在性能上媲美 6710 亿参数的 DeepSeek-R1，甚至在某些测试中超越对方。该模型集成了 Agent 相关能力，能够进行批判性思考并调整推理过程。QwQ-32B 在多项评测中表现卓越，成本仅为 DeepSeek-R1 的十分之一，显示出其在性能与成本之间的优势。

- 阿里推出 QwQ-32B 模型，320 亿参数性能媲美 6710 亿参数模型。  
- QwQ-32B 采用大规模强化学习，成本仅为同类模型的十分之一。  
- 模型已开源，推动 AI 技术从 “大力出奇迹” 向 “精巧出智慧” 转变。  

阿里开源 QwQ-32B！以 1/21 小参数媲美 DeepSeek R1 性能，成本仅 1/10