阿里旗下 Qwen 團隊近日重磅推出 QwQ-32B AI 模型，這款僅有 320 億參數的模型，效能竟能與擁有 6,710 億參數（其中 370 億啟動）的 DeepSeek-R1 一較高下。團隊透露，這一突破來自強化學習技術的巧妙應用，並為模型注入 Agent 能力，讓它不僅能使用工具，還能批判思考並即時調整推理。從數學推理到程式設計，這款模型在多項基準測試中表現亮眼，甚至連筆電都能運行，令人驚嘆！
強化學習打造高效模型
QwQ-32B 的核心亮點在於其訓練方式。Qwen 團隊從冷啟動開始，採用大規模強化學習（RL）技術，特別針對數學和程式設計任務進行優化。不同於傳統依賴獎勵模型的做法，他們透過驗證數學答案的正確性提供反饋，並利用程式碼執行伺服器測試生成的程式碼是否通過案例。這種精準反饋機制，讓模型在訓練過程中逐步提升，展現出驚人的任務適應力。
通用能力全面進化
在數學與程式設計訓練告一段落後，團隊並未止步，而是啟動第二階段的強化學習，聚焦通用能力的提升。這次他們結合通用獎勵模型與基於規則的驗證器，讓 QwQ-32B 在更廣泛的應用場景中表現出色。令人驚喜的是，這一過程不僅強化了通用性，還保持了數學與程式設計領域的高水準，展現多領域均衡發展的潛力。
基準測試傲視群雄
QwQ-32B 在多項基準測試中大放異彩，涵蓋數學推理、程式設計能力與通用任務。其表現不僅媲美 DeepSeek-R1-Distilled-Qwen-32B 和 DeepSeek-R1-Distilled-Llama-70B，甚至超越 o1-mini 以及原始的 DeepSeek-R1。這意味著，儘管參數量遠低於對手，QwQ-32B 依然能憑藉優化技術站穩頂尖位置。
筆電運行開啟新可能
更令人振奮的是，QwQ-32B 不僅強大，還極具實用性。蘋果機器學習科學家 Awni Hannun 在 X 平台透露，他使用搭載 M4 Max 處理器與 MLX 深度學習框架的筆電成功運行這款模型。這表示，即便是普通用戶也能在日常設備上體驗頂級 AI 的威力，無需依賴龐大伺服器，大幅降低使用門檻。
開源共享惠及全球
Qwen 團隊將 QwQ-32B 在 Hugging Face 和 ModelScope 開源，採用 Apache 2.0 協議，並透過 Qwen Chat 提供直接體驗。
