阿里雲發佈QwQ-32B：僅用1/20參數比肩滿血DS-R1，可在消費級顯卡部署

3月6日凌晨，阿里雲發佈並開源全新的推理模型通義千問QwQ-32B。官方稱，這個新模型僅僅擁有320億參數，但在性能上比肩6710億參數的滿血版DeepSeek R1。

目前，阿里雲並未發佈還完整技術報告，但官方數據顯示，QwQ-32B僅在編程競賽（LiveCodeBench）和美國數學競賽（AIME24）兩項略遜於滿血的DeepSeek-R1，其餘三項則全面超越。此外更是碾壓完全超越了OpenAI-o1-mini。

阿里雲解釋稱，團隊此次基於Qwen2.5-32B模型，探索了擴展強化學習（RL）的技術方案，並發現強化學習訓練能夠持續提升模型性能，尤其在數學與編程任務中表現顯著。該團隊還提到，通過持續擴展強化學習訓練的規模，中型模型也可以實現與巨型混合專家模型（MoE）相媲美的性能。

此外，QwQ-32B還滿足更低的資源消耗需求，適合快速響應或對數據安全要求高的應用場景，開發者和企業可以在消費級顯卡上將其部署到本地設備中，進一步打造高度定製化的AI解決方案。阿里稱，QwQ-32B已多個平台基於寬鬆的Apache2.0協議開源，所有人都可免費下載模型進行本地部署，或者通過阿里雲百鍊平台直接調用模型API服務。

值得一提的是，此前OpenAI曾因遇到技術瓶頸，將原來的GPT5.0降格為GPT4.5進行發佈，之後還透露將降低強化學習訓練的優先級，轉向監督學習（SSL）和語言模型（LM）為核心的技術路線。而QwQ-32B的發佈則證明了強化學習路線仍有潛力，可以繼續提升模型的性能。

千問QwQ-32B模型中還集成了與智能體Agent相關的能力，使其能夠在使用工具的同時進行批判性思考，並根據環境反饋調整推理過程。通義團隊表示，未來將繼續探索將智能體與強化學習的集成，以實現長時推理，探索更高智能進而最終實現AGI的目標。

本文系觀察者網獨家稿件，未經授權，不得轉載。