推理水平对标OpenAI o1！阿里云通义开源最新推理模型QwQ

首页 » 推理水平对标OpenAI o1！阿里云通义开源最新推理模型QwQ

内容目录

文章来源于互联网:推理水平对标OpenAI o1！阿里云通义开源最新推理模型QwQ

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：

Modelscope开源地址：https://modelscope.cn/models/Qwen/QwQ-32B-Preview