【QwQ-32B-Preview】阿里通义QwQ登场MATH测试超OpenAI o1,开源AI推理新王,为数不多可以与OpenAI o1媲美的模型之一

最新推荐文章于 2025-05-01 21:42:17 发布
最新推荐文章于 2025-05-01 21:42:17 发布
阅读量1.3k 收藏 4
点赞数 8
文章标签： 人工智能 ai AI编程 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_54136051/article/details/144122213
版权

阿里通义千问今天（11 月 28 日）发布《QwQ: 思忖未知之界》博文，推出了 QwQ-32B-Preview 实验性研究模型，在数学和编程领域，尤其在需要深度推理的复杂问题上，具备卓越的 AI 推理能力。它是少数能与 OpenAI 的 o1 匹敌的模型之一，并且是第一个能以宽松许可证下载的模型。QwQ-32B-Preview 在 Apache 2.0 许可证下“公开”可用，这意味着它可以用于商业应用。

QwQ-32B-Preview 现已上线硅基流动平台
在这里插入图片描述

https://cloud.siliconflow.cn/i/35lbid3e
使用该链接注册可以获得2000万tokens体验QwQ-32B-Preview

模型表现

QwQ-32B-Preview 包含 325 亿个参数，能够处理最长 32000 个 tokens 的提示词；在 AIME 和 MATH 基准测试中，它的表现优于 OpenAI 的两个推理模型 o1-preview 和 o1-mini。

GPQA

该基准是一个通过小学级别问题评估高阶科学解题能力的评测集，旨在考察科学问题解决能力。QwQ-32B-Preview 评分为 65.2%，展示了研究生水平的科学推理能力。

AIME

该基准涵盖算术、代数、计数、几何、数论、概率等中学数学主题的综合评测，测试数学问题解决能力

最低0.47元/天 解锁文章
Yukuii_0v0
关注
2025最新QwQ-32B模型使用教程：从部署到实战，手把手教你玩转AI推理模型（附保姆级指南）
资深全栈架构师，乐于在 CSDN 分享技术见解，与大家携手共进，共攀技术巅峰！
03-07 2134
QwQ-32B是阿里巴巴推出的最新推理模型，仅用320亿参数，性能媲美671B参数的DeepSeek-R1。它在数学、编程和通用能力方面表现卓越，支持多模态任务和Agent相关能力，能够根据环境反馈动态调整策略。QwQ-32B不仅是AI技术的突破，更是推理模型的典范。无论是数学、编程还是逻辑推理，它都能帮你高效完成任务。立即行动，下载模型并加入开发者社区，开启你的AI推理之旅！👉 关注作者并私信“QwQ教程”获取全套案例代码与资源包！#QwQ32B #AI推理模型 #保姆级教程 #2025趋势。
QwQ - 32B 与 GPT - O1 的全面对比分析
llm_way的博客
12-02 2535
在人工智能领域，大语言模型的发展日新月异，它们在理解和生成能力上不断突破界限。QwQ - 32B 和 GPT - O1 作为其中的代表模型，各自展现出独特的特性和优势。本文将从多个维度对 QwQ - 32B 和 GPT - O1 进行深入对比，包括训练方法、模型架构、实际应用表现等方面，以帮助读者更好地理解这两款模型的差异和适用场景。
媲美满血R1+，刚刚，阿里推理模型QwQ-32B开源
AI前沿技术的分享！
03-06 2039
阿里通义千问团队今日凌晨正式开源推理模型QwQ-32B，仅凭320亿参数（非嵌入参数31亿），竟在多项关键指标上追平甚至超越参数规模超6710亿的顶尖模型DeepSeek-R1！
比肩满血DS，阿里开源 QwQ-32B 本地部署，Ollma/vLLM 实测对比，消费级显卡可跑，效果炸裂
2401_85375151的博客
03-19 1803
本文带大家本地部署最新开源的推理模型QwQ-32B，并通过 Ollama/vLLM 进行了实测对比。Ollama/vLLM 怎么选？易用性：无疑是 Ollama，几行命令就能跑起来，小白友好；而 vLLM 安装和模型适配，门槛较高，适合有一定代码阅读能力的玩家；推理性能：无脑选 vLLM，即便是单发请求，Ollama26 token/svs vLLM32 token/s，更遑论 Ollama 还不支持并发；安全性：vLLM 的 API 支持令牌授权，而 Ollama 不支持。结论。
TensorFlow相关组件的安装
AAI666666的博客
01-11 2530
TensorFlow相关组件的安装
阿里重磅开源QwQ-32B推理模型！全面支持Agent，性能媲美满血R1！
weixin_43589681的博客
03-06 718
这标志着 Qwen 在扩展强化学习 （RL） 以增强推理能力方面迈出了第一步。我们不仅见证了缩放 RL 的巨大潜力，还认识到了预训练语言模型中尚未开发的可能性。未来，他们将继续深入探索 RL 的潜力，并将其与更强大的基础模型相结合，利用更大的计算资源，致力于打造 下一代 Qwen 模型，并最终迈向 通用人工智能 (AGI) 目标！
阿里发布推理模型QwQ-32B-Preview，性能超OpenAI o1-preview
bagell的博客
11-29 2581
今天，阿里巴巴的 Qwen 团队发布了其最新的推理模型 QwQ-32B-Preview。该模型拥有 325 亿参数，并能处理约 32,000 个 Token 的提示词。值得注意的是，它是首个可以在宽松许可下下载使用的模型。试用链接：https://huggingface.co/spaces/Qwen/QwQ-32B-preview根据官网介绍，QwQ-32B-Preview 是为数不多的可以与 OpenAI 的 o1 相媲美的模型之一。
QWQ-32B概述与本地部署使用
寸先生的AI道路
03-08 2144
2025年3月5日，阿里巴巴千问QwQ-32B，即DeepSeek之后，中国AI大模型有一次震惊世界。QwQ-32B 的运行成本显著低于 DeepSeek-R1 等模型，性能更优，成本仅为 1/10，体现了我国在被外国技术封锁的情况下进行进行自主创新的能力。QwQ 是 Qwen 系列的大模型之一，专注于 推理能力（reasoning）。
320 亿参数 “小个子” 逆袭，QwQ-32B 成大模型界新宠
qq_35480722的博客
03-07 1729
新模型的发布总是能吸引众多目光，而的出现，无疑是一颗重磅炸弹，瞬间引发了广泛的关注和热议😎。这款由阿里旗下通义千问 Qwen 团队推出的推理模型，拥有 320 亿参数，却在性能上展现出了令人惊叹的实力，可与具备 6710 亿参数（其中 370 亿被激活）的 DeepSeek-R1 相媲美，堪称大模型界的一匹新 “黑马”🐎。在如今这个参数竞赛激烈的大模型时代，大家往往认为模型参数越多，性能就越强。
本地部署堪比满血deepseek-r1的qwq-32b
cornplanter的博客
03-06 8160
3月6日，阿里巴巴推出并开放源代码的全新推理模型通义千问QwQ-32B，据阿里官方发布信息显示，其在数学运算、编程开发与多领域应用的综合表现接近DeepSeek-R1水平，同时通过技术优化显著降低运行门槛，可实现普通显卡设备的本地化运行。32B的模型RAM至少要32G，可以配置虚拟内存。搜索qwq-32b-gguf，或者访问（可能要开机场），下载gguf模型。打开官网查看显卡显卡计算力及是否支持FP16和INT8。或者参考博文。
阿里QwQ-32B本地部署方案（含安全设置）
xx_nm98的博客
03-13 1790
今日凌晨，阿里发布最新的推理模型QwQ-32B。这是一款拥有 320 亿参数的模型，其性能可与具备 6710 亿参数（其中 370 亿被激活）的 DeepSeek-R1 媲美。
​QwQ-32B：让AI在开源界内卷到底！
曾小健3的博客
12-02 1436
它不仅是阿里巴巴Qwen团队最新发布的开源模型，更是AI推理界的一名“哲学学生”——深思熟虑、不耻下问，还能给你一份惊艳的数学答卷。问题：在方程 $1 + 2 * 3 + 4 * 5 + 6 * 7 + 8 * 9 = 479$ 中，添加一对括号使等式成立。无论你是技术大牛、数学爱好者，还是对AI未来充满好奇的“哲学学生”，QwQ都为你打开了一扇通往智能边界的新大门。QwQ（发音/kwju:/，像“quill”）名字萌萌哒，但它可不是来“撒娇”的。逐步拆解问题，计算当前结果，与目标值比较，发现差距。
重磅突破！QwQ-32B：用强化学习打造的AI推理黑科技
daiziguizhong的博客
03-07 567
QWQ-32B——一个新的里程碑
阿里开源的32B大模型到底强在哪里？
程序员，AI探索者
04-15 3028
阿里巴巴最近开源了一个320亿参数的大语言模型Qwen1.5-32B，网上都说很强很强，那么它到底强在哪里呢？
高压开关柜局部放电信号分析系统
m0_61057267的博客
04-28 1667
这个项目是我在2025年实现的高压开关柜局部放电信号分析系统，目的是通过采集分析局部放电信号，判断设备的工作状态和潜在故障。系统包含从信号模拟生成、特征提取、到深度学习模型训练的全流程，最终可自动生成分析报告。
Python项目--基于计算机视觉的手势识别控制系统
exlink2012的专栏
04-23 3213
随着人机交互技术的快速发展，传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式，具有操作自然、交互直观的特点，在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。 本项目旨在开发一个基于计算机视觉的手势识别控制系统，通过摄像头捕获用户的手部动作，实时识别手势类型，并将识别结果转化为相应的控制命令，实现对计算机或其他设备的非接触式控制。
远光软件发布九天 AI 应用开发平台，加速企业研发效能跃升
YG_JT的博客
04-30 311
4月25日，远光软件在“2025珠海软件产业年会暨AI技术赋能行业发展交流会”上以虚拟直播方式发布了远光九天AI应用开发平台。
存算一体架构下的新型AI加速范式：从Samsung HBM-PIM看近内存计算趋势
最新发布
高效做AI，就上Aladdin! 同学们用得起的H卡算力平台。
05-01 785
存算一体不是简单的技术改良，而是对计算本质的重新思考。当HBM-PIM将能效边界推向10 TFLOPS/W，我们正站在架构革命的临界点。这场变革的终极目标，是让计算回归数据本源——‌在比特诞生的地方处理比特‌。本文实验数据基于Samsung Aquabolt-XL HBM-PIM实测，更多技术细节请参考ISSCC 2023论文《A 1ynm 16Gb 4.8TFLOPS/W HBM-PIM with Bank-Level Programmable AI Engines》。
QwQ-32B部署
03-11
### QwQ-32B 部署指南与解决方案 对于大型模型如QwQ-32B，在部署过程中需考虑硬件资源分配、软件环境配置以及性能优化等问题。具体来说： #### 硬件准备 为了支持如此大规模参数量的模型运行，建议采用具备高性能GPU集群的支持方案[^1]。每台机器应至少配备有8张A100 GPU卡，并确保网络带宽充足以便于分布式推理。 #### 软件环境搭建 推荐基于Docker容器化技术来创建隔离的工作环境，这样可以有效解决不同版本依赖带来的冲突问题。安装必要的Python库文件，特别是PyTorch框架及其对应的CUDA驱动程序版本。 #### 性能调优策略 针对QwQ-32B这类超大尺寸的语言模型，可以通过量化方法减少内存占用；利用混合精度训练加速计算过程而不明显损失准确性；实施批处理机制提高吞吐率并降低延迟时间。 ```python import torch from transformers import AutoModelForCausalLM, AutoTokenizer device = "cuda" if torch.cuda.is_available() else "cpu" model_name_or_path = "path_to_qwq_32b_model" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path).to(device) def generate_text(prompt): inputs = tokenizer(prompt, return_tensors="pt").to(device) outputs = model.generate(**inputs) result = tokenizer.decode(outputs[0], skip_special_tokens=True) return result ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值