今天，阿里巴巴通義千問團(tuán)隊(duì)扔出了一枚"重磅炸彈"——正式推出僅320億參數(shù)的QwQ-32B大語言模型。這個(gè)看似中等體量的模型，竟在多項(xiàng)關(guān)鍵指標(biāo)上追平甚至超越了頂尖模型DeepSeek-R1。

從官方披露的數(shù)據(jù)來看，QwQ-32B的突破主要源于強(qiáng)化學(xué)習(xí)技術(shù)的創(chuàng)新應(yīng)用。研發(fā)團(tuán)隊(duì)摒棄了傳統(tǒng)獎(jiǎng)勵(lì)模型，轉(zhuǎn)而通過分階段訓(xùn)練策略：先用數(shù)學(xué)題答案驗(yàn)證和代碼測試執(zhí)行結(jié)果作為反饋，夯實(shí)基礎(chǔ)推理能力;再引入通用獎(jiǎng)勵(lì)模型擴(kuò)展綜合實(shí)力。這種"精準(zhǔn)投喂"的調(diào)教方式，讓模型在參數(shù)量僅為對手1/21的情況下，不僅保住了性能基準(zhǔn)線，還把推理成本壓縮到十分之一。有網(wǎng)友實(shí)測發(fā)現(xiàn)，該模型在筆記本電腦上就能流暢運(yùn)行，思考過程還能實(shí)時(shí)可視化，這性價(jià)比直接拉滿。

在權(quán)威評測中，QwQ-32B展現(xiàn)出了"以小搏大"的硬實(shí)力。面對被稱為"LLM終極考場"的LiveBench榜單，它不僅以72.5分反超DeepSeek-R1的70分，更以0.25美元的成本遠(yuǎn)低于對手2.5美元的推理開銷。在代碼生成、數(shù)學(xué)解題等專項(xiàng)測試中，其表現(xiàn)甚至優(yōu)于部分專門優(yōu)化的蒸餾模型。最令人驚喜的是，它還能像人類一樣在使用工具時(shí)進(jìn)行"自我糾錯(cuò)"，根據(jù)環(huán)境反饋動(dòng)態(tài)調(diào)整推理路徑。

這波操作背后的技術(shù)路徑確實(shí)讓人眼前一亮。當(dāng)行業(yè)還在為"萬億參數(shù)俱樂部"的門檻爭得頭破血流時(shí)，阿里選擇用強(qiáng)化學(xué)習(xí)深挖模型潛力，某種程度上打破了"參數(shù)即正義"的固有認(rèn)知。正如業(yè)內(nèi)人士評價(jià)，這種中等規(guī)模模型的高效表現(xiàn)，既為開源社區(qū)提供了新思路，也降低了企業(yè)部署AI的門檻。

目前該模型已在Hugging Face和ModelScope雙平臺(tái)開源，普通用戶通過Qwen Chat就能直接體驗(yàn)。