阿里千问QwQ-32B开源，比肩671B满血DeepSeek-R1！笔记本就能跑

编辑：编辑部 HNYZ

【新智元导读】仅用32B，就击败o1-mini追平671B满血版DeepSeek-R1！阿里深夜重磅发布的QwQ-32B，再次让全球开发者陷入狂欢：消费级显卡就能跑，还一下子干到推理模型天花板！

凌晨，阿里重磅开源全球最顶尖AI模型——通义千问QwQ-32B推理模型。

它仅用320亿参数，便与目前公认的开源最强6710亿参数的满血版DeepSeek-R1（370亿被激活）相媲美。

甚至，QwQ-32B在多项基准测试中全面超越o1-mini。

更令人兴奋的是，任何人能够直接在搭载消费级显卡的电脑或者Mac上体验满血版性能。（终于，我们的5090D派上用场了）

左右滑动查看

更有开发者惊呼：AI模型彻底进入全民普及阶段！

如此来看，QwQ-32B简直堪称「推理能力天花板」与「实用性典范」的完美结合。

苹果机器学习研究员Awni Hannun用搭载MLX架构的M4 Max笔记本去跑QwQ-32B，结果发现运行超级流畅。

已经是上上代旗舰的3090 Ti，跑起模型来也超级之快——输出速度可达30+token/s。

目前，阿里以宽松的Apache2.0协议将QwQ-32B全面开源，全球开发者与企业均可免费下载、商用。

魔搭社区：

https://modelscope.cn/models/Qwen/QwQ-32B

Hugging Face：

https://huggingface.co/Qwen/QwQ-32B

当然了，所有人皆可通过通义APP免费体验最新的千问QwQ-32B模型，开启方式——Qwen2.5 Plus+Thinking（QwQ）。

体验地址：

https://chat.qwen.ai/?models=Qwen2.5-Plus

开源新王诞生，32B媲美DeepSeek-R1

QwQ-32B到底有多强？我们用数据来说话——

在数学AIME 2024评测集，以及评估代码LiveCodeBenc基准上，QwQ-32B均与DeepSeek-R1旗鼓相当。

而且，其性能远超o1-mini，甚至是一样尺寸基于Qwen系列蒸馏出的R1模型。

在LeCun领衔的「最难LLMs评测榜」LiveBench、谷歌等提出的指令遵循能力IFEval评测集、由UC伯克利等提出的评估准确调用函数或工具方面的BFCL测试中，QwQ-32B得分均超越了DeepSeek- R1。

总的来说，QwQ-32B在数学、编程、通用能力方面取得了领先优势。

正是通过RL的Scaling，QwQ-32B才能实现能与DeepSeek-R1相匹敌的性能。

艾伦人工智能研究所大佬Nathan Lambert发自内心地赞叹：「QwQ-32B是给RL纯粹主义者最好的礼物。」

大佬开始仔细研读阿里放出的官方材料，并且敲桌板表明：我们需要更多论文！

接下来，是对QwQ-32B的最新实测。

我们已经部署在电脑里了

第一，来一段难度不低的数学题。

n个点在一个圆中，点出目前圆中的位置是随机的，求这些点出目前同一个半圆内的概率。

QwQ-32B在经过一大长串的思考之后，给出了正确答案。

同一道题，我们也在本地部署的Q4量化模型上进行了验证。

虽然由于没优化本地环境导致输出较慢，但QwQ-32B依然一次就做对了。

而OpenAI o3-mini-high可能觉得这道题超级简单，只思考了几秒，就开始作答。

最后，果不其然答错了。

上下滑动查看

接下来是一道微积分，看它能不能解决高等数学问题。

可以看出，不管是本地部署的还是线上的QwQ-32B，都有着逻辑严谨、步骤清晰的解题过程。

从明确目标到巧妙变量代换u = xe^x，再到逐步推导和结果验证，成功将复杂积分转化为简单的对数形式，结果完全正确！

同样的提示给到蒸馏版DeepSeek-R1-32B。

可以看到，它在经过了漫长的思考之后，并没有做对。

而最有趣的，还得是OpenAI o1。

它不仅答案不对，而且两次都只说了个思路，剩下的……你自己去解吧。

再上一道推理题。

一群人开舞会，每人头上都戴着一顶帽子帽子只有黑白两种，黑的至少有一顶。每个人都能看到其它人帽子的颜色，却看不到自己的主持人。先让大家看看别人头上戴的是什么帽子，然后关灯，如果有人认为自己戴的是黑帽子就打自己一个耳光。第一次关灯，没有声音于是再开灯，大家再看一遍，关灯时依旧鸦雀无声。一直到第三次关灯，才有劈劈啪啪打耳光的声音响起。问有多少人戴着黑帽子?

在思考过程中，QwQ-32B进行了逻辑严密的推断。

上下滑动查看

最终，它给出了正确答案：3人戴着黑帽子。

本地模型同样回答正确。

而在实测过QwQ-32B的写作能力后，我们忍不住赞叹：国内的大模型中，又出了一个思想和文笔俱佳的文科生！

此前，DeepSeek-R1仿《过秦论》的风格写出的《过美利坚论》技惊四座，文采斐然。

目前让QwQ-32B接受同样的考验。

可以看到，它第一分析了贾谊《过秦论》的特点——多用排比、对仗，气势磅礴，语言犀利。然后想到，自己需要思考如何将美国的历史事件与《过秦论》的结构对应起来。

难点就在于，要用文言文准确表达一些现代概念，还要保证论点有逻辑性、层层递进。

一番思考之后，QwQ-32B给出的回答果然精彩，文采丝毫不输DeepSeek-R1。

相比之下，用于技术验证的蒸馏版DeepSeek-R1-32B，在文采上就要稍逊一筹了。

另一个DeepSeek-R1惊艳全网的「续写红楼梦后八十回」，我们也把同样的题交给了QwQ-32B，让它续写红楼梦的第八十一回。

它在思考过程中，思考到自己需要延续前作细腻的描写、复杂的人物关系和隐喻，还要回应埋下的伏笔，列如贾府的衰落、宝黛的爱情悲剧等。

甚至它还分析出，自己还要表现出原著的悲剧色彩和深刻的批判；如果要引入新角色或事件，就必须自然融入现有框架，不能突兀。

经过这番思考后，它列出了第八十一回的故事梗概，看起来很像那么回事。

而按照这个梗概续写的正文框架，虽然仍不及原作文笔，但已不无可取之处。

上下滑动查看

无需集群，笔记本都能跑

众所周知，满血版DeepSeek-R1超级强劲，但671B参数量所带来的庞大体积，使得它在本地部署起来十分吃力。

Hugging Face工程师Matthew Carrigan的部署过程，就是一个很好的参考。

想要在GPU上实现720GB（Q8量化）的显存，花费可能要10万美元以上。

当然，也可以另辟蹊径地使用CPU进行部署，只不过生成的速度会慢许多。此时，需要24条32GB的内存才能装下。

即便是Q4量化的版本DeepSeek-R1-Q4_K_M，也得需要404GB，依旧不小。

以谷歌开发者专家、UCL计算机系博士生Xihan Li的部署实操为例。

除了模型参数占用的内存+显存空间（404GB）以外，实际运行时还需额外预留一些内存（显存）空间用于上下文缓存（总计约500GB）。

在4×24GB显卡（RTX 4090）和4×96GB内存配置下，DeepSeek-R1-Q4_K_M的短文本生成的速度只有2-4 token/秒，长文本生成时速度会降至1-2token/秒。基本不可用。

相比之下，QwQ-32B本地部署则友善的多，消费级GPU单卡就能轻松部署，而且速度飞起！

列如，在Hugging Face上开源的QwQ-32B版本，以Q4量化精度为例，大小不到20GB。

不只是4-bit量化的版本，Hugging Face上还有从2位一直到8位不同的版本，最小仅需不到13GB，将本地部署的难度直接拉到最低！普通的办公电脑都能运行得起来。

本地部署后，加载与运行也是相当的容易，十几行代码就能完成模型加载、处理问题并生成答案。

Ollama也上线了Q4版本的QwQ-32B模型，安装Ollama后只需复制ollama run qwq到终端，即可体验，简直没有门槛。

Nous Research的常驻研究员N8 Programs在X上称赞QwQ-32B真是一个令人难以置信的进步。

他展示的是前沿推理模型在LiveBench上的得分（下图）——LiveBench是一个全面的在线评估测试，覆盖了广泛的领域（并且一般与实际情况相符）。

可以看到，QwQ-32B的得分介于R1和o3-mini之间，但成本却只有它们的十分之一。

强化学习「炼丹」，小模型也能逆袭

DeepSeek爆火之后，强化学习再次回到聚光灯之下，成为提升大模型/推理模型的关键钥匙。

QwQ-32B成功的核心秘诀，便在于阿里云团队开创性运用了大规模强化学习技术。

不过，与传统方法不同的是，他们采用了多阶段RL训练策略。

在初始阶段，基于冷启动数据，针对数学、编程、通用任务上，进行了强化学习训练。

相较于传统的奖励模型，团队创新性通过校验答案正确性（数学任务）和代码执行测试（编程任务）提供反馈，确保模型逐步「进化」。

在RL Scaling过程中，随着训练轮次推进，模型在数学、编程两个领域的性能持续提升。

在第二阶段，研究人员又针对通用能力进行了RL训练，主要使用通用奖励模型和一些基于规则的验证器进行训练。

实验显示，通过少量步骤的通用 RL，可以提升QwQ-32B的通用能力，最关键的是，其数学、编程性能没有显著下降。

QwQ-32B仅在320亿参数规模下，推理能力直逼DeepSeek-R，恰恰验证了「大规模强化学习+强劲基座模型」是通往AGI的关键路径。

此外，QwQ-32B不只是一个推理模型，还集成了先进的Agent相关能力。不仅在使用工具时批判性思考，还能根据环境反馈动态调整策略。

下一步，阿里还将继续探索智能体与强化学习的深度融合，目标直指长时推理，最终实现AGI。

开源先锋，引领全球AI新格局

这次QwQ-32B满血版开源，绝不是个例，而是阿里云开源战略中的一个环节。

在全球人工智能浪潮席卷之下，开源早已成为推动技术创新的重大引擎。

作为国内最早开源自研大模型的「大厂」，阿里云也是全球唯一一家积极研发先进AI模型，且全方位开源的云计算厂商。

自2023年8月以来，通义系列累计推出了从Qwen、Qwen1.5、Qwen2到Qwen2.5数十款大模型，覆盖5亿到千亿级别的参数规模，并开源了超200款模型，支持29种语言。

这一壮举，标志着阿里云在业界率先实现了「全尺寸、全模态、多场景」的开源。

开源的Qwen系列凭借卓越的性能，数次登顶国内外权威榜单，还多次冲上HuggingFace、Github热榜，成为开发者心中的「爆款」。

2024年，仅Qwen2.5-1.5B一款模型就占据了HuggingFace全球模型下载量的26.6%，位列第一。

才刚刚开源的QwQ-32B，就已经有众多来自不同国家、说着不同语言的的开发者，在第一时间都直接用上了，而且好评如潮。

左右滑动查看

我们都知道，开源的真谛在于，众人拾柴火焰高。

目前，Qwen衍生模型数量突破10万，远超Llama系列，成为全球最大的生成式语言模型族群。

阿里云的开源战略不仅体目前技术输出，更在于推动普惠AI的初心——让中小企业和开发者能够以最低成本、更快速度用上AI，加速大模型应用落地。

另外，通过魔搭ModelScope社区，阿里云还联合1000万开发者，打造出中国最大的AI开源生态。

阿里云坚信，开源是推动技术创新的关键。

通义千问系列的开源，不仅仅是一场技术狂欢，更是一次生态革命。从技术突破到生态赋能，他们正用实际行动诠释了技术普惠的深刻内涵。

正如其愿景所言，通过开源与合作，推动中国大模型生态的繁荣，助力全球AI技术迈向新高度。

在这条路上，通义千问无疑成为一颗耀眼的明星，照亮了AI的未来。

参考资料：

https://chat.qwen.ai/