晚了一步的天才：比DeepSeek更强，却因发布时机成为配角

就在前天，阿里云Qwen团队推出了QwQ-32B人工智能模型，虽然关注的人不多，但我经过简单使用后可以断定，在大模型领域这是一次不弱于DeepSeek R1的进步。

这个模型可以说是AI世界的袖珍选手——只有320亿参数，却能在多项测试中与那些"大块头"模型一较高下。比如，它与拥有671B参数的DeepSeek R1相比，不仅不落下风，有时还略胜一筹。一个轻量级选手击败了重量级冠军，让人不得不刮目相看。

QwQ-32B有什么特别之处？

QwQ-32B的秘密武器是它的训练方法。Qwen团队没有简单地堆砌更多参数，而是采用了一种叫"大规模强化学习"的方法。这有点像教孩子学习：不是给孩子塞更多的书本，而是教会孩子如何思考、提问和反思。

具体来说，QwQ-32B基于Qwen2.5-32B模型，通过特殊的训练让它学会了"思考"。研究人员发现，当给模型足够的时间去思考问题、质疑自己的答案、反思解题过程时，它解决数学和编程问题的能力会大幅提升。这就像人类解决复杂问题时，不是靠死记硬背，而是通过分析、推理来找到答案。

与其他模型相比怎么样？

根据阿里云的测试数据，QwQ-32B的表现相当亮眼：

在LiveBench评分中得了72.5分，超过了DeepSeek R1的70分

在AIME24数学测试和LiveCodeBench编程测试中，它的表现与DeepSeek R1不相上下

在一些通用能力测试中，QwQ-32B还略占上风

最关键的是，QwQ-32B的计算成本相比DeepSeek R1再次降低到了十分之一——前者只需0.25美元，后者则需2.5美元。

QwQ-32B的成功再次证明了，AI发展不一定要走"参数越多越好"的路线，通过更聪明的训练方法也能达到甚至超越大模型的效果。它与其他几款知名模型如DeepSeek-R1-Distilled-Qwen-32B、DeepSeek-R1-Distilled-Llama-70B、o1-mini以及原始DeepSeek-R1相比，在多项任务上都表现得不分伯仲。

普通人能用上吗？

QwQ-32B的一大优势是它对硬件的要求相对较低。与那些需要超级计算机才能运行的庞然大物不同，QwQ-32B对普通开发者更加友好。实际测试表明，只需要18G以上显存的GPU就能成功运行这个模型。使用CPU运行也只需要有32G内存。这意味着，QwQ模型甚至可以在一些高端消费级GPU上运行，大大降低了使用门槛。

实际用起来怎么样？

QwQ-32B在解决复杂问题时表现出色，特别是在需要深度思考的任务上。比如解答数学题时，它不仅能给出答案，还能展示完整的推理过程，让你看懂它是怎么一步步得出结论的。

不过，和所有AI模型一样，QwQ-32B也不是完美的。有时它也会"说胡话"（技术上称为"幻觉"），不过相比DeepSeek有所提升。这是目前所有大语言模型都面临的共同挑战，也是几乎无法消除的，只能通过优化算法尽量减少幻觉的提升，

与一些DeepSeek R1模型类似，QwQ-32B能够把它的思考过程完整地展示出来，让你能看到它的思路。这一点再次吊打openai。

这意味着什么？

QwQ-32B的出现标志着AI技术发展的一个新阶段。它告诉我们，通过更聪明的训练方法和算法优化，我们可以创造出更高效的AI系统，而不必一味追求更大的参数量。 随着DeepSeek R1和QwQ-32B等模型的突破，国内AI技术正在国际舞台上崭露头角。

QwQ-32B模型的开源发布，可能做不到让更多人能够接触和使用先进的AI技术。但是无论如何这是一次了不起的技术进步，唯一的遗憾就是发布比DeepSeek晚了几个月吧。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～