|
今夜，Manus发布之后，随之而来赶到战场的，是阿里。本来还有点意识模糊，当看到他们发出来的性能比对图，我人傻了。 在几乎所有数据集里，QwQ-32B 都已经能跟满血版DeepSeek R1（671B）表现相当了。尤其是作为QwQ-32B 的主攻方向的数学和代码。 而且，QwQ-32B在基准测试上的性能跑分，几乎拉开o1-mini一个身位。 GPT4.5刚刚证明传统的那套快撞墙了，转头阿里就来给你掏个大的，说，你看，强化学习还是能卷的，这条路，远远还没到头。这么令人诧异的性能表现，其实也跟这两天在arxiv出来的一篇爆火论文互相印证了。 一堆斯坦福教授集中讨论，为什么Qwen-2.5-3B一开始就能自己检查自己的答案，Llama-3.2-3B却不行。 最后的原因还是落在了Qwen团队的强化学习上。因为，这能让模型自己学会一些关键的“思考习惯”。 QwQ-32B开源链接在此： 魔搭开源链接：https://modelscope.cn/models/Qwen/QwQ-32B huggingface开源链接：https://huggingface.co/Qwen/QwQ-32B 当然如果想直接上手体验，官方也给出了在线体验的地址： https://chat.qwen.ai/?models=Qwen2.5-Plus 左上角模型选择Qwen2.5-Plus，然后开启Thinking（QwQ），就能用QwQ-32B了。 我这边也第一时间在AutoDL租了一台A800-80G的显卡，然后把模型下载了下来，并部署测试了一下这个怪物。综合体验下来，本地部署版和网页版其实是一样的。 性能曲线是这样的。 我也做了一些测试。 首先就是，我觉得赛博半仙易主了。这回的QwQ-32B真的能当八字算命大师了。 懂得都懂，AI自媒体人的命也是命，它掐指一算，就知道我经常熬大夜，狂肝文章。下半年家里那些鸡毛蒜皮的事就别提了，为了搭我的摄影棚，把景深弄得更到位，我是真得搬家啊。。。 当然，AI算命只能算是个开胃菜，接下来还是得认真测下QwQ-32B的数学能力。 然后就是拿我的著名的国庆调休题来难为下这类推理模型了： 这是中国2024年9月9日（星期一）开始到10月13日的放假调休安排:上6休3上3休2上5休1上2休7再上5休1。请你告诉我除了我本来该休的周末，我因为放假多休息了几天？ 比如Grok3这种，开了推理还是直接炸了。 答案明明是4天，你咋独自加了3天。。。 而看看QwQ-32B，在一顿小推理之后。 最后答案，完全正确。 要知道，这可只是一个32B的小模型啊。。 然后我还试了一下代码能力。我就直接去Leetcode找了一道困难级别的算法题，解数独。 可能有人不知道Leetcode是啥，LeetCode 是一个全球知名的在线编程练习平台，这个平台有大量不同难度的算法题库，从简单到困难的各种编程题都有。 我直接把解数独的题目还有代码模板丢给QwQ-32B，让它给出最优解的代码： 编写一个程序，通过填充空格来解决数独问题。 数独的解法需遵循如下规则： 数字 1-9 在每一行只能出现一次。 数字 1-9 在每一列只能出现一次。 数字 1-9 在每一个以粗实线分隔的 3x3 宫内只能出现一次。（请参考示例图） 数独部分空格内已填入了数字，空白格用 '.' 表示。 然后给定你一个类，给我一个比较好的方案： class Solution(object): def solveSudoku(self, board): """ :type board: List[List[str]] :rtype: None Do not return anything, modify board in-place instead. """ 经过几分钟的思考，这道题的完整最优解代码也是被QwQ-32B成功给出。 我把这段代码粘贴到了Leetcode平台上，直接提交，没想到这段代码竟然完美的通过了全部测试用例吗，而且执行用时才127ms，击败了93%的在这个算法题库做尝试的人。 说实话，这个结果让我挺惊讶的，毕竟127ms的用时，看平均的用时基本都在1691ms左右。 很强，但是我觉得最强的，还是它未来的生态。 32B和671B，对于本地算力的要求，或者是云服务的成本来说，差别实在是太大太大了。 671B，在FP16精度下需要1400G的显存，这个门槛有多高大家懂得都懂。 而现在，32B的QwQ，4张4090就能跑，这是将近15倍的差距。 而且，智能水平差不多。 这也意味着很多普通企业还有普通开发者，可以直接拿到一个足以对标DeepSeek R1的逻辑推理、数学推理、代码思考能力的大模型，而且还开源，能在自家环境中任意调试、微调、二次开发。 更何况，阿里云上的资源、ModelScope、Hugging Face镜像都能对接，瞬间就把部署壁垒降到几乎为零。 对于那些创新型创业者、小型团队，或者想要做专业AI应用的公司而言，我说实话，这就是天降神兵。 对于大多数的企业垂直场景，一个优秀的32B的模型真的已经足以应付很很多，没必要非得上600多亿参数、又烧又贵的巨无霸。 这波QwQ-32B开源的意义，还是非常强的。 它用实力证明RLHF路线还能玩出花，打破了一些人对GPT4.5撞墙后的过度悲观。 用中等规模却拿到高级性能，给开源界注入了强大信心，你也不必搞那种天价设备和超大规模，也有机会跟国际巨头同场竞技。 真的，昨夜爆火的Manus，在技术架构上，也是Claude+很多微调的Qwen小模型。 那这次QwQ-32B，又是一次智能的提升。 每个大厂、每个团队都在全力冲刺，新的风暴还会一个接一个出现。 睡前一抬头，日历翻到新的数字。 又是个不眠之夜。 阿里NB，QwenNB。 我们中国的团队。 就是NB。 愿我们都能见证更多奇迹。 晚安，或者早安吧。 | 
