推理水平对标OpenAI o1！阿里云开源首个AI推理模型QwQ：数学、编程尤为出色

11月28日消息，推理推理今天，水平首个Q数色阿里云通义团队宣布推出并同步开源了全新的对标AI推理模型——QwQ-32B-Preview。

评测显示，开源预览版本的模型QwQ（Qwen with Questions）在科学推理能力上展现出研究生水平，尤其在数学和编程领域表现卓越，学编其整体推理能力可与OpenAI的程尤o1相媲美。

据介绍，为出QwQ是推理推理通义千问Qwen大模型最新推出的实验性研究模型，也是水平首个Q数色阿里云首个开源的AI推理模型。

阿里云通义千问团队研究发现，对标当模型有足够的开源时间思考、质疑和反思时，模型其对数学和编程的学编理解就会深化，基于此QwQ取得了解决复杂问题的程尤突破性进展。

在衡量科学问题解决能力的GPQA评测集中，QwQ达到了65.2%的准确率，显示出其研究生水平的科学推理能力；在AIME评测中，QwQ以50%的胜率证明了其解决数学问题的能力。

在MATH-500评测中，QwQ以90.6%的高分超越了o1-preview和o1-mini。在评估高难度代码生成的LiveCodeBench评测中，QwQ答对了一半的题目，在编程竞赛题场景中也有出色表现。

不仅如此，QwQ在面对复杂问题时，能够进行深度自省，质疑自身假设，并通过深思熟虑的自我对话，仔细审视其推理过程的每一步。

例如，在解决经典智力题“猜牌问题”时，QwQ通过梳理对话和推演，像个擅长思考的人一样，并最终得出正确答案。

目前，QwQ-32B-Preview已在魔搭社区和HuggingFace等平台上开源，发布短短几小时，引起全球开发者热情体验。

有开发者认为该模型“是完全没有预料到的疯狂的跃进”、“今年开源领域最重大的突破”、“让中国在开源大模型和AI推理上占据先机”。

不过通义团队也表示，虽然QwQ展现了强大的分析能力，但其仍是个供研究的实验型模型，存在不同语言的混合使用、偶有不恰当偏见、对专业领域问题不了解等局限，未来随着研究深入模型迭代，这些问题将逐步得到解决。

最新评论