阿里Qwen团队正式发布他们最新的研究成果——QwQ-32B大语言模型。
这是一款拥有320亿参数的模型，其性能可与具备6710亿参数（其中370亿被激活）的DeepSeek-R1媲美。
QwQ-32B在仅有DeepSeek-R1约1/21参数量的情况下，用强化学习实现了性能上的跨越。
此外，阿里还在推理模型中集成了与Agent相关的能力，使其能够在使用工具的同时进行批判性思考，并根据环境反馈调整推理过程。
QwQ-32B 在一系列基准测试中进行了评估，测试了数学推理、编程能力和通用能力。
其中，在测试数学能力的AIME24评测集上，以及评估代码能力的LiveCodeBench中，千问QwQ-32B表现与DeepSeek-R1相当，远胜于o1-mini及相同尺寸的R1 蒸馏模型。
同时，在由Meta首席科学家杨立昆领衔的“最难LLMs评测榜”LiveBench、谷歌等提出的指令遵循能力IFEval评测集、由加州大学伯克利分校等提出的评估准确调用函数或工具方面的BFCL测试中，千问QwQ-32B的得分均超越了DeepSeek- R1。
目前，QwQ-32B已在Hugging Face和ModelScope开源，大家也可通过Qwen Chat直接进行体验！
据阿里云发布的QwQ-32B模型信息，该模型经过量化优化后，支持消费级显卡本地部署 ，具体要求如下：
显存需求 ：
模型量化后对显存要求大幅降低，20GB以上显存 的消费级显卡即可满足部署需求。例如：
NVIDIA GeForce RTX 2080 Ti （22GB显存）9
RTX 3060/3070/3080 或 RTX 4060/4070 系列（需显存≥20GB）48
性能对比 ：
相比DeepSeek-R1模型需要70GB显存（需3张RTX 4090），QwQ-32B通过量化技术显著降低了硬件门槛，使得普通用户也能在本地运行性能接近R1满血版的模型15。
部署优势 ：
阿里云明确表示，QwQ-32B通过技术优化（如强化学习改写）实现了“消费级显卡友好”，且已开源（Apache 2.0协议），用户可通过通义App或网页版直接体验
