前言

阿里发布并开源全新的推理模型通义千问QwQ-32B 👇

Blog: https://qwenlm.github.io/blog/qwq-32b

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

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

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

Qwen Chat: https://chat.qwen.ai

可能你看到这里还没啥感觉，那是因为你还没有看到基准测试性能比对图……

在图中可以看到QwQ仅32B的尺寸就比肩671B的满血版DeepSeek-R1，尤其在数学和代码方向更胜一筹，3胜2负。

与o1-mini，更是稳占上风。

*AIME（American Invitational Mathematics Examination）：衡量模型数学推理技能的重要工具

*LiveCodeBench：评估大型语言模型在代码生成领域的表现

*LiveBench：由图灵奖得主Yann LeCun联合推出

*IFEval（Instruction-Following Evaluation）：专门用于评估大型语言模型指令遵循能力的数据集

*BFCL（Berkeley Function-Calling Leaderboard）：是由加州大学伯克利分校研究人员开发的排行榜系统，用于评估和比较不同函数调用性能。

要知道，它的尺寸仅仅才32B

这个尺寸完全可以直接在消费级硬件上本地部署，就拿7900xtx来说，24G显存足矣！

---

QwQ-32B 部署测试

光说不练假把式，接下来，将在本地部署测试，能力到底如何，咱们一试便知~

本次部署使用ollama，有条件的小伙伴可以跟着一步一步来，包成功的

① 安装ollama并下载qwq模型

在ollama官网点击“Download”，按照提示安装并运行。

*https://ollama.com

访问qwq落地页，复制模型安装命令（大家可以直接复制下面代码） 👇

ollama run qwq

运行 Windows PowerShell，粘贴命令并回车，qwq 32b即开始下载。

等待出现success提示，即可直接开始与qwq 32b对话。

由于推理模型有标签，如果大家觉得命令行界面不太适应，可以借助Page Assist插件来优化体验。

② 安装 Page Assist 插件

Page Assist 是一个开源的本地 AI 模型的 Web UI，可在谷歌、Edge、火狐浏览器中使用。

Edge插件安装地址：

https://microsoftedge.microsoft.com/addons/detail/page-assist-a-web-ui-fo/ogkogooadflifpmmidmhjedogicnhooa?hl=zh-CN

安装完成后在浏览器右上角插件列表中点击“Page Assist”即可运行（在右上角设置，可将语言设置为简中）。

插件会自动连接到ollama并自动加载本地已经下载的模型，这里我们直接选择qwq:latest。

好啦！部署到此为止，接下来开始能力测试对比环节！

---

样本 ①：

已知小红有2个姐姐和4个妹妹，她的妹妹中年龄第三小的妹妹小美有几个姐姐？（正确答案：4个）

QwQ:latest 👇

*上方为长图，请滑动查看

最终答案：4✅，虽然期间思考过程过于冗杂，且出现过不少错误判断，但最终还是可以判断出最合理的正确答案。

DeepSeek R1 671B 👇

*上方为长图，请滑动查看

最终答案：5❌，在第四段思考过程中出现了排序错误（已标注），第一小和第一大理解错误，且后续没有及时纠正，导致结果输出错误。

Grok 3 👇

*上方为长图，请滑动查看

最终答案：4✅，解答过程非常清爽。

---

样本 ②：

已知小红（性别为女）的妹妹中年龄倒数第三的妹妹小美有二个姐姐，则小红的妹妹数量有哪些可能？（答案有两个：3或4）

QwQ:latest 👇

*上方为长图，请滑动查看

没有最终答案❌，陷入了死循环，解答方向逐渐偏离，挑战失败。

DeepSeek R1 671B 👇

*上方为长图，请滑动查看

最终答案：4❌，缺少一个答案为3的逻辑推理。

Grok 3 👇

*上方为长图，请滑动查看

最终答案：4❌，同样缺少一个答案为3的逻辑推理。

---

样本③：

奥利弗周五摘了 44 个猕猴桃，周六摘了 58 个，周日摘的数量是周五的两倍，不过有 5 个更小一些。问奥利弗一共摘了多少个猕猴桃？（答案：190个）****

QwQ:latest 👇

*上方为长图，请滑动查看

挑战失败❌……不过我为它感到可惜，多次理解出正确答案，却因为自我质疑导致否定，陷入自证循环。

DeepSeek R1 671B👇

*上方为长图，请滑动查看

最终答案：190个✅，完美屏蔽无关信息。

GPT-4 Mini 👇

*上方为长图，请滑动查看

最终答案：185个❌，完全没有意识到转折点是陷阱提示。

Grok 3 👇

*上方为长图，请滑动查看

最终答案：190个✅，完美屏蔽无关信息。

DeepSeek R1 70B👇

最终答案：185个❌，被干扰信息迷惑。

---

写到这里，我发现QwQ推理模型特别谨慎，可以说是过度了……

就拿刚刚的猕猴桃来说，就因为一句干扰信息“不过有 5 个更小一些”，导致陷入死循环。

我想我们可以仔细来分析下QwQ的解题思路，他考虑的确实太多了。

起初他明明意识到了，即使较小，那也算是猕猴桃，得出总数是190。

但随着推理的进行，它竟然举出了一个无法反驳的例子 👇

“我昨天赚了100元，不过有5元是假钞。 那么昨天只赚了95”。以金钱来类比猕猴桃，重新进入题目陷阱……

不过很快它就意识到了错误，重新调整思路，正确解答。

本来我以为到这里就结束了，可他就像没有主心骨一样，反复横跳，慢慢意识到了问题，却试图用一些奇怪的理由来推翻正确答案……

说实话，这个QwQ这个32B的推理模型我觉得已经非常优秀了，抛开训练参数量来比能力都是耍流氓。

如何云端调用QwQ-32B？

QwQ-32B已在魔搭社区、HuggingFace等平台基于宽松的Apache2.0协议开源。

所有人都可免费下载模型进行本地部署，或者通过阿里云百炼平台直接调用模型API服务。

魔塔社区：

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

阿里百炼

https://bailian.console.aliyun.com/

个人玩家如何体验？

如果你不想本地部署，那可以直接通过 Qwen Chat 直接进行体验！只需登录即可开箱使用。

**Qwen Chat：**https://chat.qwen.ai

QwQ-32B对应的是Qwen-2.5-Plus，记得打开深度思考开关哟~

不过，既然用这个平台，那我肯定不会用Qwen-2.5-Plus，毕竟Qwen2.5-Max更胜一筹

打开Qwen2.5-Max的思考模式，模型推理能力比开源的32B更强，更有主见，之前32B没过的题目，现在轻松拿捏。

据说这是 QwQ-Max 的preview版本

现在32B都这么强，那真正的满血版不就要突破天花板啦？！

现在我只想着阿里速速开源Max……

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​