$美图公司(HK|01357)$   

阿里深夜推出的全新推理模型 通义千问QwQ-32B 是一款参数仅320亿的大模型，却在性能上与拥有6710亿参数（其中370亿被激活）的DeepSeek-R1相媲美，核心突破在于其通过强化学习（RL）技术实现了小参数模型的高效推理能力。以下是关键信息梳理：

技术突破

1. 强化学习驱动

QwQ-32B采用冷启动+结果导向的强化学习策略，直接通过任务结果（如数学答案正确性、代码运行成功率）指导训练，而非依赖传统奖励模型。这种方法大幅提升了模型在数学推理、代码生成等复杂任务中的表现。

2. 多阶段训练与冷启动

从预训练模型检查点开始，初期针对数学和代码任务优化，后期逐步引入通用奖励模型和规则验证器，兼顾专项能力与通用性。

性能表现

- 数学推理：在AIME24评测中与DeepSeek-R1持平，远超同尺寸蒸馏模型。

- 代码能力：在LiveCodeBench评测中表现相当，且能准确调用工具（BFCL测试超越DeepSeek-R1）。

- 通用能力：在指令遵循（IFEval）、复杂推理（LiveBench）等测试中超越DeepSeek-R1。

开源与部署

- 完全开源：模型已在Hugging Face和ModelScope平台开放下载，采用Apache 2.0协议，支持商业使用。

- 低门槛部署：消费级显卡即可实现本地推理，降低了企业和开发者的使用成本。

行业意义

- 参数效率革命：证明小模型通过强化学习也能达到巨型模型的性能，为行业提供了更经济的解决方案。

- AGI探索方向：阿里未来计划将更强基础模型与RL结合，并整合Agent能力以实现长时推理，推动通用人工智能（AGI）发展。

总结

QwQ-32B的发布标志着大模型从“参数竞赛”转向“效率优化”的新阶段，其开源策略也加速了技术普惠。这一突破不仅巩固了阿里在AI领域的地位，也为行业提供了小模型高性能化的新思路。