編輯 | 言征

阿里真的是開源模型界的扛把子，這次把類o1模型的預(yù)覽版也公開推出了，現(xiàn)在大家都可以直接在抱抱臉上體驗又一個國產(chǎn)版的萬能推理機了！

小編迫不及待地馬上嘗試了兩個高中奧數(shù)題，一道數(shù)列題、一道概率題，這解題思路堪稱完美閉環(huán)。全對！

緊接著，我在想是不是題目太簡單，直接上了一道微積分幾何考研題，沒想到居然也答對了！真被驚到了，這還需要什么考研輔導(dǎo)教材，有問題，找千問就行了！

1.QwQ：不斷反思、自我質(zhì)疑，更聰明

QwQ-32B-Preview 是由阿里 Qwen（通義千問） 團隊開發(fā)的實驗性研究模型，專注于增強 AI 推理能力。作為預(yù)覽版本，其分析推理能力可以看出已經(jīng)十分讓人興奮。

Qwen官網(wǎng)介紹道，通過深入的探索和無數(shù)的試驗，我們發(fā)現(xiàn)了一個深刻的道理：當模型有足夠的時間思考、質(zhì)疑和反思時，它對數(shù)學(xué)和編程的理解就會深化。

就像學(xué)生通過認真地檢查自己的工作并從錯誤中學(xué)習(xí)變得更加聰明一樣，我們的模型也通過耐心和深思熟慮的分析獲得了更深入的見解。這種細致的反思和自我質(zhì)疑的過程使得模型能夠取得解決復(fù)雜問題的突破性進展。

QwQ的探索之旅揭示了模型在數(shù)學(xué)和編程領(lǐng)域解決一些最具挑戰(zhàn)性的問題的卓越能力，包括：

GPQA：一個通過研究生級別問題評估高階科學(xué)解題能力的評測集，旨在考察科學(xué)問題解決能力。

AIME：涵蓋算術(shù)、代數(shù)、計數(shù)、幾何、數(shù)論、概率等中學(xué)數(shù)學(xué)主題的綜合評測，測試數(shù)學(xué)問題解決能力。

MATH-500：包含500個測試樣本的MATH評測集，全面考察數(shù)學(xué)解題能力。

LiveCodeBench：評估真實編程場景中代碼生成和問題解決能力的高難度評測集。

然后，我們就看到QwQ的實驗結(jié)果了，其中那個Math-500非常顯眼的90.6就把小編給整的激動了。當然包含幾何、代數(shù)、概率的AIME表現(xiàn)也很不錯，50分，比OpenAI-o1-preview還要高出不少。

圖片

隨著采用次數(shù)增加，QwQ的表現(xiàn)還在持續(xù)提升

具體表現(xiàn)如下：

GPQA：65.2%，展示了研究生水平的科學(xué)推理能力；

AIME：50.0%，證明了強大的數(shù)學(xué)問題解決技能；

MATH-500：90.6%，體現(xiàn)了在各類數(shù)學(xué)主題上的全面理解；

LiveCodeBench：50.0%，驗證了在實際編程場景中的出色表現(xiàn)。

這些成果充分體現(xiàn)了QwQ在分析和問題解決能力方面的顯著進步，尤其是在需要深度推理的技術(shù)領(lǐng)域。

那么，如何理解官網(wǎng)所說的“反思、自我質(zhì)疑”呢？這里給大家放一張解題過程的截圖：

圖片

這就像學(xué)生做出結(jié)果后還不忘記檢查一遍自己是否做錯了，做錯了還能自我修改過來，有時還會用枚舉打法，有時則會用代進結(jié)果去驗證等式是否成立，太擬人了！

果真，懂得仔細檢查的學(xué)生，更容易拿高分！

2.模型局限性

QwQ-32B-Preview 作為預(yù)覽版本，同時也存在以下局限：

語言切換問題：模型可能在回答中混合使用不同語言，影響表達的連貫性。

推理循環(huán)：在處理復(fù)雜邏輯問題時，模型偶爾會陷入遞歸推理模式，在相似思路中循環(huán)。這種行為雖然反映了模型試圖全面分析的努力，但可能導(dǎo)致冗長而不夠聚焦的回答。

安全性考慮：盡管模型已具備基礎(chǔ)安全管控，但仍需要進一步增強。它可能產(chǎn)生不恰當或存在偏見的回答，且與其他大型語言模型一樣，可能受到對抗攻擊的影響。團隊強烈建議用戶在生產(chǎn)環(huán)境中謹慎使用，并采取適當?shù)陌踩雷o措施。

能力差異：QwQ-32B-Preview 在數(shù)學(xué)和編程領(lǐng)域表現(xiàn)出色，但在其他領(lǐng)域仍有提升空間。模型性能會隨任務(wù)的復(fù)雜度和專業(yè)程度而波動。目前該團隊正在通過持續(xù)優(yōu)化，努力提升模型的綜合能力。

3.網(wǎng)友：OpenAI除了ChatGPT商標，沒有護城河

毫無疑問，OpenAI是當今大模型圈子里的頭號玩家，許多新技術(shù)、新概念都引領(lǐng)者行業(yè)的發(fā)展，然而做第一個發(fā)布的人并不意味著會在市場中也能持續(xù)做到永遠第一，不管是sora還是“慢思考”推理，我們看到國產(chǎn)模型都有了快速的進步，甚至效果要超過OpenAI的節(jié)奏。

無怪乎hackernews上網(wǎng)友暗懟OpenAI：OpenAI除了ChatGPT商標之外沒有護城河。

還有網(wǎng)友提及，OpenAI雄厚的融資能力也并不是其護城河，因為有許多實驗室理論上比OpenAI擁有跟多的資金，F(xiàn)AIR、GDM、Qwen都是年利潤達100億美元的子公司，而OpenAI一年就虧損了50億美元。

圖片

從這個角度講，微軟是OpenAI不能松開的真大腿！

有網(wǎng)友還提到了，英偉達的顯卡肯定是最大的問題，但很快網(wǎng)友就解答了國產(chǎn)模型廠商的算力限制問題：許多中國科技巨頭在制裁之前就已經(jīng)儲備了A100，也許還有一些H100。

在第一波制裁（禁止 A100 和 H100）之后，NVIDIA 發(fā)布了 A800 和 H800，它們是 A100 和 H100 的削弱版本。

然后是第二輪制裁，禁止 H800、A800，一直到像 A6000 和 4090 這樣弱得多的卡。因此，NVIDIA 為中國發(fā)布了 H20。H20 是一張?zhí)貏e有趣的卡，因為它的計算能力較弱，但 vram 更大（96 GB，而不是 H100 的典型 80 GB）。

但一個事實是——

中國大型公司通常設(shè)有海外子公司，可以從 NVidia 購買 H100 GPU。

圖片

話說回來，還是為咱們國產(chǎn)的大模型研究團隊們感到驕傲，我們的技術(shù)實力的確也贏得了全球同行的尊重。

圖片

“即便名字中沒有‘Open’，千問團隊、DS團隊對模型輸出更加開放，也不隱藏中間思維過程，而且公開了他們的權(quán)重參數(shù)和訓(xùn)練時間和細節(jié)，包括過程中警告！”

國產(chǎn)模型真的是越做越好了，期待！

?本文轉(zhuǎn)載自??51CTO技術(shù)棧??，作者：言征