# 阿里开源全新推理模型 QwQ-32B，一台 Mac 就能实现顶级推理能力

QwQ-32B 在数学推理、编程能力等问题解决方面表现出色。

![](https://image.deeptechchina.com/article/2025030617482916990.jpg?imageView2/2/w/504/h/280)

3 月 6 日，阿里巴巴旗下的 Qwen 团队用一条题为《QwQ-32B：拥抱强化学习的力量》的博文公布了全新的开源大型推理模型 QwQ-32B（Qwen-with-Questions）， **这款仅有 320 亿参数的模型通过强化学习技术，在多项基准测试中展现出与拥有 6710 亿参数（激活参数 37B）的 DeepSeek-R1 相媲美的性能。**

![](https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/c542f1bf17b649cba8ea19d6ce711565~tplv-obj.image?lk3s=ef143cfe&traceid=20250306174815379FC88CD6E60CAAFA41&x-expires=2147483647&x-signature=xdR2Wp5WbD9B%2BWT2FX%2F0vW6lqD8%3D)图丨相关博文（来源：Qwen）

**QwQ-32B 在数学推理、编程能力等问题解决方面表现出色。** 根据官方发布的基准测试结果，在数学推理基准 AIME24 上，QwQ-32B 达到了 79.5 分，几乎与 DeepSeek-R1 的 79.8 分持平，远超 OpenAI o1-mini 的 63.6 分，也超过了 DeepSeek-R1 蒸馏到 Llama-70B 和 Qwen-32B 的版本（分别为 70.0 和 72.6 分）。

在编程能力方面，QwQ-32B 在 LiveCodeBench 上获得了 63.4 分，接近 DeepSeek-R1 的 65.9 分，明显优于 o1-mini 的 53.8 分和蒸馏模型。在 LiveBench 测试中，QwQ-32B 得分 73.1，与 DeepSeek-R1 的 71.6 分相当，且大幅领先于 o1-mini 的 59.1 分。在 IFEval 和 BFCL 上，也略微超过了 R1。

![](https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/ff7bf02edeb64585b4d6e43175a8ba79~tplv-obj.image?lk3s=ef143cfe&traceid=20250306174815379FC88CD6E60CAAFA41&x-expires=2147483647&x-signature=kRHH16M0%2BB8mfN2sveulfBXBdDw%3D)图丨基准测试结果（来源：Qwen）

Hugging Face 的 Vaibhav Srivastav 在评测后发表评论： **“QwQ-32B 在 Hyperbolic Labs 支持下的推理速度‘快得惊人’，完全可与顶级模型媲美。”**“在 Apache 2.0 许可下，它成功击败了 DeepSeek-R1 和 OpenAI o1-mini。”

![](https://p3-sign.toutiaoimg.com/tos-cn-i-6w9my0ksvp/0685ce5b6c544138b63d22dc91836c61~tplv-obj.image?lk3s=ef143cfe&traceid=20250306174815379FC88CD6E60CAAFA41&x-expires=2147483647&x-signature=RM7ELIeQ6JwYUUBeDetxW3IqDIA%3D)图丨相关推文（来源：X）

不过，有部分用户反应，QwQ-32B 有时会出现过度思考的问题，哪怕是很简单的问题也会生成大量的思维链（比如在经典的“Strawberry”问题上，它会输出近七万字的思维链），导致其输出结果的速度较慢。

模型架构方面，QwQ-32B 采用因果语言模型架构，具有 64 层 Transformer 结构，相比常见的模型层数更深。它完整集成了 RoPE（旋转位置编码）、SwiGLU 激活函数、RMSNorm 层归一化和 Attention QKV 偏置，这些都是当前先进大模型的标准配置。

模型采用了广义查询注意力机制，具体配置为 40 个查询头、8 个键值对头，这种配置优化了注意力机制的效率和性能。 **QwQ-32B 的上下文窗口长度高达 131,072 个 token，远超普通模型，支持超长文本处理。**

QwQ-32B 的训练过程分为三个阶段：预训练、监督微调和强化学习，其中强化学习又分为两个关键阶段：

第一阶段聚焦于数学和编程能力的提升。Qwen 团队从冷启动检查点开始，采用基于结果的奖励驱动的强化学习扩展方法。在数学问题训练时，模型使用专门的准确性验证器（Accuracy Verifier），而非传统奖励模型；编程任务则通过代码执行服务器（Code Execution Server）评估代码是否通过预定义测试用例。训练过程中，随着训练轮次增加，两个领域的性能持续提升。

第二阶段则侧重通用能力增强。模型引入通用奖励模型和规则验证器进行训练。即使是少量的训练步骤，也显著提升了指令跟随、人类偏好对齐和智能体性能，并且实现通用能力提升的同时，不显著降低第一阶段获得的数学和编程能力。

由此，QwQ 得以在 32B 的小参数上就实现了强大的推理能力。昨天还在感叹花八九万买 512GB 内存 M3 Ultra 的 Mac Studio 就能运行完整版 DeepSeek-R1 了（甚至还需要量化），但现在，只需要几千块的 Mac Mini，你就能获得接近的体验。

而且，QwQ-32B 的小参数量带来了更低的延迟和更高的吞吐量。在相同硬件条件下，小参数模型在推理速度上具有天然优势，能够提供更快的响应时间和更高的并发处理能力。对于一些中小型研究团队、初创企业和个人开发者来说，这无疑大大降低了他们使用先进推理模型的门槛。

而且，QwQ-32B 也整合了与智能体相关的能力，使模型能够在思考的同时使用工具，并根据环境反馈调整推理过程。在此基础上，QwQ-32B 就可以作为企业自动化流程中的核心推理引擎，处理从数据分析、报告生成到编程辅助等各种复杂任务。

目前， **QwQ-32B 已在 Hugging Face 和 ModelScope 上以 Apache 2.0 许可开源，个人用户也可通过 Qwen Chat 直接体验该模型。**

从 DeepSeek-R1 到 diffusion LLMs，再到 QwQ-32B，最近的一系列突破似乎让实现顶级性能模型所需要的算力越来越低，尽管未来对于高性能芯片的总需求或许并不会减少，但这种变化对于那些以往依赖大量计算资源的巨头们来说，恐怕免不了造成一些冲击。

参考资料：

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

运营/排版：何晨龙

2025 年 03 月 05 日

![](https://image.deeptechchina.com/article/2021081911453445027.jpg)

> 来源：www.mittrchina.com