模型效果
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。下图展示了 QwQ-32B 与其他模型的性能对比，包括 DeepSeek-R1-Distilled-Qwen-32B、DeepSeek-R1-Distilled-Llama-70B、o1-mini 以及原始的 DeepSeek-R1。
在数学能力的 AIME24 测评集上，以及评估代码能力的 LiveCodeBench 中，通义千问 QwQ-32B 测试表现与 DeepSeek-R1 相当，远胜于 o1-mini 及相同尺寸的 R1 后续模型。
由 Meta 首席科学家杨立昆领衔的“最难 LLMs 测评榜” LiveBench、谷歌等提出的指令遵循能力 IFEval 测试集、由加州大学伯克利分校等提出的评估调用函数或工具方面的 BFCL 测试中，QwQ-32B 的得分均超越了 DeepSeek- R1。
强化学习
在冷启动基础上，我们针对数学和编程任务、通用能力分别进行了两轮大规模强化学习。在初始阶段，我们特别**针对数学和编程任务进行了强化学习。**与依赖传统的奖励模型（奖励模型）不同，我们通过生成答案的正确性来为数学问题提供反馈，并通过代码执行服务器评估生成的代码成功，通过测试来提供代码是否提供反馈。
我们发现在强化学习扩展过程中，随着训练轮次的推进，这两个领域中的性能均表现出持续的提升。
通义千问 QwQ-32B 模型还集成了与智能体 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。
在线体验
目前，通义千问 QwQ-32B 已经在 Hifox 上线并免费使用，欢迎大家在线体验。
体验方式：
-
网页版：hifox.cn/，在线**「AI对话」**选择「通义千问-QwQ 32B」即可对话
-
桌面客户端：下载桌面客户端获得更佳体验，支持Windows、IOS 系统
