QwQ-32B 震撼发布：强化学习助力模型性能超越极限

2025年3月6日，Qwen 团队正式发布 QwQ-32B，一款基于强化学习（RL）的 320 亿参数语言模型，在多个关键评测中展现出卓越表现。QwQ-32B 在数学推理、代码生成及通用推理能力上，成功挑战了 DeepSeek-R1（6710 亿参数）等业界顶尖模型，充分验证了强化学习在大模型推理能力提升中的巨大潜力。

强化学习加持，推理能力跃升

QwQ-32B 采用多阶段强化学习策略，从冷启动训练开始，首先针对数学和编程任务优化，通过准确性验证器和代码执行服务器，确保生成结果的正确性。在此基础上，进一步扩展至通用推理任务，提高了指令遵循能力、人类偏好对齐度及智能体推理能力，而不损失数学与编程任务的表现。

强势对比：挑战 DeepSeek-R1 及多款竞品

在 AIME24、LiveCodeBench、LiveBench、IFEval、BFCL 等主流基准测试中，QwQ-32B 取得了接近甚至超越 DeepSeek-R1 的成绩，展现出高效的计算资源利用率。尤其值得注意的是，相较于 DeepSeek-R1（活跃参数 370 亿），QwQ-32B 以更小的规模达成相似的推理能力，进一步证明了强化学习对模型训练的增益作用。

开源开放，推动 AI 生态发展

QwQ-32B 现已在 Hugging Face 和 ModelScope 开放下载，采用 Apache 2.0 许可协议，开发者可自由使用、研究和优化。此外，QwQ-32B 还集成至 Qwen Chat，可直接在线体验其强大推理能力。

迈向通用人工智能（AGI）的新征程

Qwen 团队表示，QwQ-32B 只是强化学习规模化应用的第一步，未来将结合更强大的基础模型和更大规模的计算资源，持续优化推理能力，并探索智能体结合 RL 进行长时推理的可能性，为通用人工智能（AGI）的实现奠定坚实基础。

QwQ-32B 现已开放下载，立即体验这一强化学习驱动的前沿 AI 模型！

官方Blog: https://qwenlm.github.io/blog/qwq-32b/
在线体验: qwen.ai
HF: https://huggingface.co/Qwen/QwQ-32B