編輯 | 伊風(fēng)
太震撼了。阿里直接扔了一張王炸！
QwQ-32B，一個(gè)參數(shù)量如此小的小模型，居然追平了671B的DeepSeek-R1？？！
這也太卷了，看看他們給的數(shù)據(jù)，真的給人看麻了：
圖片
這個(gè)模型到底小到什么概念呢？評(píng)論區(qū)網(wǎng)友在用了一臺(tái)配置M4 Max芯片的蘋果電腦就跑起來了。
網(wǎng)友本人直呼震撼的程度！
小模型還有個(gè)震撼而實(shí)用的優(yōu)點(diǎn)，價(jià)格真的低。API成本才R1的十分之一！
圖片
一向大方的通義這次又是上線即開源，評(píng)論區(qū)一看到是Apache 2.0許可證,就開始感謝大自然的饋贈(zèng)了。這是官方給的一系列鏈接：
博客：https://qwenlm.github.io/blog/qwq-32b
HF：https://huggingface.co/Qwen/QwQ-32B
Qwen 聊天室（網(wǎng)頁試用）：https://chat.qwen.ai
模型部署工具ollama也是連夜更新，緊急上線了QwQ-32B，還艾特了通義的兩位大佬表示感謝。
圖片
有趣的是，追蹤到Binyuan Hui的推特，發(fā)現(xiàn)他的置頂是一張梗圖“Goodbye ChatGPT，Hello Qwen Chat”。
圖片
國產(chǎn)大模型完全有底氣對(duì)ChatGPT說一聲再見了。還記得GPT-4.5推出時(shí)，那種普遍覺得乏味、失望的氛圍，人們?cè)絹碓秸J(rèn)識(shí)到，傳統(tǒng)的那套訓(xùn)練技術(shù)玩的“大力出奇跡”似乎已經(jīng)走向了盡頭。
讀了QwQ-32B的博客，我們發(fā)現(xiàn)：這次又是強(qiáng)化學(xué)習(xí)（RL）立大功了！
1.QwQ-32B的煉成：強(qiáng)化學(xué)習(xí)還有多少驚喜？
從阿里的技術(shù)博客我們能了解到兩點(diǎn)：1.強(qiáng)化學(xué)習(xí)擴(kuò)展依然是這次性能飛躍的重中之重 2.這個(gè)方向還有很長的路能走！
在具體的訓(xùn)練上，通義團(tuán)隊(duì)分了兩個(gè)階段去做RL訓(xùn)練。
第一階段，是從冷啟動(dòng)檢查點(diǎn)（指模型已經(jīng)過了冷啟動(dòng)訓(xùn)練階段，檢查點(diǎn)相當(dāng)于“存檔”）開始，實(shí)施了一種基于結(jié)果獎(jiǎng)勵(lì)的強(qiáng)化學(xué)習(xí)（RL）擴(kuò)展方法。
這里有兩個(gè)突破值得關(guān)注：首先，在初期階段，有特別針對(duì)數(shù)學(xué)和編程任務(wù)進(jìn)行了RL擴(kuò)展，相當(dāng)于對(duì)強(qiáng)推理比較重要的領(lǐng)域?qū)ｉT“補(bǔ)課”；其次，不同于傳統(tǒng)的獎(jiǎng)勵(lì)模型，通義團(tuán)隊(duì)采用了一個(gè)數(shù)學(xué)問題的準(zhǔn)確性驗(yàn)證器來確保最終解答的正確性，并使用代碼執(zhí)行服務(wù)器來評(píng)估生成的代碼是否能成功通過預(yù)定義的測(cè)試用例。
然后就看到隨著訓(xùn)練的持續(xù)，模型性能在數(shù)學(xué)和編程領(lǐng)域穩(wěn)定拉升。
第二階段，是旨在提升通用能力的RL訓(xùn)練。他們?cè)谶@個(gè)過程中，采取的是通用獎(jiǎng)勵(lì)模型的獎(jiǎng)勵(lì)和一些基于規(guī)則的驗(yàn)證器。
通義團(tuán)隊(duì)說，他們發(fā)現(xiàn)：“通過少量步驟的訓(xùn)練，其他一般能力（如指令跟隨、人類偏好對(duì)齊、智能體性能等）得到了提升，同時(shí)數(shù)學(xué)和編程能力并未出現(xiàn)顯著下降。”這句話的分量大家都能懂……大模型訓(xùn)練經(jīng)常是只能顧一頭，沒有明顯的性能折損大大驗(yàn)證了這個(gè)策略的有效性。
通義也在博客寫了未來方向：通過這一歷程，我們不僅見證了擴(kuò)展強(qiáng)化學(xué)習(xí)（RL）的巨大潛力，也認(rèn)識(shí)到了預(yù)訓(xùn)練語言模型尚未開發(fā)的可能性。
看來新的Scaling Law真的會(huì)在后訓(xùn)練階段了！
2.網(wǎng)友實(shí)測(cè)：本地人工智能時(shí)代來臨！
一位進(jìn)行了實(shí)測(cè)，發(fā)現(xiàn)QwQ-32B 在筆記本電腦上運(yùn)行得相當(dāng)絲滑。
在這里，它在裝有 MLX 的 M4 Max 上運(yùn)行良好。它的 8k 代幣長思考過程的一個(gè)片段：
圖片
另一位網(wǎng)友采用本地部署，推斷了一個(gè)比較復(fù)雜的推理題目：
有兩座房子，從左到右依次編號(hào)為1到2。 每間房子都住著不同的人。 每所房子都有一個(gè)獨(dú)特的屬性，分別代表以下特征：每個(gè)人都有一個(gè)獨(dú)特的名字：Arnold, Eric；每個(gè)人都擁有獨(dú)特的汽車型號(hào)：ford f150, tesla model 3；人們飼養(yǎng)獨(dú)特的動(dòng)物：貓、馬。
線索：1. 埃里克在擁有特斯拉 Model 3 的人的正前方左邊。養(yǎng)馬的人在第一間房子里。
圖片
QwQ-32B僅用了40s的思考時(shí)間就給出了正確答案。
評(píng)論區(qū)說：這是真正的本地人工智能力量！
圖片
也有人表示：太遺憾了！你們這些人干嘛在奧特曼要開源的時(shí)候投票給o3類似模型啊？（另一個(gè)選項(xiàng)是手機(jī)可跑的端側(cè)模型）
圖片
寫道這里不得不吐槽一句，OpenAI的開源是真慢啊，預(yù)熱了一下又沒影了。
圖片
4.寫在最后：算力不再成為問題
昨天看外媒的報(bào)道說，R1帶火了消費(fèi)級(jí)顯卡,新款游戲芯片RTX 5090被黃牛炒到150%。這是因?yàn)镈eepSeek的模型不再需要高端AI芯片，普通消費(fèi)級(jí)產(chǎn)品就能滿足運(yùn)行需求。
那么QwQ-32B這波震撼之余，可能帶貨的就是M4 Max的蘋果電腦了。
從最初的龐然大物發(fā)展到可以家用，計(jì)算機(jī)走了幾十年的時(shí)間。從GPT-3發(fā)布后的不到五年中，我們就有了在筆電上能run起來的超強(qiáng)模型。
然后終將有一天，我們會(huì)在手機(jī)上部署更強(qiáng)悍更輕量的模型。
就像一位網(wǎng)友所說：
哦，我的天哪，現(xiàn)在每個(gè)人都會(huì)在接下來的兩周里討論QwQ-32B，DeepSeek 也會(huì)準(zhǔn)備好另一個(gè)模型，然后 OpenAI 將別無選擇，只能推出 ChatGPT 5，在 AGI 之前這一切都不會(huì)停止。
圖片
