阿里通义千问团队发布QwQ-32B模型，该模型基于320亿参数，通过大规模强化学习（RL）在数学推理、编程及通用任务中展现卓越性能，与DeepSeek-R1（激活参数370亿）表现相当。训练分为两阶段：数学与编程任务RL阶段通过答案验证与代码测试反馈优化模型；通用能力RL阶段结合奖励模型与规则验证器提升综合能力，且不影响其他任务表现。模型在Hugging Face和ModelScope开源（Apache 2.0协议），支持工具调用与环境反馈自适应推理。未来计划探索更长时推理与智能体集成，推动AGI发展。
Qwen Team | Qwen Chat
Hugging Face | ModelScope
📮投稿 ☘️频道 🌸聊天 🗞️𝕏
