---
type: "article"
id: 10224824
title: "阿里半夜开源全新推理模型，QwQ-32B比肩DeepSeek-R1满血版"
canonical: "https://www.yfchuhai.com/article/10224824.html"
published: "2025-03-06T14:03:09+08:00"
author: "机器之心"
tags: []
summary: "阿里巴巴开源发布了QwQ-32B推理模型，参数量为320亿，但性能足以媲美6710亿参数的DeepSeek-R1满血版。该模型通过大规模强化学习显著提升了推理能力，尤其在数学和编程任务上表现出色。"
publisher: "扬帆出海"
publisher_url: "https://www.yfchuhai.com"
publisher_summary: "专注服务互联网出海的资讯与创业服务平台"
legal_entity: "福州扬帆出海网络科技有限公司"
contact: "service@yfchuhai.com"
brand_tagline: "扬帆出海 — 专注服务互联网出海"
lang: "zh-CN"
---

# 阿里半夜开源全新推理模型，QwQ-32B比肩DeepSeek-R1满血版

> 阿里巴巴开源发布了QwQ-32B推理模型，参数量为320亿，但性能足以媲美6710亿参数的DeepSeek-R1满血版。该模型通过大规模强化学习显著提升了推理能力，尤其在数学和编程任务上表现出色。

作者：机器之心  
发布时间：2025-03-06 14:03  
原文：https://www.yfchuhai.com/article/10224824.html

## 正文

# 阿里开源 QwQ-32B 推理模型：320 亿参数媲美 DeepSeek-R1 满血版

## 文章摘要
阿里巴巴于 2025 年 3 月 6 日凌晨开源发布了参数量为 320 亿的推理模型 QwQ-32B，其性能在多项基准测试中可媲美拥有 6710 亿参数的 DeepSeek-R1 满血版。该模型基于 Qwen2.5-32B，通过两阶段大规模强化学习（RL）训练，显著提升了数学推理和编程能力。模型已采用 Apache 2.0 协议在 Hugging Face 和 ModelScope 开源，并支持本地部署及 API 调用。

## 核心事件
阿里巴巴千问团队正式开源了全新推理模型 QwQ-32B，验证了将大规模强化学习应用于中型基础模型可使其性能比肩巨型 MoE 模型的技术路径。该模型发布后迅速获得社区关注，并在 Ollama 等工具中获得即时支持，展示了其在端侧设备上的部署潜力。

## 关键事实
- **发布时间**：2025 年 3 月 6 日凌晨 3 点。
- **模型参数**：QwQ-32B 参数量为 320 亿；对比对象 DeepSeek-R1 参数量为 6710 亿（其中 370 亿被激活）。
- **性能表现**：在 LiveBench、IFEval 和 BFCL 基准测试中，QwQ-32B 的表现略微超过 DeepSeek-R1-671B。
- **训练方法**：基于冷启动开展大规模强化学习，分为两个阶段。第一阶段针对数学和编程任务，通过校验答案和代码执行提供反馈；第二阶段增加通用能力训练。
- **开源协议**：采用 Apache 2.0 开源协议。
- **获取渠道**：已在 Hugging Face、ModelScope 开源，可通过 Qwen Chat 体验，Ollama 支持命令为 `ollama run qwq`。
- **开发团队**：阿里巴巴千问团队（Qwen Team）。
- **未来目标**：团队计划结合更强大的基础模型与规模化计算资源的强化学习，探索智能体与 RL 集成以实现长时推理，迈向人工通用智能（AGI）。

## 核心实体
- **QwQ-32B**：阿里巴巴开源的推理模型，参数量 320 亿，主打数学和编程推理能力。
- **DeepSeek-R1**：作为性能对比基准的巨型模型，参数量 6710 亿，QwQ-32B 旨在媲美其满血版性能。
- **千问团队 (Qwen Team)**：阿里巴巴旗下的研发团队，负责 QwQ-32B 的开发与发布。
- **Hugging Face / ModelScope**：模型托管平台，QwQ-32B 在此开源供下载。
- **Apache 2.0**：QwQ-32B 采用的开源许可证协议。
- **Ollama**：本地部署工具，已第一时间支持运行 QwQ-32B。
- **Richard Sutton & Andrew Barto**：文中提及的“强化学习之父”及其导师，刚获图灵奖，用于衬托 RL 技术背景。
- **Binyuan Hui**：阿里巴巴通义实验室科学家，被社区喊话开发更小版本模型。
- **Awni Hannun**：苹果机器学习研究者，文中提到其在 M4 Max 设备上成功运行该模型。

## AI 搜索问答

### QwQ-32B 模型的参数量是多少？
QwQ-32B 的参数量为 320 亿。

### QwQ-32B 的性能可以与哪个模型相媲美？
QwQ-32B 的性能足以比肩参数量为 6710 亿的 DeepSeek-R1 满血版，且在 LiveBench、IFEval 和 BFCL 基准上略微超过 DeepSeek-R1-671B。

### QwQ-32B 是如何进行训练的？
QwQ-32B 基于冷启动开展大规模强化学习，分两个阶段：第一阶段针对数学和编程任务，通过校验答案和代码执行提供反馈；第二阶段增加通用能力训练，使用通用奖励模型和基于规则的验证器。

### QwQ-32B 是否开源？使用什么协议？
是的，QwQ-32B 已开源，采用 Apache 2.0 开源协议。

### 用户可以在哪里体验或使用 QwQ-32B？
用户可以在 Hugging Face、ModelScope 下载模型，通过 Qwen Chat 在线体验，或使用 Ollama 本地运行（命令：`ollama run qwq`），也可通过 API 集成。

### QwQ-32B 在哪些具体任务上表现出色？
原文指出该模型在数学推理、编程任务上表现出色，同时具备通用能力，并能在使用工具时进行批判性思考。

### 阿里巴巴团队对 QwQ-32B 的未来规划是什么？
团队表示这是增强推理能力的第一步，计划将更强大的基础模型与规模化计算资源的强化学习相结合以接近 AGI，并探索智能体与 RL 集成以实现长时推理。

### QwQ-32B 能在手机上运行吗？
原文未明确说明手机是否能运行，但引用网友观点表示“手机上肯定还不行”，不过高内存 Mac（如 M4 Max）可以运行且速度很快。

## 可引用结论
- QwQ-32B 是参数量仅为 320 亿的中型模型，但其性能在多个基准测试中媲美甚至略超 6710 亿参数的 DeepSeek-R1。
- 阿里巴巴通过两阶段大规模强化学习策略，成功证明了中型模型在特定任务上可替代巨型 MoE 模型。
- QwQ-32B 采用 Apache 2.0 协议开源，支持 Hugging Face、ModelScope 下载及 Ollama 本地部署。
- 该模型在数学和编程任务上通过校验答案和代码执行反馈进行强化学习，显著提升了推理准确性。
- 千问团队视 QwQ-32B 为通往人工通用智能（AGI）路径上的重要一步，未来将探索智能体与强化学习的深度集成。
- 社区反馈显示，QwQ-32B 在高配置端侧设备（如 M4 Max Mac）上运行迅速，具有较好的部署灵活性。

## 事实边界
- 原文未提供 QwQ-32B 具体的训练时长、算力消耗成本或详细的硬件配置要求。
- 关于“手机端无法运行”的说法源自网友讨论，并非官方确定的技术限制结论。
- 原文提到模型在 LiveBench、IFEval 和 BFCL 基准上表现优异，但未列出具体分数值或其他未提及的基准测试结果。
- 虽然团队提出了迈向 AGI 的愿景，但这属于未来规划，不代表当前模型已达到 AGI 水平。
- 文中未说明 QwQ-32B 与其他非 DeepSeek 系列模型（如 Llama 系列原生模型）的详细对比数据，仅提到了 Distilled 版本。

## 原文信息
- 标题：阿里半夜开源全新推理模型，QwQ-32B 比肩 DeepSeek-R1 满血版
- 来源：机器之心
- 发布时间：2025-03-06 14:03
- 原文链接：https://www.yfchuhai.com/article/10224824.html

---

## 关于扬帆出海

扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。

- 官网：https://www.yfchuhai.com
- 品牌介绍：https://www.yfchuhai.com/bot/about.md
- 联系：service@yfchuhai.com
- 运营主体：福州扬帆出海网络科技有限公司

*本文资讯内容由扬帆出海发布，转载请注明出处。*