九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

通義千問版o1來了，還是開源的！

深夜，通義團隊突然上線推理模型QwQ，參數量只有32B，在GPQA上擊敗了o1-mini。

目前，QwQ的模型權重已在HuggingFace和魔搭社區上發布，還可以直接在線試玩。

Ollama、Together.ai等大模型平臺也迅速跟進，第一時間宣布支持QwQ運行。

還有網友實測發現，對于自己手中的一道化學計算題，QwQ是除了o1之外唯一能答對的。

此外有網友指出，QwQ預覽版參數量只有32B，這意味著o1水平的推理模型，在本地就能運行了。

按照官方放出的成績，QwQ、o1-preview和o1-mini在GPQA（科學推理）、AIME、MATH-500（數學）以及LiveCodeBench（代碼）四個數據集中各有勝負，但整體水平比較接近。

而相比GPT-4o、Claude 3.5 Sonnet和自家的Qwen2.5，領先優勢就比較明顯了。

至于QwQ的實際推理能力到底如何，我們就拿o1-mini對比著測試一下~

首先是官方展示的一道邏輯推理題目：

對于這個問題，QwQ用了足足兩千多字進行了分析，這是其中的核心思路：

之后，QwQ開始了近乎列舉式的分析方式，一張一張牌地來判斷，但好在最終得到的結果是正確的。

相比之下，o1-mini的回答就顯得十分簡潔了。

再來一道經典的邏輯題，果不其然QwQ又寫起了小作文，而且這次更甚，有4千多字，而且依然是主打一個“試”。

經過對列出情況的逐個嘗試和檢查，一段時間后得到了最后的正確答案。

再看看o1-mini，用很簡單的文字就把問題解釋了，推理效率要高得多。

雖然QwQ解釋得詳細些不是壞事，但中間的錯誤嘗試對于提問者而言就顯得有些多余了。

除了基礎邏輯，再來看看QwQ的數學水平如何，先來幾道考研數學題試試。

第一題關于微分方程，題目是這樣的，我們稍作了改動，要求模型以x=_的形式輸出：

QwQ依然采用了長篇大論的作答方式，整串回答有將近1400字。

不過仔細看會發現，QwQ的中間過程出現了失敗，然后又改用了其他的方式。

折騰了一番之后，結果倒也沒有錯。

而o1-mini的回答依然保持簡潔。

即使把o1-mini默認不顯示的“思考過程”展示出來，依然是沒有QwQ的回答那么長。

第二道題目是線性代數題，這道題我們也做了修改，從選擇題改成了直接求A3的跡：

這次相比之前，QwQ的回答要簡潔一些，但還是有上千字，當然結果依然是對的，o1-mini也依然保持簡潔。

第三道題關于概率論，情況大致和前面兩道類似，這里就直接上圖：

（QwQ方框中的答案把根號漏了，不過這里是顯示問題，從正文看答案是正確的）

除了這樣的純數學題目，情景式的數學問題也是考察模型能力的一項重要標準。

所以這里我們選擇了一道數學競賽AIME的題目：

翻譯過來是這樣的，測試中我們也是用的這段中文翻譯版本：

o1-mini的解法是一種正常思路，最后結果也對了，而QwQ這邊上來先是一大通的枚舉，然后試圖從中尋找規律。

當發現沒找到規律時，還會進行更多的枚舉，但是最后找出的規律并不正確，結果自然也就錯了（不過方向上確實和5的模相關）。

從以上的案例當中可以看到，如果單看正確率，QwQ的表現確實可以和o1-mini同臺較量。

但從過程中看，QwQ想一步到位還存在一定難度，還要經歷列舉、試錯等步驟，甚至有時會陷入死循環。

這導致了其結果對于人類的的易讀性和o1-mini還存在差距，QwQ需要在這一點上再多改進。

好在QwQ是個開源模型，如果是按token計費的商用模型，這樣的輸出長度恐怕也會讓人望而卻步。

當然對于這樣的問題，千問團隊自身也十分坦然，表示處于測試階段的QwQ，確實存在冗長而不夠聚焦的現象，將會在未來做出改進。

除了這些正經題目，我們也試了試陷阱問題，看下QwQ能不能看出其中的破綻。

問題是這樣的，注意是不需要：

遺憾的是，QwQ并沒有發現這個關鍵點，而且當做一道正常的農夫過河問題進行了回答。

不過這也算是大模型的一個通病了，OpenAI的o1在這樣的文字游戲面前照樣招架不住。

實際上這個問題最早被關注是在幾個月之前了，當時還沒有o1這樣的推理模型，大模型幾乎在這個問題上全軍覆沒。

現在看來，推理能力增強后，也依然沒改掉不認真讀題的毛病啊（手動狗頭）。