Manus 發(fā)布之后，隨之而來趕到戰(zhàn)場(chǎng)的，是阿里。

關(guān)于 Manus 的深度測(cè)評(píng)：

凌晨 3 點(diǎn)，阿里開源了他們?nèi)碌?a href="http://www.hx168888.com/tag/%e6%8e%a8%e7%90%86%e6%a8%a1%e5%9e%8b" class="tag_a" target="_blank">推理模型。

QwQ-32B。

本來還有點(diǎn)意識(shí)模糊，當(dāng)看到他們發(fā)出來的性能比對(duì)圖，我人傻了。

不是，我沒看懂，這特么是個(gè)什么怪物。

在幾乎所有數(shù)據(jù)集里，QwQ-32B 都已經(jīng)能跟滿血版 DeepSeek R1（671B）表現(xiàn)相當(dāng)了。尤其是作為 QwQ-32B 的主攻方向的數(shù)學(xué)和代碼。

而且，QwQ-32B 在基準(zhǔn)測(cè)試上的性能跑分，幾乎拉開 o1-mini 一個(gè)身位。

我人已傻。

今天這夜，對(duì)我的沖擊有一點(diǎn)大。

GPT4.5 剛剛證明傳統(tǒng)的那套快撞墻了，轉(zhuǎn)頭阿里就來給你掏個(gè)大的，說，你看，強(qiáng)化學(xué)習(xí)還是能卷的，這條路，遠(yuǎn)遠(yuǎn)還沒到頭。

這么令人詫異的性能表現(xiàn)，其實(shí)也跟這兩天在 arxiv 出來的一篇爆火論文互相印證了。

一堆斯坦福教授集中討論，為什么 Qwen-2.5-3B 一開始就能自己檢查自己的答案，Llama-3.2-3B 卻不行。

最后的原因還是落在了 Qwen 團(tuán)隊(duì)的強(qiáng)化學(xué)習(xí)上。因?yàn)椋@能讓模型自己學(xué)會(huì)一些關(guān)鍵的“思考習(xí)慣”。

沒啥可說的，阿里 NB。QwenNB。

QwQ-32B 開源鏈接在此：

魔搭開源鏈接： https://modelscope.cn/models/Qwen/QwQ-32B

huggingface 開源鏈接： https://huggingface.co/Qwen/QwQ-32B

當(dāng)然如果想直接上手體驗(yàn)，官方也給出了在線體驗(yàn)的地址：https://chat.qwen.ai/?models=Qwen2.5-Plus

左上角模型選擇 Qwen2.5-Plus，然后開啟 Thinking（QwQ），就能用 QwQ-32B 了。

我這邊也第一時(shí)間在 AutoDL 租了一臺(tái) A800-80G 的顯卡，然后把模型下載了下來，并部署測(cè)試了一下這個(gè)怪物。綜合體驗(yàn)下來，本地部署版和網(wǎng)頁版其實(shí)是一樣的。

性能曲線是這樣的。

我也做了一些測(cè)試。

首先就是，我覺得賽博半仙易主了。這回的 QwQ-32B 真的能當(dāng)八字算命大師了。

懂得都懂，AI 自媒體人的命也是命，它掐指一算，就知道我經(jīng)常熬大夜，狂肝文章。下半年家里那些雞毛蒜皮的事就別提了，為了搭我的攝影棚，把景深弄得更到位，我是真得搬家啊。。。

當(dāng)然，AI 算命只能算是個(gè)開胃菜，接下來還是得認(rèn)真測(cè)下 QwQ-32B 的數(shù)學(xué)能力。

然后就是拿我的著名的國(guó)慶調(diào)休題來難為下這類推理模型了：

這是中國(guó) 2024 年 9 月 9 日（星期一）開始到 10 月 13 日的放假調(diào)休安排:上 6 休 3 上 3 休 2 上 5 休 1 上 2 休 7 再上 5 休 1。請(qǐng)你告訴我除了我本來該休的周末，我因?yàn)榉偶俣嘈菹⒘藥滋欤?/p>

比如 Grok3 這種，開了推理還是直接炸了。

答案明明是 4 天，你咋獨(dú)自加了 3 天。。。

而看看 QwQ-32B，在一頓小推理之后。

最后答案，完全正確。

要知道，這可只是一個(gè) 32B 的小模型啊。。

然后我還試了一下代碼能力。我就直接去 Leetcode 找了一道困難級(jí)別的算法題，解數(shù)獨(dú)。

可能有人不知道 Leetcode 是啥，LeetCode 是一個(gè)全球知名的在線編程練習(xí)平臺(tái)，這個(gè)平臺(tái)有大量不同難度的算法題庫，從簡(jiǎn)單到困難的各種編程題都有。

我直接把解數(shù)獨(dú)的題目還有代碼模板丟給 QwQ-32B，讓它給出最優(yōu)解的代碼：

編寫一個(gè)程序，通過填充空格來解決數(shù)獨(dú)問題。

數(shù)獨(dú)的解法需遵循如下規(guī)則：

數(shù)字 1-9 在每一行只能出現(xiàn)一次。

數(shù)字 1-9 在每一列只能出現(xiàn)一次。

數(shù)字 1-9 在每一個(gè)以粗實(shí)線分隔的 3x3 宮內(nèi)只能出現(xiàn)一次。（請(qǐng)參考示例圖）

數(shù)獨(dú)部分空格內(nèi)已填入了數(shù)字，空白格用 '.' 表示。

然后給定你一個(gè)類，給我一個(gè)比較好的方案：

class Solution(object):

def solveSudoku(self, board):

"""

:type board: List[List[str]]

:rtype: None Do not return anything, modify board in-place instead.

"""

經(jīng)過幾分鐘的思考，這道題的完整最優(yōu)解代碼也是被 QwQ-32B 成功給出。

我把這段代碼粘貼到了 Leetcode 平臺(tái)上，直接提交，沒想到這段代碼竟然完美的通過了全部測(cè)試用例嗎，而且執(zhí)行用時(shí)才 127ms，擊敗了 93%的在這個(gè)算法題庫做嘗試的人。

說實(shí)話，這個(gè)結(jié)果讓我挺驚訝的，畢竟 127ms 的用時(shí)，看平均的用時(shí)基本都在 1691ms 左右。

很強(qiáng)，但是我覺得最強(qiáng)的，還是它未來的生態(tài)。

32B 和 671B，對(duì)于本地算力的要求，或者是云服務(wù)的成本來說，差別實(shí)在是太大太大了。

671B，在 FP16 精度下需要 1400G 的顯存，這個(gè)門檻有多高大家懂得都懂。

而現(xiàn)在，32B 的 QwQ，4 張 4090 就能跑，這是將近 15 倍的差距。

而且，智能水平差不多。

這也意味著很多普通企業(yè)還有普通開發(fā)者，可以直接拿到一個(gè)足以對(duì)標(biāo) DeepSeek R1 的邏輯推理、數(shù)學(xué)推理、代碼思考能力的大模型，而且還開源，能在自家環(huán)境中任意調(diào)試、微調(diào)、二次開發(fā)。

更何況，阿里云上的資源、ModelScope、Hugging Face 鏡像都能對(duì)接，瞬間就把部署壁壘降到幾乎為零。

對(duì)于那些創(chuàng)新型創(chuàng)業(yè)者、小型團(tuán)隊(duì)，或者想要做專業(yè) AI 應(yīng)用的公司而言，我說實(shí)話，這就是天降神兵。

對(duì)于大多數(shù)的企業(yè)垂直場(chǎng)景，一個(gè)優(yōu)秀的 32B 的模型真的已經(jīng)足以應(yīng)付很很多，沒必要非得上 600 多億參數(shù)、又燒又貴的巨無霸。

這波 QwQ-32B 開源的意義，還是非常強(qiáng)的。

它用實(shí)力證明 RLHF 路線還能玩出花，打破了一些人對(duì) GPT4.5 撞墻后的過度悲觀。

用中等規(guī)模卻拿到高級(jí)性能，給開源界注入了強(qiáng)大信心，你也不必搞那種天價(jià)設(shè)備和超大規(guī)模，也有機(jī)會(huì)跟國(guó)際巨頭同場(chǎng)競(jìng)技。

真的，昨夜爆火的 Manus，在技術(shù)架構(gòu)上，也是 Claude+很多微調(diào)的 Qwen 小模型。

那這次 QwQ-32B，又是一次智能的提升。

每個(gè)大廠、每個(gè)團(tuán)隊(duì)都在全力沖刺，新的風(fēng)暴還會(huì)一個(gè)接一個(gè)出現(xiàn)。

睡前一抬頭，日歷翻到新的數(shù)字。

又是個(gè)不眠之夜。

阿里 NB，QwenNB。

我們中國(guó)的團(tuán)隊(duì)。

就是 NB。

愿我們都能見證更多奇跡。

晚安，或者早安吧。

歡迎關(guān)注作者的微信公眾號(hào)：數(shù)字生命卡茲克