11月28日，由Qwen团队推出了实验性研究模型QwQ-32B-Preview，这一模型专注于增强AI推理能力，同时在数学和编程方面表现也十分出色。
阿里云通义千问团队研究发现，当模型有足够的时间思考、质疑和反思时，其对数学和编程的理解就会深化，基于此QwQ取得了解决复杂问题的突破性进展，包括：
1、在考察科学问题解决能力的GPQA评测集上，QwQ获得65.2%的准确率，显示出其具备研究生水平的科学推理能力；
2、在涵盖综合数学主题的AIME评测中，QwQ以50%的胜率证明其拥有解决数学问题的丰富技能；
3、在全面考察数学解题能力的MATH-500评测中，QwQ斩获90.6%的高分，超越o1-preview和o1-mini；
4、在评估高难度代码生成的LiveCodeBench评测中，QwQ答对一半的题，验证了其实际编程场景中的出色表现。
> 在302.AI获取：
302.AI迅速跟进消息，在第一时间更新支持了QwQ-32B-Preview模型，用户可以在通过302.AI的聊天机器人直接使用QwQ-32B-Preview或者API超市获取模型的API：
聊天机器人：
登录进入302.AI——点击【使用机器人】——【聊天机器人】——模型下滑到开源模型选择【QwQ-32B-Preview】。
进入聊天机器人后，点击页面左下角的设置可以打开实时预览功能：
API超市：
进入302.AI后——点击【使用API】——【API超市】——【语言大模型】——【开源模型】。
下滑可以看到已经提供了QwQ-32B-Preview模型的API，大家可以根据需求选择【查看文档】快速接入API或者选择【在线体验】测试模型的参数。
> 实测对比：
根据官方提供的基准测试结果，QwQ-32B-Preview在推理、数学、编程方面表现都不错，接下来，甚至超越了OpenAI的o1-Preview模型，下面就通过302.AI实测看看是否真的如此。
推理测试：
对比模型：o1-mini、claude-3.5-sonnet-20241022、QwQ-32B-Preview
使用工具：302.AI的模型竞技场
提示词：房子里有五个人，A、B、C、D和E，A正在和B看电视，D在睡觉，E在打乒乓球，请问C在做什么？
分析：我们从题目中可以得出，房子里只有五个人，而E在打乒乓球，我们都知道乒乓球并不能一个人进行，因此可以推断C是在和E打乒乓球。
o1-mini：回答完全正确；
claude-3.5-sonnet：非常诚实的表示信息不足，无法确定；
QwQ-32B-Preview：经过一段篇幅很长的自我思考后，给出了一个和claude一样的答案：信息不足，无法确定。
数学测试：
对比模型：o1-preview、claude-3.5-sonnet-20241022、QwQ-32B-Preview
使用工具：302.AI的模型竞技场
题目：
分析：这一题是来自2024年AIME数学竞赛的题目，先说下正确答案是236。因为答案较长，以下结果也是以动图的方式给大家展示。
o1-preview：回答正确
QwQ-32B-Preview：回答正确
claude-3.5-sonnet：回答错误。
通过对比发现，同样回答正确的情况下，QwQ-32B-Preview的整个回答篇幅冗长，没有o1-preview的答案简洁清晰。
编程测试：
对比模型：claude-3.5-sonnet-20241022、QwQ-32B-Preview
使用工具：302.AI聊天机器人
提示词：
分析：
claude-3.5-sonnet：基本把提出的需求功能都实现了，且整个页面很美观。
QwQ-32B-Preview：生成的代码经过多次调整，代码仍然在关键部分有遗漏，无法运行。
claude-3.5-sonnet
QwQ-32B-Preview
> 总结
通过以上实测，可初步得出以下结论：
推理测试：在推理测试中，QwQ-32B-Preview虽然展示了详细的思考过程，但是最后却未能回答正确题目，在推理能力上还有进步的空间。
数学测试：在数学测试中QwQ-32B-Preview回答正确了题目，尽管与o1-preview相比，回答的简洁性和易读性稍有欠缺，但最终给出的正确答案证明了其在解题上能力还是比较出色的。
编程测试：而在最后的编程测试中，同样的提示词下，claude-3.5-sonnet生成的代码能够直接运行预览效果，而QwQ-32B-Preview生成的代码经过调整后仍无法预览出最终效果，这也显示出了在编程方面，QwQ-32B-Preview仍有不足。
综上所述，尽管QwQ-32B-Preview的参数只有32B，但其数学解题能力上非常出色，几乎可以和o1-preview媲美，不过其答案的易读性和简洁性希望能够进一步改进。最后，在推理以及编程方面，QwQ-32B-Preview还没有达到官方宣传的效果，期待后续能够改进！
