3月6日，阿里Qwen團隊正式發布他們最新的研究成果——QwQ-32B大語言模型。據介紹，這是一款擁有320億參數的模型，其性能可與具備6710億參數（其中370億被激活）的DeepSeek-R1媲美。QwQ-32B在僅有DeepSeek-R1約1/21參數量的情況下，用強化學習實現了性能上的跨越。

此外，阿里還在推理模型中集成了與Agent相關的能力，使其能夠在使用工具的同時進行批判性思考，并根據環境反饋調整推理過程。QwQ-32B 在一系列基準測試中進行了評估，測試了數學推理、編程能力和通用能力。其中，在測試數學能力的AIME24評測集上，以及評估代碼能力的LiveCodeBench中，千問QwQ-32B表現與DeepSeek-R1相當，遠勝于o1-mini及相同尺寸的R1 蒸餾模型。

同時，在由Meta首席科學家楊立昆領銜的“最難LLMs評測榜”LiveBench、谷歌等提出的指令遵循能力IFEval評測集、由加州大學伯克利分校等提出的評估準確調用函數或工具方面的BFCL測試中，千問QwQ-32B的得分均超越了DeepSeek- R1。