Alibaba publie en open source son dernier modèle de raisonnement : QwQ-32B, comparable à DeepSeek-R1 198

Dans la nuit du 6 mars 2025, Alibaba a officiellement publié et open-sourcé son tout dernier modèle de raisonnement — Qwen QwQ - 32B.

Qwen QwQ - 32B a été entraîné à l'aide de l'apprentissage par renforcement à grande échelle. Contrairement aux méthodes traditionnelles de pré-entraînement et de post-entraînement, l'apprentissage par renforcement permet au modèle d'acquérir des connaissances en interagissant avec son environnement. C'est précisément pour cette raison qu'il obtient des résultats remarquables dans des domaines tels que le raisonnement mathématique, la programmation et les capacités généralistes, tout en améliorant plus efficacement ses capacités de raisonnement.

De plus, ce modèle intègre également des capacités liées aux Agents. Grâce à cette aptitude, le modèle est capable de faire preuve d'esprit critique lors de l'utilisation d'outils, et peut ajuster à tout moment son processus de raisonnement en fonction des retours fournis par l'environnement.

Présentation du modèle Qwen QwQ-32B

• Qwen QwQ - 32B est un modèle de raisonnement comportant 32 milliards de paramètres. Bien que son nombre de paramètres soit nettement inférieur à celui de DeepSeek - R1 (qui en compte 671 milliards, dont 37 milliards activés), ses performances peuvent rivaliser avec la version complète de DeepSeek - R1.

• Ce modèle est distribué sous la licence open source Apache 2.0, ce qui permet aux utilisateurs de le télécharger gratuitement et de l'utiliser à des fins commerciales. Deux plateformes open source sont disponibles, à savoir Hugging Face (https://huggingface.co/Qwen/QwQ - 32B ) et ModelScope (https://modelscope.cn/models/Qwen/QwQ - 32B ).

Performances du modèle Qwen QwQ-32B

• Performances exceptionnelles :Dans le raisonnement mathématique, la programmation et les capacités généralistes, QwQ - 32B est extrêmement performant. Sur le benchmark aiME24 et lors du test LiveCodeBench, ses résultats sont comparables à ceux de DeepSeek - R1, surpassant tous les autres modèles de taille similaire.

• Apprentissage par renforcement et assistance d'agent :Grâce à l'apprentissage par renforcement à grande échelle, les capacités de raisonnement de QwQ - 32B ont été considérablement améliorées, lui permettant d'approfondir sa réflexion et de traiter des problèmes complexes. De plus, le modèle intègre des capacités d'agent : lorsqu'il utilise des outils, il peut faire preuve d'esprit critique et ajuster son processus de raisonnement en fonction des retours de l'environnement.

• Adaptable à de nombreux domaines :QwQ - 32B obtient d'excellents résultats en mathématiques, en programmation et dans le traitement de tâches généralistes, tout en prenant en charge des tâches multimodales telles que la transcription vocale et la reconnaissance d'images. Sur les benchmarks LiveBench, IFEval et BFCL, il obtient des scores supérieurs à ceux de DeepSeek - R1. Par ailleurs, ses exigences matérielles sont faibles : un GPU grand public suffit pour un déploiement local, ce qui le rend particulièrement adapté aux scénarios d'application aux ressources matérielles limitées.

Applications du modèle Qwen QwQ-32B

• Raisonnement mathématique et logique :Sur les tâches de raisonnement mathématique, telles que AIME24, QwQ - 32B obtient d'excellents résultats et trouve sa place aussi bien dans le domaine de l'éducation que dans celui de la recherche scientifique.

• Programmation et génération de code :Lors du test LiveCodeBench, il est capable de générer du code de haute qualité, ce qui le rend adapté au développement logiciel et à l'enseignement de la programmation.

• Traitement de tâches généralistes :QwQ - 32B est particulièrement performant dans le suivi d'instructions (IFEval), le traitement de tâches multimodales, etc., et peut répondre à une grande variété de tâches généralistes.

• Tâches liées aux agents :Grâce à ses capacités d'agent, il est capable de prendre des décisions dynamiques et de s'adapter à son environnement, ce qui le rend adapté à l'automatisation de tâches complexes.

HF :https://huggingface.co/Qwen/QwQ-32B

Modèle :https://modelscope.cn/models/Qwen/QwQ-32B

Démo :https://huggingface.co/spaces/Qwen/QwQ-32B-Demo

Chat :https://chat.qwen.ai