阿里开源最强推理模型 QwQ-32B，看齐 DeepSeek-R1，科学推理接近研究生水平。

阿里开源 QwQ-32B，再一次证明强化学习是属于未来的技术路线。@APPSO

QwQ-32B 拥有 320 亿个参数的模型，其性能可与拥有 6710 亿个参数的 DeepSeek-R1 相媲美。除了是阿里送出的开源力作，这一成果也凸显了 RL 的有效性 ​……