沙克
03-08
动不动就炸裂炸裂，这么多次炸裂，还以为硅谷都炸飞了呢
中国AI确实又“炸裂”了硅谷一回，不过是因为通义QwQ开源版
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":411066524856376,"tweetId":"411066524856376","gmtCreate":1741391664627,"gmtModify":1741391666728,"author":{"id":3459597091040524,"idStr":"3459597091040524","authorId":3459597091040524,"authorIdStr":"3459597091040524","name":"沙克","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":3,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":3,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"html":"<html><head></head><body><p>动不动就炸裂炸裂，这么多次炸裂，还以为硅谷都炸飞了呢</p></body></html>","htmlText":"<html><head></head><body><p>动不动就炸裂炸裂，这么多次炸裂，还以为硅谷都炸飞了呢</p></body></html>","text":"动不动就炸裂炸裂，这么多次炸裂，还以为硅谷都炸飞了呢","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/411066524856376","repostId":1145936242,"repostType":4,"repost":{"id":"1145936242","kind":"news","pubTimestamp":1741324398,"share":"https://www.laohu8.com/m/news/1145936242?lang=&edition=full","pubTime":"2025-03-07 13:13","market":"hk","language":"zh","title":"中国AI确实又“炸裂”了硅谷一回，不过是因为通义QwQ开源版","url":"https://stock-news.laohu8.com/highlight/detail?id=1145936242","media":"硅星人","summary":"3月6日，中国大模型领域同时发生了两个上热搜的AI话题：一边是AI Agent产品Manus，另一边则是阿里巴巴全新开源的通义千问QwQ-32B模型。前者引发的讨论中，不少人把它称为DeepSeek级别的“炸裂”成果，并称“硅谷因它一夜无眠”。凌晨正式发布模型后，QwQ-32B当天即登顶HuggingFace的开源模型榜单。目前，海内外开源社区中Qwen的衍生模型数量已突破10万，超越Llama系列衍生模型，通义千问Qwen稳居世界最大的生成式语言模型族群。","content":"<html><head></head><body><p>3月6日，中国大模型领域同时发生了两个上热搜的AI话题：</p><p>一边是AI Agent产品Manus，另一边则是阿里巴巴全新开源的通义千问QwQ-32B模型。</p><p>前者引发的讨论中，不少人把它称为DeepSeek级别的“炸裂”成果，并称“硅谷因它一夜无眠”。不过有趣的是，在国际AI社区中，真正引起广泛讨论的其实是后者。</p><p>凌晨正式发布模型后，QwQ-32B当天即登顶HuggingFace的开源模型榜单。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/bcb3b6a6e555fd6cded7af988b413f18\" alt=\"\" title=\"\" tg-width=\"720\" tg-height=\"1053\"/></p><p>这款模型以32B的相对精简参数规模，却实现了与目前最强开源模型DeepSeek-R1相匹敌的性能，击败了老对手OpenAI o1 mini。</p><p>这对于开源社区的开发者吸引力巨大。HuggingFace联合创始人Vaibhav Srivastav几乎成了Qwen系列的忠实粉丝，每次发布都不缺席，成了点赞专业户。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/cda119a35ac502861be9234630f3ac10\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"825\"/></p><p>甚至有人开始玩起了新梗，当遇上OpenAI和QwQ 32B的分岔路口，向左还是向右？</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e082ebb40ff75743525a1e3eca26695f\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"603\"/></p><p>“性能惊人，尺寸小能量大，运行快。”Reddit的讨论开始还真有点“炸裂体”的味。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/55c9c67fa27b4c7fe1ad7a1e6ec61f7d\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"321\"/></p><p>还有开发者开始像分享对一款现象级消费产品的评测一样，分享调用它的最佳设置。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/c1e87f860c41fd64e99f8304f0ad84b6\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"392\"/></p><p>以及，那个每次必不可少的，一直以来的疑问：</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/235ef97d1242d2e4819ae90ddbe592e4\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"366\"/></p><p>所以到底怎么发音？</p><p style=\"text-align: justify;\"><strong>32B参数，以小搏大，重构游戏规则</strong></p><p>根据官方报告，在一系列权威基准测试中，千问QwQ-32B 模型表现异常出色，几乎完全超越了OpenAI-o1-mini，比肩最强开源推理模型DeepSeek-R1：</p><p>在测试数学能力的AIME24评测集上，以及评估代码能力的LiveCodeBench中，千问QwQ-32B表现与DeepSeek-R1相当，远胜于o1-mini及相同尺寸的R1蒸馏模型；在由Meta首席科学家杨立昆领衔的“最难LLMs评测榜”LiveBench、谷歌等提出的指令遵循能力IFEval评测集、由加州大学伯克利分校等提出的评估准确调用函数或工具方面的BFCL测试中，千问QwQ-32B的得分均超越了DeepSeek- R1。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/ec0e4162a1179f641e7a99208ba47beb\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"424\"/></p><p>这些只是最基础的能力展示。而更多的热议来自开发者自己的需求和体验。</p><p>最让开发者感到兴奋的是，当参数变小但性能不变时，一台消费级显卡的硬件上，就能完成部署！</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/4afb5dd0304201adc37695588e1b517c\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"865\"/></p><p>苹果的ML工程师Awni Hannun也第一时间体验了模型，他发文展示了QwQ-32B在配备MLX（专门为苹果芯片设计的开源框架）的M4 Max芯片电脑上的运行速度很快，并公开了它的一些思考片段。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/2dd7e9da16a8222b5b8c17be106c1fd0\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"739\"/></p><p>多位开发者实测证实，QwQ-32B可在MacBook M系列芯片设备上流畅运行，其量化版本(q4_K_M)甚至在仅有16GB内存的设备上实现了每秒40 token的推理速度。这一表现远超同规模模型的部署要求，大幅降低了硬件门槛。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/047a9195fece9f259b5a0a6150b5eb9e\" alt=\"\" title=\"\" tg-width=\"720\" tg-height=\"804\"/></p><p>经过开发者测算，QwQ-32B对比DeepSeek-R1的671B参数，显存需求从1500GB降至24GB VRAM，<strong>“小参数+强优化”路径，验证了中等规模模型突破性能瓶颈的可能性。</strong></p><p>在性能方面，QwQ 32B延续了强化学习提高模型性能的路径，在冷启动基础上，阿里通义团队针对数学和编程任务、通用能力分别进行了两轮大规模强化学习，在32B的模型尺寸上获得了令人惊喜的推理能力提升，在一系列权威基准测试中，几乎超越了o1 mini，比肩DeepSeek R1，尤其在数学和代码能力方面，远胜于同尺寸的推理模型。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/8c6e017c631d128ebf1a60b48921257d\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"226\"/></p><p>Reddit用户为了进一步验证QwQ的推理能力，为QwQ32B设置了一道物理原理推导任务，能够完整演示从牛顿定律到最小作用量原理的数学推导过程，该用户调侃的说2026应该不会为ChatGPT Pro付费了。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/b47884174c5ff5b88a992caed42ca5d3\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"513\"/></p><p>Anthropic的投资机构Menlo Venture的投资人，也第一时间密切关注，对比了QwQ-32B和DeepSeek R1的推理成本，发现前者仅为后者的<strong>1/10的token成本，但效果能够达到DeepSeek-R1与o3-mini之间的性能水平。</strong></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/ee3d579b418d7c545cc938f3defe02b7\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"1022\"/></p><p>目前，阿里已采用宽松的Apache2.0协议，将千问QwQ-32B模型向全球开源，所有人都可免费下载及商用。</p><p>此前企业部署顶级AI模型通常需要投入大量资金购置高端GPU集群，并面临复杂的分布式部署挑战和持续的电力成本压力，这意味着，企业不再需要构建复杂的GPU集群和高带宽网络来支持模型运行，能够在更低的算力环境下部署推理模型，避免大参数模型所需要的并行通信开销，同时单机部署也能够大幅降低运维门槛，使得中小企业也能负担得起高性能AI模型的落地应用。</p><p>同时，用户也将可通过通义APP免费体验最新的千问QwQ-32B模型。</p><p style=\"text-align: justify;\"><strong>Qwen成了硅谷最爱的开源基座</strong></p><p>除了QwQ-32B模型本身，一个围绕着Qwen的开源生态，也在渐渐成型。</p><p>在发布模型的过程中，Qwen的负责人林俊旸不停转发各种主流开源工具对QwQ的快速适配，除了发布模型本身，他似乎更着力于邀请大家通过不同的工具对QwQ-32B进行体验和二次开发。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/98c0f800b5d6ff47a8ec7123cd5a1218\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"1102\"/></p><p>另一位Qwen的核心团队成员Hui binyuan特意提到，欢迎大家在Qwen的基础上开发更有意思的东西。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/ffb6494ddbf5f702cdeca7f111dcb9ea\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"785\"/></p><p>在一众快速适配QwQ的厂商中，一个有意思的案例来源于Groq。</p><p>它在QwQ-32B发布的第一时间即完成GroqCloud部署，实现400 token/s推理速度。得益于Groq LPU架构的确定性执行特性，与QwQ-32B的密集模型设计形成互补，并以每百万输入代币 0.29 美元，每百万输出代币 0.39 美元的超低价格提供服务。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/4a7237367bafe72d135382e62d77dce7\" alt=\"图片\" title=\"图片\" tg-width=\"750\" tg-height=\"416\"/><span>图片</span></p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/044651bbc6cb13e35493c76fe3882485\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"425\"/></p><p>这家硅谷明星的AI Infra公司，号称要做到“最快的推理平台”，目前已经吸引了百万开发者，平台已经渐渐与开源模型包括LLma、DeepSeek、Qwen模型系列深度绑定。</p><p>而且，它是一个拥有自己芯片产品的公司。Groq 创始人是谷歌专用芯片NPU 发明者之一Jonathan Ross。它创办的Groq，设计了与GPU不同的LPU （语言处理单元），专为AI推理所设计的新型端到端处理单元系统，借助这种自己掌握的软硬件结合优势，它提供的模型的部署服务总是最快的之一。</p><p>因此它的很多动作基本成为了开源的重要风向标之一，哪个模型上了Groq，意味着开发者对它的需求够高，而它提供的极速的体验，又会帮助这些模型让更多人了解其性能。这是一个开源和语言模型上下游生态的典型正向循环机制。</p><p>在不到两年的时间里，Qwen正在成为向往开放开源的模型世界的开发者的首选之一。目前，海内外开源社区中<strong>Qwen的衍生模型数量已突破10万</strong>，超越Llama系列衍生模型，<strong>通义千问Qwen稳居世界最大的生成式语言模型族群。</strong>根据Huggingface2025年2月10日最新的全球开源大模型榜单，<strong>排名前十的开源大模型全部是基于通义千问Qwen开源模型二次开发的衍生模型</strong>。</p><p>同时，越来越多的学术界知名研究机构和学者，基于Qwen系列模型展开研究。李飞飞等斯坦福大学和华盛顿大学研究人员基于阿里通义千问Qwen2.5-32B-Instruct开源模型为底座，仅使用16块H100 GPU，通过26分钟的监督微调，便打造出了性能卓越比肩OpenAI的o1和DeepSeek的R1等尖端推理模型的s1-32B模型。</p><p>近期，伯克利的计算实验室在QwQ-preview的基础上，花费了450美元创建了数据集，训练出了o1级的自有推理模型。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/d230a5aa5c3bd465604e0b7ae73a3f57\" alt=\"\" title=\"\" tg-width=\"750\" tg-height=\"1041\"/></p><p>据统计，从2023年至今，阿里通义团队已开源200多款模型，包含大语言模型千问Qwen及视觉生成模型万相Wan等两大基模系列，开源囊括文本生成模型、视觉理解/生成模型、语音理解/生成模型、文生图及视频模型等「全模态」，覆盖从0.5B到110B等参数「全尺寸」，并在多个榜单中斩获冠军。</p><p>最近阿里巴巴连续开源了多个模型，每一个都会在海外社区引发广泛关注，有开发者感慨并剧透到，QwQ-32B是其中一个，而它可能还不是Qwen系列此轮会发布的最强的那个。</p><p>通义的大招也许还在后面。</p></body></html>","source":"lsy1694483538611","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>中国AI确实又“炸裂”了硅谷一回，不过是因为通义QwQ开源版</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n中国AI确实又“炸裂”了硅谷一回，不过是因为通义QwQ开源版\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-03-07 13:13 北京时间 <a href=https://mp.weixin.qq.com/s/K9dbjm4sE7l855xoDPTdIw><strong>硅星人</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>3月6日，中国大模型领域同时发生了两个上热搜的AI话题：一边是AI Agent产品Manus，另一边则是阿里巴巴全新开源的通义千问QwQ-32B模型。前者引发的讨论中，不少人把它称为DeepSeek级别的“炸裂”成果，并称“硅谷因它一夜无眠”。不过有趣的是，在国际AI社区中，真正引起广泛讨论的其实是后者。凌晨正式发布模型后，QwQ-32B当天即登顶HuggingFace的开源模型榜单。这款模型以...</p>\n\n<a href=\"https://mp.weixin.qq.com/s/K9dbjm4sE7l855xoDPTdIw\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/05ddeb1f7be03fe06014ae549a8abe22","relate_stocks":{"BABA":"阿里巴巴","09988":"阿里巴巴-W"},"source_url":"https://mp.weixin.qq.com/s/K9dbjm4sE7l855xoDPTdIw","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1145936242","content_text":"3月6日，中国大模型领域同时发生了两个上热搜的AI话题：一边是AI Agent产品Manus，另一边则是阿里巴巴全新开源的通义千问QwQ-32B模型。前者引发的讨论中，不少人把它称为DeepSeek级别的“炸裂”成果，并称“硅谷因它一夜无眠”。不过有趣的是，在国际AI社区中，真正引起广泛讨论的其实是后者。凌晨正式发布模型后，QwQ-32B当天即登顶HuggingFace的开源模型榜单。这款模型以32B的相对精简参数规模，却实现了与目前最强开源模型DeepSeek-R1相匹敌的性能，击败了老对手OpenAI o1 mini。这对于开源社区的开发者吸引力巨大。HuggingFace联合创始人Vaibhav Srivastav几乎成了Qwen系列的忠实粉丝，每次发布都不缺席，成了点赞专业户。甚至有人开始玩起了新梗，当遇上OpenAI和QwQ 32B的分岔路口，向左还是向右？“性能惊人，尺寸小能量大，运行快。”Reddit的讨论开始还真有点“炸裂体”的味。还有开发者开始像分享对一款现象级消费产品的评测一样，分享调用它的最佳设置。以及，那个每次必不可少的，一直以来的疑问：所以到底怎么发音？32B参数，以小搏大，重构游戏规则根据官方报告，在一系列权威基准测试中，千问QwQ-32B 模型表现异常出色，几乎完全超越了OpenAI-o1-mini，比肩最强开源推理模型DeepSeek-R1：在测试数学能力的AIME24评测集上，以及评估代码能力的LiveCodeBench中，千问QwQ-32B表现与DeepSeek-R1相当，远胜于o1-mini及相同尺寸的R1蒸馏模型；在由Meta首席科学家杨立昆领衔的“最难LLMs评测榜”LiveBench、谷歌等提出的指令遵循能力IFEval评测集、由加州大学伯克利分校等提出的评估准确调用函数或工具方面的BFCL测试中，千问QwQ-32B的得分均超越了DeepSeek- R1。这些只是最基础的能力展示。而更多的热议来自开发者自己的需求和体验。最让开发者感到兴奋的是，当参数变小但性能不变时，一台消费级显卡的硬件上，就能完成部署！苹果的ML工程师Awni Hannun也第一时间体验了模型，他发文展示了QwQ-32B在配备MLX（专门为苹果芯片设计的开源框架）的M4 Max芯片电脑上的运行速度很快，并公开了它的一些思考片段。多位开发者实测证实，QwQ-32B可在MacBook M系列芯片设备上流畅运行，其量化版本(q4_K_M)甚至在仅有16GB内存的设备上实现了每秒40 token的推理速度。这一表现远超同规模模型的部署要求，大幅降低了硬件门槛。经过开发者测算，QwQ-32B对比DeepSeek-R1的671B参数，显存需求从1500GB降至24GB VRAM，“小参数+强优化”路径，验证了中等规模模型突破性能瓶颈的可能性。在性能方面，QwQ 32B延续了强化学习提高模型性能的路径，在冷启动基础上，阿里通义团队针对数学和编程任务、通用能力分别进行了两轮大规模强化学习，在32B的模型尺寸上获得了令人惊喜的推理能力提升，在一系列权威基准测试中，几乎超越了o1 mini，比肩DeepSeek R1，尤其在数学和代码能力方面，远胜于同尺寸的推理模型。Reddit用户为了进一步验证QwQ的推理能力，为QwQ32B设置了一道物理原理推导任务，能够完整演示从牛顿定律到最小作用量原理的数学推导过程，该用户调侃的说2026应该不会为ChatGPT Pro付费了。Anthropic的投资机构Menlo Venture的投资人，也第一时间密切关注，对比了QwQ-32B和DeepSeek R1的推理成本，发现前者仅为后者的1/10的token成本，但效果能够达到DeepSeek-R1与o3-mini之间的性能水平。目前，阿里已采用宽松的Apache2.0协议，将千问QwQ-32B模型向全球开源，所有人都可免费下载及商用。此前企业部署顶级AI模型通常需要投入大量资金购置高端GPU集群，并面临复杂的分布式部署挑战和持续的电力成本压力，这意味着，企业不再需要构建复杂的GPU集群和高带宽网络来支持模型运行，能够在更低的算力环境下部署推理模型，避免大参数模型所需要的并行通信开销，同时单机部署也能够大幅降低运维门槛，使得中小企业也能负担得起高性能AI模型的落地应用。同时，用户也将可通过通义APP免费体验最新的千问QwQ-32B模型。Qwen成了硅谷最爱的开源基座除了QwQ-32B模型本身，一个围绕着Qwen的开源生态，也在渐渐成型。在发布模型的过程中，Qwen的负责人林俊旸不停转发各种主流开源工具对QwQ的快速适配，除了发布模型本身，他似乎更着力于邀请大家通过不同的工具对QwQ-32B进行体验和二次开发。另一位Qwen的核心团队成员Hui binyuan特意提到，欢迎大家在Qwen的基础上开发更有意思的东西。在一众快速适配QwQ的厂商中，一个有意思的案例来源于Groq。它在QwQ-32B发布的第一时间即完成GroqCloud部署，实现400 token/s推理速度。得益于Groq LPU架构的确定性执行特性，与QwQ-32B的密集模型设计形成互补，并以每百万输入代币 0.29 美元，每百万输出代币 0.39 美元的超低价格提供服务。图片这家硅谷明星的AI Infra公司，号称要做到“最快的推理平台”，目前已经吸引了百万开发者，平台已经渐渐与开源模型包括LLma、DeepSeek、Qwen模型系列深度绑定。而且，它是一个拥有自己芯片产品的公司。Groq 创始人是谷歌专用芯片NPU 发明者之一Jonathan Ross。它创办的Groq，设计了与GPU不同的LPU （语言处理单元），专为AI推理所设计的新型端到端处理单元系统，借助这种自己掌握的软硬件结合优势，它提供的模型的部署服务总是最快的之一。因此它的很多动作基本成为了开源的重要风向标之一，哪个模型上了Groq，意味着开发者对它的需求够高，而它提供的极速的体验，又会帮助这些模型让更多人了解其性能。这是一个开源和语言模型上下游生态的典型正向循环机制。在不到两年的时间里，Qwen正在成为向往开放开源的模型世界的开发者的首选之一。目前，海内外开源社区中Qwen的衍生模型数量已突破10万，超越Llama系列衍生模型，通义千问Qwen稳居世界最大的生成式语言模型族群。根据Huggingface2025年2月10日最新的全球开源大模型榜单，排名前十的开源大模型全部是基于通义千问Qwen开源模型二次开发的衍生模型。同时，越来越多的学术界知名研究机构和学者，基于Qwen系列模型展开研究。李飞飞等斯坦福大学和华盛顿大学研究人员基于阿里通义千问Qwen2.5-32B-Instruct开源模型为底座，仅使用16块H100 GPU，通过26分钟的监督微调，便打造出了性能卓越比肩OpenAI的o1和DeepSeek的R1等尖端推理模型的s1-32B模型。近期，伯克利的计算实验室在QwQ-preview的基础上，花费了450美元创建了数据集，训练出了o1级的自有推理模型。据统计，从2023年至今，阿里通义团队已开源200多款模型，包含大语言模型千问Qwen及视觉生成模型万相Wan等两大基模系列，开源囊括文本生成模型、视觉理解/生成模型、语音理解/生成模型、文生图及视频模型等「全模态」，覆盖从0.5B到110B等参数「全尺寸」，并在多个榜单中斩获冠军。最近阿里巴巴连续开源了多个模型，每一个都会在海外社区引发广泛关注，有开发者感慨并剧透到，QwQ-32B是其中一个，而它可能还不是Qwen系列此轮会发布的最强的那个。通义的大招也许还在后面。","news_type":1,"symbols_score_info":{"09988":1.1,"BABA":1.1}},"isVote":1,"tweetType":1,"viewCount":538,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":50,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/411066524856376"}
精彩评论