QwQ 是 Qwen 团队开发的一个拥有 320 亿参数的实验性研究模型，专注于推进 AI 的推理能力。

QwQ 在以下基准测试中展现了卓越的性能

• GPQA 上达到 65.2%，展现了其研究生级别的科学推理能力
• AIME 上达到 50.0%，突显了其强大的数学解题能力
• MATH-500 上达到 90.6%，展现了其在不同数学主题方面的出色理解能力
• LiveCodeBench 上达到 50.0%，验证了其在现实场景中强大的编程能力。

这些结果突显了 QwQ 在分析和解决问题能力方面的显著进步，尤其是在需要深度推理的技术领域。

作为预览版本，它展现了很有前景的分析能力，但也存在一些重要的局限性

1. 语言混合和代码切换：模型可能会意外地混合语言或在语言之间切换，影响响应的清晰度。

2. 递归推理循环：模型可能会进入循环推理模式，导致冗长的响应而没有结论性的答案。

3. 安全性和伦理考虑：模型需要增强的安全措施以确保可靠和安全的性能，用户在部署时应谨慎。

4. 性能和基准测试的局限性：模型在数学和编码方面表现出色，但在其他领域，例如常识推理和细微的语言理解方面仍有改进空间。