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

QwQ 在这些基准测试中表现出色

• GPQA 得分 65.2%，展现了其研究生级别的科学推理能力
• AIME 得分 50.0%，突显了其强大的数学问题解决能力
• MATH-500 得分 90.6%，展现了其在不同数学主题上的出色理解能力
• LiveCodeBench 得分 50.0%，验证了其在现实场景中强大的编程能力。

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

作为预览版本，它展现了令人鼓舞的分析能力，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答案。

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

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